كوويد 19 سرعت تحول هوش مصنوعي بهداشت و درمان را افزايش خواهد داد
در آخرين روز سال گذشته، پلتفرم هوش مصنوعي BlueDot موفق شد نوعي ناهنجاري كشف كند. اين پلتفرم دستهاي از نمونههاي عجيب در ووهان چين را ثبت كرده بود. BlueDot كه در تورنتو كانادا مستقر است، از پردازش زبان طبيعي و يادگيري ماشين براي رديابي و موقعيتيابي و گزارش شيوع بيماريهاي عفوني استفاده ميكند. اين پلتفرم هشدارهاي خود را به مجموعهاي از كلاينتها ازجمله بخش بهداشت و درمان، دولت، كسبوكار و سازمانهاي عمومي بهداشتي ارسال ميكند و درست ۹ روز قبل از انتشار بيانهي هشدار سازمان جهاني بهداشت دربارهي ويروس جديد كرونا، كوويد ۱۹ را كشف كرد.
نقش BlueDot در مطالعه شيوع يكي از نمونههاي بارز تأثير هوش مصنوعي بر بهداشت و درمان است. هوش مصنوعي تاكنون در بسياري از ابعاد مبارزهي جهاني با كرونا، نقش مفيد اما پراكندهاي ايفا كرده است. ناگفته نماند از هوش مصنوعي در ماههاي گذشته براي پيشبيني، نظارت، هشدار تماس، تشخيص سريعتر، حملونقل خودكار و كشف داروهاي آزمايشگاهي استفاده شده است.
باتوجهبه گسترش فراوان ويروس كرونا در كل جهان، متخصصدهاي نوآورانهي هوش مصنوعي در بسياري از مناطق افزايش يافته است. در كرهجنوبي، پيامرساني موقعيتمحور به ابزاري ضروري در مبارزه و بيماري كوويد ۱۹ تبديل شده است. از هر ۱۰ نفر شهروند كرهاي، ۹ نفر پيامهاي فوريتي موقعيتمحور را دريافت ميكنند كه به آنها دربارهي تعداد مبتلايان در اطراف هشدار ميدهد.
شركت عليباباي چين هم الگوريتمي معرفي كرده است كه در مدت ۲۰ ثانيه (تقريبا ۴۵ برابر سريعتر از تشخيص انساني) و با دقت ۹۶ درصد، موارد مشكوك را ميتواند تشخيص دهد. وسايل نقليهي خودكار هم در سناريوهايي بهكار ميروند كه براي انسانها خطرناك هستند.
در استانهاي هوبي و گواندونگ چين، رباتها غذا و دارو و كالاهاي موردنياز را به بيماران بستري در بيمارستان و خانوادههاي قرنطينه ميرسانند كه بسياري از آنها سرپرست خود را از دست دادهاند. در كاليفرنيا، دانشمندان كامپيوتر مشغول كار روي سيستمي هستند كه بتواند از راه دور روي سالمندان ساكن در خانه نظارت كند و درصورت بروز شرايط سخت يا كوويد ۱۹، به آنها هشدار دهد.
تمام مزاياي AI در مقابله با هوش مصنوعي، چشماندازي از ابعاد مختلف سيستم بهداشت و درمان آينده فراهم ميكنند. هنوز راه درازي در پيش است و درحقيقت، هوش مصنوعي در طول چهار ماه گذشته به موفقيت چشمگيري در مبارزه با دنياگيري كرونا دست نيافته است. سيستمهاي بهداشت و درمان بهدلايلي مثل واكنش غيردقيق و ناكافي، كمبود امكانات و توزيع نامناسب تجهيزات پزشكي، كاركنان خسته با حجم كاري زياد، نبود تخت كافي در بيمارستانها و درماننشدن بهموقع بيماران آسيبپذير هستند.
حتي پيشرفتهترين سيستمهاي بهداشت و درمان سراسر دنيا، سازمانهايي ايستا با سلسلهمراتب پيچيدهي اجتماعي هستند. امروزه، هوش مصنوعي صرفا در محيطهاي مناسب عملكرد موفقي دارد. دليل اين امر هم واضح است: قبل از شيوع كوويد ۱۹، هيچ دركي از اهميت نواحي و عملكرد براساس آنها وجود نداشت و براي رسيدن به راهحل نيز، دادههاي كافي وجود ندارد.
دادهها اولويت هوش مصنوعي و مانند جريان خون براي آن هستند. پلتفرم علوم دادهاي و يادگيري ماشين Kaggle ميزبان مجموعهدادهاي پژوهشي باز Covid 19 يا CORD-19 است. CORD-19 همانطوركه از نامش پيدا است، دادههاي مرتبط را تحليل و پژوهشهاي جديد را روي يك گذرگاه متمركز بارگذاري ميكند. دادههاي جديد براي ماشين خواندني هستند و به اين صورت متناسب با اهداف يادگيري ماشين هوش مصنوعي طراحي شدهاند. در اين پايگاه، بيش از ۱۲۸ هزار مقالهي پژوهشي دربارهي كوويد ۱۹، ويروس كرونا، سارس، مرس و ديگر عبارات مرتبط وجود دارد.
علاوهبراين، دانشمندان كامپيوتر و پزشكي در سراسر جهان بر مسائل يادشده متمركز هستند. طبق تخمينهاي پيتر ديامانديس، بنيانگذار XPrize، تقريبا ۲۰۰ ميليون پزشك، دانشمند، پرستار، متخصص فناوري و مهندس با هدف مبارزه با كوويد ۱۹، در حال اجراي دههاهزار آزمايش و اشتراكگذاري شفاف اطلاعات با سرعتي بيسابقه هستند.
چالش پژوهشي كوويد ۱۹ در Kaggle هم با هدف ارائهي طيف گستردهاي از انديشه متخصصيناتها دربارهي اين بيماري مطرح شده است. انديشه متخصصيناتها شامل تاريخ طبيعي و معيارهاي تشخيص و انتقال دادهها براي ويروس و درسهايي از پژوهشهاي گذشته روي انواع همهگيري هستند كه به افزايش آگاهي سازمانهاي سلامت و اتخاذ تصميمهاي عاقلانه كمك خواهند كرد. چالش در تاريخ ۱۶ مارس منتشر شد. در طول پنج روز، بيش از ۵۰۰ هزار از آن بازديد و بيش از ۱۸ هزار مرتبه دانلود شد.
در اوايل شيوع كرونا، شركت عليبابا الگوريتم هوش مصنوعي را منتشر كرد كه براساس بيش از ۵،۰۰۰ مورد تأييدشده يادگيري ديده بود. اين الگوريتم با استفاده از سيتياسكنها ميتواند بيماري را در مدت ۲۰ تا ۳۰ ثانيه تشخيص دهد. همچنين براساس علائمي مثل تودهي سفيد در ريهها، اسكن بيماران را تحليل و پيشرفت يا كاهش سلامتي آنها را بهسرعت ارزيابي كند. عليبابا پلتفرم ابري هوش مصنوعي خود را دردسترس متخصصان پزشكي سراسر دنيا قرار داده است و براي توسعهي بيشتر پروژه با همكاري ديگر شركاي خود روي دادههاي بينام ازجمله ماژولهاي پيشگويي همهگيري، تحليلهاي تصوير سيتي و تواليسازي ژنوم ويروس كرونا كار ميكند.
از شبكههاي يادگيري عميق ميتوان براي تفسير دقيق و سريع اسكنهاي پزشكي استفاده كرد
باتوجهبه دوبرابرشدن دادههاي پزشكي در چند ماه گذشته، سيستم بهداشت و درمان حتي قبل از شيوع كرونا هم آمادگي استفاده از هوش مصنوعي را داشته است. در سال ۲۰۱۹ و طبق پژوهشي كه بازار بهداشت و درمان هوش مصنوعي ۱۹ كشور را مطالعه كرده است، ارزش بازار هوش مصنوعي از ۱/۳ ميليارد دلار در سال ۲۰۱۸ به ۱۳ ميليارد دلار در سال ۲۰۲۵ خواهد رسيد و در شش حوزهي عمده ازجمله كاركنان بيمارستان، پوشيدنيها، تشخيص و پردازش تصوير پزشكي، برنامهريزي درماني، دستيار مجازي و درنهايت كشف دارو، با بيش از ۴۱/۷ درصد رشد سالانه همراه خواهد بود؛ اما حالا باتوجهبه شيوع كوويد ۱۹، سرعت رشد حوزههاي يادشده بيشازپيش افزايش خواهد يافت.
يادگيري عميق با قابليت پردازش دادههاي چندمدلي و انبوه با سرعت چشمگير، يكي از فرصتهاي مهم هوش مصنوعي است. از شبكههاي يادگيري عميق بهعنوان يكي از انواع هوش مصنوعي براي توليد تفسير الگوريتمي سريع و دقيق اسكنهاي پزشكي، اسلايدهاي پاتولوژي، بيناييسنجي و كولون بيني استفاده ميشود. دنياگيري كرونا ميتواند سرعت پيشرفت هوش مصنوعي را در حوزهي بهداشت و درمان افزايش دهد.
ظرفيت هوش مصنوعي فراتر از تشخيص و درمان است و ملاقات حضوري و پرداخت قبوض بيمه و ديگر فرايندها بهواسطهي آن آسانتر خواهند شد. هوش مصنوعي همراهبا اتوماسيون رباتيك ميتواند چهارچوبهاي كاري را تحليل و روالهاي بيمارستاني را بهينهسازي و روالهاي بيمهاي را اجرا كند. هوش مصنوعي براي حل دنياگيري كرونا، ازطريق پردازش متن و زبان و اعداد با سطح دقت و كميت ماشين، وروديهاي پيش از تشخيص را ميتواند خودكارسازي و تسريع كند.
درصورت وجود دادههاي كافي، هوش مصنوعي ميتواند شاخصهاي دادهاي سلامتي را براي افراد و جمعيتهاي مختلف ايجاد كند. در اين مرحله، احتمال كشف انواع بيماريها افزايش مييابد؛ درنتيجه، ميتوان با سرعت بيشتري دنياگيريهاي احتمالي را شناسايي كرد. اين فرايند ساده نيست؛ زيرا در درجهي اول به اتصال سيستمها به مكانيزمهاي كارآمد پاسخگويي و هشدار نياز است. اين نواقص در روزهاي اول شيوع كرونا آشكار شدند.
درحالحاضر، ميتوان از مدلها و الگوريتمهاي هوش مصنوعي براي اكتشافات دارويي و پيشرفت پزشكي در زمينههاي تواليسازي ژنوم، سلولهاي بنيادي، كريسپر و... استفاده كرد. در دنياي داروسازي كنوني، فرايند توسعهي درمان بسيار هزينهبر است و بخش زيادي از اين هزينه صرف آزمايشهاي ناموفق ميشود؛ اما دانشمندان بهكمك هوش مصنوعي و يادگيري ماشين ميتوانند هزاران متغير را مدلسازي و تأثير آنها بر واكنش سلولهاي انساني را واكاوي كنند.
يادگيري ماشين و پردازش متن و تصوير از روشهاي هوش مصنوعي براي حل معضل كرونا هستند
از فناوريهاي يادشده براي جستوجوي واكسن و ديگر درمانهاي كوويد ۱۹ استفاده ميشود. Insilico Medicine، شركت هوش مصنوعي مستقر در هنگ كنگ و فعال درزمينهي اكتشافات دارويي، از پلتفرم شيمي هوش مصنوعي براي طراحي مولكولهاي جديدي استفاده ميكند كه هدف اصليشان پروتئينهاي ويروسي است. مولكولها ۶ فوريه منتشر شدند. هوش مصنوعي و يادگيري ماشين در اين حوزه با سرعت بيشتري در حال پيشروي هستند و درمانهاي ارزانتري ارائه ميكنند. هوش مصنوعي صنعت داروسازي را متحول خواهد كرد.
فرض كنيد در صبحي زمستاني در سال ۲۰۳۵ از خواب بيدار شويد و احساس گلودرد كنيد. به دستشويي برويد و درحاليكه دندان خود را مسواك ميكنيد، از حسگر مادونقرمز آينهي دستشويي، دماي بدن خود را مطالعه كنيد. يك دقيقه بعد از مسواكزدن، هشداري از دستيار پزشكي هوش مصنوعي دريافت كنيد كه نشاندهندهي ناهنجاريهايي در نمونهي بزاق و تب پائين است. در چنين وضعيتي، AI PA آزمايش خون از نوك انگشت را پيشنهاد ميدهد؛ درنتيجه، PA تحليل از ابتلا به آنفولانزا را نشان ميدهد. همچنين، دو شيار زماني براي تماس ويدئويي با پزشك خانوادگي و مشورت با او را پيشنهاد ميكند. پزشك مدانديشه متخصصين هنگام تماس جزئيات مربوط به علائم بيماري را دريافت كرده است. او دكونژستانت و پاراستامول تجويز ميكند كه با پهپاد به در خانهي شما فرستاده ميشود.
آيندهاي كه در پاراگراف بالا ترسيم شده است، چندان هم دورازانتظار نيست. با همگرايي بيشتر علم كامپيوتر و علم پزشكي، هوش مصنوعي خودكار وارد عمل ميشود و مردم هم براي حفظ آگاهي و ايمني خود از پوشيدنيها و حسگرهاي زيستي و آشكارسازهاي خانگي هوشمند استفاده ميكنند. با افزايش كيفيت دادهها و افزايش تنوع پوشيدنيها و ديگر دستگاههاي اينترنت اشياء، چرخهي بهبودي هم مؤثرتر خواهد شد.
در دنياي هوش مصنوعي، ويروس جديد كرونا رديابيشدني و توقفپذير است و ميتوان قبل از شيوع آن را ريشهكن كرد. شايد در ۱۵ سال آينده، بسياري از افراد به دستيارهاي شخصي هوش مصنوعي دسترسي داشته باشند كه از آنها دربرابر اشكالات روزانهي سلامتي محافظت كنند. رباتها يا پهپادها هم وظيفهي حملونقل تجهيزات و داروهاي پزشكي به در خانهها را برعهده خواهند داشت. درصورتيكه به جراحي يا ديگر مداخلههاي پزشكي نيازي باشد، معمولا ربات آن را انجام ميدهد يا دستيار جراح و پزشك انساني ميشود.
در چنين آيندهاي، پزشكان و پرستاران بر عمليات انساني بيشتر متمركز هستند كه ماشين نميتواند آنها را انجام دهد. متخصصان پزشكي يا پرستاران دلسوز مهارتهاي پرستاري، تكنسين پزشكي، نيروي ساده اجتماعي و حتي روانشناسي را با يكديگر تركيب ميكنند. آنها با سيستمها و ابزارهاي تشخيص بهبوديافتهي هوش مصنوعي كار خواهند كرد؛ اما برقراري ارتباط با بيماران و تسكين آنها در وضعيت تنش را فراموش نميكنند.
البته نبايد اشكالات حريم خصوصي و محافظت از دادهها را بهويژه دربارهي سوابق بيمار ناديده گرفت. همچنين، ايزوله نگهداشتن دادههاي مفيد و استخراجنكردن فوايد آنها براي كمك به جامعه رفتاري غيرمسئولانه است. از فناوريهاي نوآورانه بايد براي حل اشكالات جديد استفاده كرد و خبر خوشحالكننده اين است كه در يادگيري جمعي، بهويژه يادگيري توزيعشده، پيشرفتهاي زيادي حاصل شده است.
در چهارچوب هوش مصنوعي، دادههاي بيمار ذخيره ميشوند و هرگز از سيستم بهداشتي ميزبان يا دستگاههاي شخصي و بيمارستاني خارج نميشوند؛ زيرا مدلهاي يادگيري ماشين براساس مجموعههاي مجزا يادگيري ميبينند و تركيب و پردازش ميشوند. فناوريهايي مثل يادگيري جمعي و رمزنگاري همريختي و محيطهاي مطمئن اجراي سختافزاري محاسبات و انتقال و ذخيرهسازي دادهها را با هدف برآوردهساختن زمينههاي مهم تضمين ميكنند؛ زيرا نيازهاي حريم خصوصي در ميان كشورها و فرهنگها متفاوت هستند.
كوويد ۱۹ ثابت كرد اشكالات انسان با هوش مصنوعي گره خوردهاند. در گذشته، مشاركتهاي جهاني به حذف تقريبي بيماريهايي مثل فلج اطفال منجر شد. با حركت بهسمت كاهش و درمان و حذف دنياگيري كرونا، بديهي است سيستم بهداشت عمومي به مرزهاي ملي محدود نخواهد بود و پزشكي حوزهاي است كه هر كشوري از آن سود خواهد برد و دادههاي جهاني پايدارترين انديشه متخصصيناتها را براي سلامت و بيماري ارائه خواهند كرد.
هوش مصنوعي به آمادگي بهتر براي دنياگيري بعدي كمك خواهد كرد. براي پيشرفت اين حوزه، به مشاركت دانشمندان پزشكي، دانشمندان هوش مصنوعي، سرمايهگذاران و سياستگذاران نياز است. سرمايههاي اقتصادي بايد به بخش بهداشت و درمان تزريق شوند و انگيزه و تمركز كارآفرينان و پژوهشگران هوشمند را افزايش دهند. با همكاري استعدادهاي درخشان در اين مسئله، ميتوان گفت دشمن مشترك انسانها خودشان نيستند؛ بلكه ويروس است. بدينترتيب، سيستم بهداشت و درمان جهان به سطح بهتري خواهد رسيد.
هم انديشي ها