هوش مصنوعی و یادگیری عمیق، علم پزشکی را متحول می‌کنند

هوش مصنوعی و یادگیری عمیق: وضعیت فعلی و دیدگاه های پزشکی موجود در این حوزه
در عرصه طبابت و پزشکی مسئله بسیار مهمی به عنوان شهود پزشکی وجود دارد. وقتی بیمار به پزشک مراجعه می کند پزشک فقط به وی نگاه میکند و دو یا سه سوال از او میپرسد و در این حین می داند که چه اتفاقی برای او افتاده است و یا چه بیماری ممکن است داشته باشد. اگر بخواهیم از منظر تجزیه و تحلیل داده ها به این موضوع نگاه کنیم شهود پزشکی مانند این است که پزشک از شبکه عصبی داخلی خود برای تشخیص بیماری استفاده میکند. پزشک با تجزیه و تحلیل تعداد کافی از موارد بیماری، قادر است هوشیارانه یا ناخودآگاه برخی عوامل اضافی را که به او کمک می کند سریع تر به راه حل برسد شناسایی میکند. و علاوه بر این پزشک به فرضیه هایی می رسد که آن ها را به عنوان تشخیص بیماری در نظر میگیرد.

پزشکی
آیا هوش مصنوعی بهتر از شهود پزشکی است؟
خواه آن را دوست داشته باشیم یا نباشیم شهود پزشکی امری خودکار و اتوماتیک است که میتواند توسط دستگاه قابل به شکل بهتری انجام شود. علاوه بر این، برخی از تشخیص ها می توانند توسط دستگاهها بهتر تدوین شوند که در زیر نگاهی به برخی از موارد موجود در این زمینه خواهیم انداخت.

برترین استارت آپ های هوش مصنوعی فعال در زمینه پزشکی
Ada:این استارت آپ خدمتی است که امکان برقراری ارتباط مستقیم با شخص بیمار را فراهم میکند و توصیه های خود را به او ارائه میدهد. نرم افزار برنامه پزشکی با بیمار ارتباط برقرار می کند در مورد علائم و دردهای او سؤال می کند و در پاسخ توصیه هایی را ارائه می دهد از جمله اینکه برای درمان به کدام پزشک مراجعه کند ویا برای مشاوره از راه دور با یک متخصص تماس بگیرد.

Lunit: حدود ۲۰٪ از سرطان ریه و سرطان پستان در فرآیند تشخیص بدون توجه قرار می گیرند. این استارت آپ در حال توسعه نرم افزاری برای یادگیری عمیق و تجسم سه بعدی برای کمک به تشخیص بیماریهای دشوار برای تشخیص بیماری مانند سرطان مجاری تنفسی است. استفاده از این برنامه احتمال تشخیص سرطان را تا ۸۳-۸۶٪ افزایش می دهد. با گذشت زمان ، این فناوری بهبود می یابد و دقت آن بیشتر می شود.

Sense.ly:این برنامه بر وضعیت افرادی را که اخیراً تحت معالجه طولانی مدت قرار گرفته اند یا از بیماری های مزمن رنج می برند، نظارت می کند. این برنامه توسط استارتاپی مستقر در سانفرانسیسکو طراحی شده است و در همان ابتدا ۸ میلیون دلار سرمایه گذاری دریافت کرد. این برنامه به منظور ساخت داده در مورد وضعیت شخص طراحی شده است و آنها را به متخصص مربوطه ارسال می کند و توصیه هایی را ارائه می دهد. همچنین این سیستم قادر است در مورد زمان مصرف داروها و در صورت نیاز مراجعه به پزشک را برای بیمار یادآوری کند.

Insilico medicine: ساخت داروهای جدید از مهمترین وظایف طب مدرن است. توسعه یک دارو در آزمایشگاه های تحقیقاتی ۲٫۶ میلیارد دلار هزینه دارد و درمجموع حدود ۱۵۰ میلیارد دلار برای این فرآیند هزینه شده است. به همین دلیل در سال ۲۰۱۴ تنها ۴۶ داروی جدید ساخته شد. استارت آپ insilico Medicine نوعی از فناوری هوش مصنوعی را ایجاد میکند که به رشد داروها، نشانگرهای زیستی و مطالعه مکانیسم های پیری کمک می کند. این شرکت می خواهد کیفیت زندگی اشخاص را با تولید دارو های موثر پزشکی بهبود ببخشد.

PathAI:این استارت آپ (مستقر در بوستون) توسط Andy Back دانش آموخته دانشکده پزشکی هاروارد راه اندازی شده است. او بیش از پنج سال در دانشگاه هاروارد مشغول به تحصیل بود و تصمیم گرفت به پزشکان در تشخیص به موقع بیماریهای پیچیده مانند سرطان با استفاده از یادگیری ماشین برای تجزیه و تحلیل سریع و دقیق تصاویر سلولی کمک کند.

فرصت های ایجاد شده توسط استارت آپ ها توسط پزشکان به اندازه ای که توسط محققان شرکت های داروسازی استفاده می شود، مورد استفاده قرار نمیگیرد. در میان مشتری های استارت آپ ها، غول هایی از صنعت داروسازی مانند Novartis ، Gilead Science و Bristol-Myers Squibb حضور دارند.

 Aira:این استارت آپ(مستقر در سن دیگو) با ترکیب توانایی های بدن انسان و قابلیت های هوش مصنوعی در یک برنامه یا عینک هوشمند به افراد نابینا و دارای ضعف بینایی کمک می کند تا جهان را ببینند. این شرکت ادعا می کند که توسعه هوش مصنوعی آنها، Chloe، هنوز در سطح اولیه توانایی های خود است و می تواند کارهای ساده ای مانند خواندن دستورالعمل روی یک بسته دارویی را انجام دهد و به تسهیل فرآیند خدمات پزشکی کمک کند اما توسعه دهندگان رویاهای بزرگی برای توسعه بیشتر آن دارند.

سیستم های تشخیص بیماری با استفاده از زبان Julia
زبان های برنامه نویسی مانند Python و R زبان های محبوبی برای کاربردهای یادگیری ماشین هستند. اما در سالهای اخیر، Julia جایگاه خود را بدست آورده و به ابزاری جدید برای یادگیری ماشین تبدیل شده است. جولیا بهترین پشتیبانی را برای چارچوب های مدرن یادگیری مانند TensorFlow و MXNet ارائه می دهد و این باعث می شود که بتوانید آن را با گردشهای کاری موجود سازگار کنید.