نرم‌افزار، جاي چاقوي جراحي را مي‌گيرد

هوش مصنوعي دستيار مطمئن جراحان

 بار ديگر عرصه دانش پزشكي با وام گرفتن از فناوري هوش مصنوعي به كمك پزشكان آمده و با استفاده از داده‌هاي حياتي به جاي ابزار پزشكي، گامي جديد در تشخيص عوارض مهلك و تهديدكننده بدن انسان برمي دارد.

اكنون و با كمك ۲ برنامه جديد هوش مصنوعي، امكان تشخيص عفونت‌هاي قلبي تهديدكننده حيات بيماران و همچنين درمان زخم‌هاي باز بدون نياز به فرآيندهاي معمول و زمانبر درماني براي پزشكان فراهم شده است. پيشرفت حاضر در زمينه تشخيص عوارض مهلك در حالي صورت مي‌گيرد كه به اعتقاد جامعه پزشكي، جدا از نتايج چشمگير آن در نجات جان انسان‌ها و اجتناب از اعمال جراحي تهاجمي و رنج آور، اين پژوهش مي‌تواند بدون نياز به انجام آزمايش‌هاي متعدد به صرفه‌جويي ميليوني هزينه‌هاي بيمارستاني در سال كمك كند.

دكتر رضوان سهيل از كلينيك مايو در مينه‌سوتا اين نرم‌افزار را براي شناسايي بيماران داراي عفونت‌هاي قلبي توسعه بخشيده در اين خصوص خاطر نشان مي‌‌كند كه چنين عفونت‌هايي با نرخ مرگ و مير بين ۳۰ تا ۵۰ درصد، از عفونت‌هاي بسيار وخيم به شمار مي‌روند. به گفته اين محقق، تشخيص دادن التهابات غشاي دروني قلب (اندوكارديتيك) يك عمل جراحي تهاجمي محسوب مي‌شود و ما قصد داريم اين عفونت را بدون روانه كردن لوله كاوشي به درون مري فرد بيمار، مورد تشخيص قرار دهيم.

تصويري كه با استفاده از داخل كردن ابزار لوله‌اي دوربين دار به درون ناي شخص بيمار كه با كمك دارو تسكين داده شده، گرفته مي‌شود اصطلاحا قلب‌نگاري فرامري (ترانسوفاژل اندوكارديوگرام) است كه در نوع خود فرآيندي تهاجمي و گران به حساب مي‌آيد. در واقع يك عمل ۳۰ دقيقه‌اي با اين روش بالغ بر ۲۰۰۰ دلار هزينه دربر دارد و از طرفي انجام اين عمل به تجهيزات فني خاصي نياز دارد كه بسياري از بيمارستان‌ها فاقد آن هستند. اين در حالي است كه پزشكان كلينيك مايو و در راس آنها دكتر سهيل به جاي وارد كردن لوله‌هاي پزشكي، به وارد كردن داده‌هاي لازم به رايانه و تحليل آنها مي‌پردازند. در اين شيوه عمل، پزشكان ابتدا با ثبت داده‌هايي از جمله ضربان قلب، فشار خون، شمارش گلبول‌هاي سفيد خون، حضور ادواتي نظير ضربان سازهاي قلبي يا ساير دستگاه‌هاي تعبيه شده، دماي بدن دريافتي ۱۸۷ بيمار در رايانه، نرم‌افزار دستيار عمل خود را آماده سازي مي‌كنند. در اين ميان، تشخيص نهايي اين بيماران نيز شامل اطلاعات داده شده به رايانه خواهد بود. در مرحله بعدي اين الگوريتم رايانه‌اي به تحليل داده‌هاي موجود براي ارتباط دادن علائم مرضي با تشخيص بيماري مي‌پردازد.

به گفته دكتر سهيل، موضوع جالب توجه اين برنامه اينجاست كه رايانه در اصل موجب اشتباهات قابل‌توجهي مي‌شود، اما با گذشت زمان، اين مكانيسم توسعه مي‌يابد و هوشمندتر مي‌شود تا جايي كه شبكه در موردي لازم و بموقع، تصميمات مناسب اتخاذ مي‌كند، در ۵۰ درصد موارد اين نرم‌افزار مي‌تواند ظرف كمتر از ۴ ثانيه يك پيش‌بيني محاسبه‌اي را با دقت ۹۹/۹۹ درصد انجام دهد؛ اين در حالي است كه به اعتقاد وي، هر درصدي كمتر از اين باعث مي‌شود گروه پزشكي نسبت به تشخيص صورت گرفته اطمينان نكند. در باقي موارد نيز اين نرم‌افزار، بيش از ۸۰‌‌درصد صحت عمل داشته است. البته محققان به اين مرحله بسنده نكرده و قصد دارند، گام بعدي پروژه هوش مصنوعي خود را روي ۲۰۰ مورد از پرونده پزشكي بيماراني اجرا كنند كه رايانه، اطلاعي از تشخيص نهايي آنها ندارد.

رايانه در اصل موجب اشتباهات قابل‌توجهي مي‌شود اما با گذشت زمان اين مكانيسم توسعه مي‌يابد و هوشمندتر مي‌شود

پزشكان معتقدند، تشخيص عفونت‌هاي قلبي مشكل است اما اغلب مي‌توان آنها را با تجويز و مصرف حدود يك هفته آنتي‌بيوتيك‌ معالجه كرد. اين در حالي است كه زخم‌هاي باز كه پس از هفته‌ها يا ماه‌ها درمان، در برابر التيام و بهبود مقاومت كرده، معالجات را رد مي‌كنند و به عنوان زخم‌هاي كم خون موضعي شناخته مي‌شوند، راه تشخيص آساني دارند اما در عوض به طرز نااميدكننده‌اي درمان دشواري را به همراه دارند و حتي به اعتقاد برخي پزشكان، اين گونه زخم‌ها هر درماني را بي اثر مي‌كنند و انگار كه هيچ درماني براي التيام آنها صورت نگرفته است. در همين ارتباط، دكتر چاندان سن دانشيار دانشگاه ايالتي اوهايو و گروهي از محققان، موفق به توسعه الگوريتمي رياضياتي شده‌اند كه مي‌تواند زمان بسته شدن يك زخم باز از نوع كم خون موضعي و همچنين اين را كه چه عوارض و پيامدهايي طي فرآيند قطع جريان خون و بندآوري بروز مي‌كند، پيش‌بيني كند. به گفته دكتر سن كه شرح تحقيقاتش طي مقاله‌اي به قلم وي در شماره اخير نشريه اقدامات آكادمي ملي علوم منتشر شده است مدل‌هاي فعلي، زخم‌هايي را هدف مي‌گيرند كه در هر صورت بسته خواهند شد، در حالي كه هدف ما توسعه مدلي براي زخم‌هايي است كه نمي‌خواهند بسته شوند.

سالانه حدود ۵/۶ ميليون آمريكايي به اين گونه زخم‌ها دچار مي‌شوند كه بيشتر هم در بيماران مسن‌تر روي مي‌دهد؛ مواردي همچون زخم‌ پاي بيماران ديابتي يا زخم بيماراني كه به دليل عوارض ديگري، قبلا فرآيند بيمارستاني را گذرانده‌اند، از موارد شايع و هدف زخم‌هاي باز محسوب مي‌شود. در اين ميان، گروه تحقيقاتي دكتر سن براي كمك به درمان زخم‌هاي موضعي، برنامه‌اي را توسعه داده‌اند كه داده‌هاي بيماران را پردازش مي‌كند؛ اطلاعاتي از قبيل غلظت خون، فاكتورهاي رشد، حضور گلبول‌هاي سفيد و تراكم فيبروبلاستي از جمله داده‌هايي است كه به رايانه داده مي‌شوند. رايانه نيز با استفاده از اين داده‌ها مدلي سه‌بعدي از زخم مربوط را ايجاد و چگونگي التيام يافتن و بهبود سريع آن را ظاهر مي‌‌كند و بعلاوه زمان بسته شدن زخم را نيز تخمين مي‌زند. به ادعاي محققان اكنون و بر اساس اين مدل، يك زخم معمولي ظرف حدود ۱۳ روز بسته خواهد شد و اين در حالي است كه پس از گذشت ۲۰ روز تنها ۲۵ درصد از زخم‌هاي باز موضعي التيام و بهبود مي‌يابند. اين اعداد و ارقام با آنچه عملا براي بيماران اتفاق مي‌افتد، تطبيق مي‌كند، اما در اين ميان نبايد از نظر دور داشت كه تا اينجاي كار تنها در قالب تئوري استفاده شده و مدل حاضر هنوز روي بيماران انساني امتحان نشده است.

به اعتقاد برخي محققان، فناوري هوش مصنوعي يا به عبارتي سامانه‌هاي شبيه‌ساز نحوه كاركردهاي مغز خواه براي بهبود زخم‌ها و چه در مورد عفونت‌هاي قلبي به كار برده شوند، دست كم به اين زودي‌ها جاي پزشكان واقعي را نخواهند گرفت. با اين اوصاف و به اعتقاد دكتر سهيل، اين شبكه‌هاي عصبي مصنوعي نه مي‌توانند بيماران را ببينند و نه مي‌توانند آنها را براي يافتن علائم عفونت و آلودگي يا نشانه‌هاي مرضي مورد آزمايش قرار دهند؛ اما واقعيت اين است كه چنين برنامه‌هايي در موارد گيج‌كننده و مبهم كه كار تشخيص بيماري با دشواري مواجه مي‌شود و تشخيص صحيح و بموقع براي پزشك و بيمار بسيار حياتي است، دستياري قابل و مورد اطمينان براي متخصصان باليني به شمار مي‌رود.

مترجم: مهريار ميرنيا / منبع: ديسكاوري

Responses are currently closed, but you can trackback from your own site.