سلامت نیوز:درمان و تشخیص بیماری یکی از مهمترین کاربردهای هوش مصنوعی است که طبق یافته محققان در ۸۷ درصد مواقع، وضعیت بیماری توسط هوش مصنوعی صحیح تشخیص داده میشود.
به گزارش سلامت نیوز به نقل از علم و فناوری؛ در ابتدای ظهور هوش مصنوعی، پزشكی یكی از اولین حوزههایی بود كه استفاده از سیستمهای هوشمند در آن مطرح شد. خطاهای شناختی با آنكه در همه رشتهها و حرفهها وجود دارد، در حوزه پزشكی امری خطیر است، چرا كه منجر به آسیب رساندن به بیماران و گاهی مرگ و میر میشود. از این رو سیستمهای خبره و هوشمند بوجود آمدند تا با جایگزینی پزشكان این خطاها را كاهش داده و كیفیت تصمیمات تشخیصی و درمانی را بالاتر ببرند.
هدف اصلی در كلیه مراحل فرایند تصمیمگیری پزشكی، رسیدن به مطلوبترین و تاثیرگذارترین تصمیم برای بیمار است. ایده اصلی رفتن به سمت سیستمهای مبتنی بر هوش مصنوعی در پزشكی، همواره امید برای كاهش خطاهای تشخیصی و درمانی بوده است. به نقل از پژوهش الهه سروش و علیرضا منجمی که در سال 1396 انجام شد، مطالعات متعدد در خطاهای پزشكی نشان داده است كه اغلب این خطاها ناشی از خطاهای شناختی پزشك مسئول بوده است. خطاهای شناختی به نوعی حدس زدن الگو بر اساس تجارب گذشته است كه معمولاً ناخودآگاه بوده، خطاپذیر است. مطالعات نشان میدهد كه بیشتر خطاهای پزشكی ناشی از خطاهای شناختی است تا كمبود اطلاعات یا دانش.
سیستم خبره پزشكی در حوزه هوش مصنوعی، از ابتدا تا امروز
از سال 1970 تا به امروز دانشمندان و پزشكان بسیاری تلاش كردهاند تا از پیشرفتهای علوم كامپیوتر برای ایجاد سیستمهای خبره و هوشمصنوعی در امر تشخیص بیماری و تصمیمگیری پزشكی بهره ببرند. سیستمهای خبره(Expert System) برنامههایی كامپیوتری هستند كه قضاوت و رفتار یك متخصص را شبیهسازی مینمایند. جهتگیری تلاشها برای توسعه هوش مصنوعی و سیستم خبره در حوزه پزشكی به این سمت و سو بوده كه تلاش شود دانش و تجربیات بالینی پزشكان خبره را به نحوی در سیستم خبره یكپارچه كرد كه فرد غیرمتخصص و در بعضی موارد، خود بیمار بتواند با آن تعامل كند و سیستم خبره با استفاده از دانشی كه به آن دسترسی دارد، بیماری را تشخیص داده و توصیههایی را ارائه نماید.
اولین سیستم خبره پزشكی در حوزه هوش مصنوعی با عنوان MYCIN در دهه 70 و در دانشگاه استنفورد كالیفرنیا و طی پروژه برنامهنویسی ابتكاری استنفورد شكل گرفت و پس از آن سیستمهای مختلف دیگری مطرح و پیادهسازی شدند.
این سیستم نام خود را از پسوند اغلب آنتیبیوتیكها مثل اریترومایسین یا آزیترومایسین گرفته است و جهت تجویز آنتیبیوتیك برای بیماران مبتلا به عفونت خونی و مننژیت است. این برنامه از یك پایگاه معرفت كه در آن دانش بصورت قواعد اگر-آنگاه بازنمایی شده استفاده میكند. توصیههای درمانی و تشخیصی MYCIN با قدرت شواهد ارزیابی میشود كه “عامل قطعیت" نامیده میشود و برای مدیریت عدم قطعیت استفاده میشود.
در MYCIN تقریباً 450 قاعده وجود دارد و در آن زمان ادعا شد كه میتواند بهتر از پزشكان كم تجربه طبابت كند. این برنامه موتور استنتاج سادهای دارد به این ترتیب كه برنامه از پزشك مجموعهای از سوالات متنی و بله/خیر میپرسد و در نهایت بر اساس درخت جستجویی كه با استفاده از قواعد اگر/آنگاه تشكیل میدهد، سیاههای از باكتریهایی كه ممكن است عامل بیماری باشند را كه طبق احتمال تشخیص آنها به صورت نزولی مرتب شدهاند، مشخص كرده، نهایتاً لیستی از آنتیبیوتیكها را پیشنهاد میكند.
نكته بسیار مهم دیگری كه در این پروژه آشكار شد، در زمان بررسی موفقیت یا عدم موفقیت این سیستم روی داد. دانشكده پزشكی استنفورد نهایتاً اعلام كرد در آزمون این سیستم، درمان پیشنهادی برای 69 درصد مـوارد قابل قبول بوده است كه بهتر از كارایی متخصصان بیماریهای عفونی است كه موارد مشابه جهت تشخیص به آنها ارائه شده بود.
البته این سیستم هیچگاه به واقع مورد استفاده قرار نگرفت و البته بیشتر مسائل اخلاقی و قانونی استفاده از سیستم خبره در پزشكی در آن زمان مانع اصلی بود. مثلا اینكه اگر سیستم خبره اشتباه تشخیص بدهد یا درمان نادرستی را توصیه كند، چه كسی قرار است مسئولیت آن را به عهده بگیرد؟ از طرف دیگر كاربر لازم بود با حوصله بسیار دادههای فراوانی را در اختیار برنامه قرار دهد و اطلاعات لازم آنقدر تخصصی بود كه تنها پزشك قادر به تعامل با برنامه بود.
13 درصد احتمال خطای هوش مصنوعی را چه کسی جواب میدهد؟
تأیید عملكرد سیستم یكی از مهمترین چالشهای این سیستمها است. به طور معمول عملكرد این سیستمها با استاندارد طلایی مقایسه میشود و اغلب این استاندارد طلایی خود متخصصین هستند. در مواردی توافق در خصوص این استاندارد بسیار سخت است، زیرا بسیاری از متخصصین در مورد تشخیص یا درمان توافق ندارند.
از سوی دیگر، چه میزان صحت را باید مناسب در نظر گرفت؟ اكثر سیستمهای خبره و شبكههای عصبی، مكانیزمی برای كنترل صحت توصیههای خود ندارند. این موضوع علاوه بر این كه میتواند منجر به بیاعتمادی كاربران شود، تعیین مسئول در برابر توصیههای اشتباه را بسیار سخت میكند. در همین راستا پژوهشگران برای نخستین بار یک بررسی جامع از مطالعات انجام شده درباره این موضوع انجام داده اند. نتیجه پژوهش آنها نشان داد دقت تشخیص پزشکان و هوش مصنوعی با یکدیگر برابر است.
«آلاستر دنیستون» از بیمارستان بیرمنگام و یکی از محققان ارشد این پژوهش میگوید: نتایج این پژوهش بسیار نوید بخش است.
«شیائو شان لیو» مولف ارشد این پژوهش نیز در این باره میگوید: تاکنون اخبار زیادی منتشر شده که هوش مصنوعی از انسان عملکرد بهتری دارد، اما تحقیقات ما نشان داد، در بهترین حالت آنها عملکرد یکسانی دارند.
در این پژوهش لیو و همکارانش روی تحقیقاتی تمرکز کردند که از ۲۰۱۲ میلادی تاکنون منتشر شده اند. تحقیقات اولیه حاکی از وجود ۲۰ هزار مطالعه مرتبط با این موضوع بود. اما در نهایت فقط ۱۴ تحقیق که روی بیماریهای انسانی انجام شده اند، اطلاعات با کیفیتی را گزارش کرده بودند. در این تحقیقات پس از آموزش سیستم یادگیری عمیق، تصاویری در اختیار آن قرار داده شدند تا قدرت تشخیص پزشکی سیستم مشخص شود. همزمان همان تصاویر در اختیار کارشناسان انسانی نیز قرار گرفت.
تحقیقات نشان داد هوش مصنوعی در ۸۷ درصد مواقع وضعیت بیماری را به درست شناسایی کرده است. از سوی دیگر پزشکان انسانی نیز در ۸۶ درصد مواقع وضعیت بیماری را درست شناسایی کرده اند.
این درحالی است که ماه گذشته دولت انگلیس ۲۵۰ میلیون پوند برای تاسیس یک آزمایشگاه هوش مصنوعی جدید برای «سازمان سلامت همگانی» انگلیس اختصاص داد.
نظر شما