در شب سال نو میلادی گذشته ، سکوی هوش مصنوعی BlueDot یک ناهنجاری را برداشت. این گروه از موارد غیرمعمول پنومونی در ووهان ، چین ثبت کرد. BlueDot ، مستقر در تورنتو ، کانادا ، از پردازش زبان طبیعی و یادگیری ماشین برای ردیابی ، مکان یابی و گزارش شیوع بیماری های عفونی استفاده می کند. این هشدارها را به مشتریان مختلف اعم از خدمات درمانی ، دولت ، تجارت و نهادهای بهداشت عمومی ارسال می کند. 9 روز قبل از انتشار سازمان بهداشت جهانی ، بیانیه خود را با هشدار به مردم در مورد ظهور یک تاج ویروس جدید ، اعلام کرده بود که به عنوان Covid-19 شناخته می شود.نقش BlueDot در تشخیص این شیوع نمونه اولیه مداخله AI بود. هوش مصنوعی قبلاً در بسیاری از جنبه های مبارزه جهانی علیه کوروی ویروس نقش مفیدی اما پراکنده ایفا کرده است. در ماه های گذشته از هوش مصنوعی برای پیش بینی ، غربالگری ، هشدارهای تماسی ، تشخیص سریعتر ، زایمان های خودکار و کشف داروهای آزمایشگاهی استفاده شده است.
از آنجا که همه گیر در سراسر سیاره چرخیده است ، برنامه های ابتکاری هوش مصنوعی در بسیاری از مناطق مختلف رشد کرده است. در کره جنوبی پیام رسانی مستقر در مکان ابزاری اساسی در نبرد برای کاهش انتقال بیماری بوده است. نه از 10 کره جنوبی پیام های اضطراری مستقر در محل دریافت کرده اند و در صورت نزدیک شدن به پرونده تایید شده ، به آنها هشدار می دهند.
در چین ، علی بابا الگوریتم هوش مصنوعی اعلام کرد که می گوید می تواند ظرف 20 ثانیه (تقریبا 45 بار سریعتر از تشخیص انسان) موارد مظنون را با دقت 96 درصد تشخیص دهد. وسایل نقلیه خودمختار به سرعت در سناریوهایی مورد استفاده قرار می گرفتند که برای انسان بسیار خطرناک باشد. روبات ها در استان های هوبئی و گوانگدونگ چین مواد غذایی ، دارویی و کالایی را برای بیماران در بیمارستان ها یا خانواده های قرنطینه شده تحویل می دادند که بسیاری از آنها نان آوران خانگی را به دلیل ویروس از دست داده بودند. در کالیفرنیا ، دانشمندان رایانه روی سیستمهایی کار می کنند که می توانند از راه دور سلامت سالمندان در خانه های خود را کنترل کنند و در صورت بیمار شدن با Covid-19 یا سایر شرایط ، هشدارهایی را ارائه دهند.
این عکسهای فوری از هوش مصنوعی در برابر Covid-19 نگاهی اجمالی به آنچه در جنبه های مختلف مراقبت های بهداشتی در آینده ممکن است فراهم می کند. ما راه زیادی برای رفتن داریم. به حقیقت گفته می شود ، هوش مصنوعی چهار ماه در نبرد همه گیر مبتلا نبوده است. من در بهترین حالت آن را به منهای B می دهم. ما دیدیم که سیستم های مراقبت های بهداشتی ما چقدر آسیب پذیر هستند: پاسخ های هشدار ناکافی و نادرست ، لوازم پزشکی توزیع نشده ، پرسنل پزشکی بیش از حد و خسته ، کمبود تخت بیمارستان و عدم وجود به موقع معالجه و درمان.
سیستم های مراقبت های بهداشتی در سراسر جهان - حتی پیشرفته ترین - برخی از پیچیده ترین ، سلسله مراتبی و ایستا در جامعه هستند. این بار در اطراف ، AI توانسته است تنها در جیب های تعالی کمک کند. دلایل این امر ساده است: قبل از اصابت Covid-19 ، ما اهمیت این مناطق را نفهمیدیم و مطابق آن عمل کردیم ، و مهمترین چیزی که در مورد هوش مصنوعی وجود دارد ، ما داده ای برای ارائه راه حل ها نداشتیم.
بیایید به آینده نگاه کنیم. دو دلیل برای خوش بینی وجود دارد.
اولین مورد این است که داده ها ، همیشه جریان خون AI ، اکنون در جریان است. Kaggle ، یک پلتفرم یادگیری ماشینی و داده های علمی ، میزبان پایگاه داده تحقیقات باز Covid-19 است. CORD-19 ، همانطور که مشخص است ، داده های مربوطه را گردآوری می کند و تحقیقات جدید را در یک مرکز متمرکز متمرکز می کند. مجموعه داده های جدید قابل خواندن دستگاه است ، و آن را به راحتی برای اهداف یادگیری دستگاه هوش مصنوعی تجزیه می کند. از زمان انتشار ، بیش از 128،000 مقاله علمی در مورد Covid-19 ، coronavirus ، SARS ، MERS و سایر اصطلاحات مرتبط وجود دارد.
دومین مورد این است که دانشمندان پزشکی و دانشمندان رایانه در سراسر جهان اکنون با تمرکز بر روی این مشکلات بر روی لیزر قرار دارند. پیتر دیاماندیس ، بنیانگذار بنیاد XPrize ، تخمین زد که تاکنون 200 میلیون پزشک ، دانشمند ، پرستار ، تکنسین و مهندس در Covid-19 هدف دارند. آنها ده ها هزار آزمایش انجام می دهند و اطلاعات را با "شفافیت و سرعتی که تاکنون ندیده ایم" به اشتراک می گذارند.
چالش تحقیقاتی Covid-19 که در Kaggle نیز برگزار شد ، هدف از ارائه بینش گسترده ای در مورد بیماری همه گیر ، از جمله تاریخ طبیعی آن ، داده های انتقال و معیارهای تشخیصی ویروس و درسهایی از مطالعات اپیدمیولوژیک قبلی برای کمک به ماندن سازمان های بهداشت جهانی است. آگاهانه و تصمیم گیری مبتنی بر داده است. این چالش در تاریخ 16 مارس منتشر شد. در طی پنج روز ، بیش از 500،000 بازدید از این تعداد بیش از 18،000 بار بارگیری شده بود.
در اوایل شیوع در چین ، علی بابا اعلام کرد که الگوریتم هوش مصنوعی در بیش از 5،000 مورد کروناویروس تایید شده آموزش دیده است. با استفاده از سی تی اسکن می تواند در 20 تا 30 ثانیه بیماران را تشخیص دهد. همچنین می تواند اسکنهای مربوط به بیماران تشخیص داده شده را تجزیه و تحلیل کند و به سرعت علائم کاهش سلامت یا پیشرفت را براساس علائمی مانند توده سفید در ریه ها ارزیابی کند. Alibaba پلت فرم هوش مصنوعی مبتنی بر ابر خود را برای متخصصان پزشکی در سراسر جهان افتتاح کرد و با شرکای محلی روی داده های ناشناس برای استقرار ، از جمله ماژول های پیش بینی اپیدمی ، تجزیه و تحلیل CT Image و توالی ژنوم برای coronavirus کار کرد.
با توجه به اینکه داده های پزشکی در جهان در حال حاضر تخمین زده می شود هر دو ماه یا دو برابر شود ، مراقبت های بهداشتی برای AI - حتی قبل از حمله ویروس ، بالغ شده بود. یک مطالعه 2019 در مورد بازارهای مراقبت های بهداشتی و درمانی هوش مصنوعی 19 کشور ، 41.7 درصد نرخ رشد سالانه را از 1.3 میلیارد دلار در سال 2018 به 13 میلیارد دلار در سال 2025 ، در شش حوزه اصلی رشد تخمین زد: گردش کار بیمارستانی ، پوشیدنی ، تصویربرداری پزشکی و تشخیص ، برنامه ریزی درمانی. ، دستیاران مجازی و ، در آخر اما مهمترین ، کشف مواد مخدر. Covid-19 آن روندها را سرعت می بخشد.
یادگیری عمیق - توانایی پردازش داده های عظیم و چند مدل با سرعت بالا - یکی از فرصت های بسیار نزدیک برای هوش مصنوعی را ارائه می دهد. شبکه های عصبی عمیق ، زیر مجموعه ای از AI ، قبلاً برای تولید تفسیر دقیق و سریع الگوریتمی اسکن های پزشکی ، اسلایدهای پاتولوژی ، معاینات چشم و کلونوسکوپی مورد استفاده قرار گرفته اند. من یک نقشه راه روشن می بینم که چگونه AI ، که توسط بیماری همه گیر تسریع شده است ، به مراقبت های بهداشتی تزریق می شود.
پتانسیل فراتر از تشخیص و درمان است. دریافت قرار ملاقات ، پرداخت قبوض بیمه و سایر مراحل باید بسیار دردناک باشد. هوش مصنوعی همراه با اتوماسیون فرایند روباتیک می تواند جریان کار را تجزیه و تحلیل کند و فرآیندهای بهینه سازی شده را برای ارائه سیستمهای پزشکی بطور قابل توجهی کارآمدتر ، بهبود مراحل بیمارستان و بهبود عملکرد بیمه انجام دهد. برای مقابله با بیماری همه گیر ، AI می تواند ورودی های پیش از تشخیص را با خرد کردن متون ، زبان ها و اعداد در مقادیر دستگاه و دقت آن به صورت خودکار و سرعت بخشد.
با داشتن داده های کافی به عنوان پایه ، AI می تواند معیارهای داده های بهداشتی را برای افراد و جمعیت ها ایجاد کند. از آنجا ، می توان تغییرات را از پایه شروع کرد. این به نوبه خود ، ما را برای شناسایی زودهنگام بیماریهای احتمالی قرار می دهد. کار آسانی نیست. سیستم ها باید به هم وصل شوند تا مکانیسم های هشدار و پاسخ زود هنگام واقعاً مؤثر باشند. به نظر می رسد که در روزهای ابتدایی شیوع تاج ویروس کمبودی دارد.
در حال حاضر فرصت های بسیار زیادی برای استفاده از مدل ها و الگوریتم های AI برای کشف داروهای جدید و پیشرفت پزشکی در توالی ژنومی ، سلول های بنیادی ، Crispr و موارد دیگر وجود دارد. در دنیای داروسازی امروز ، قیمت بالایی برای توسعه یک درمان وجود دارد. بخش عظیمی از این هزینه توسط پول و زمان صرف شده برای آزمایش های ناموفق خرج می شود. اما با هوش مصنوعی ، دانشمندان می توانند از یادگیری ماشینی برای مدل کردن هزاران متغیر و چگونگی تأثیر ترکیب آنها بر پاسخ سلولهای انسانی استفاده کنند.
این فناوری ها قبلاً در شکار واکسن Covid-19 و سایر روش های درمانی استفاده می شوند. Insilico Medicine ، یک شرکت هوش مصنوعی مستقر در هنگ کنگ که متخصص کشف مواد مخدر است ، از اولین شرکت هایی بود که نسبت به کووید 19 واکنش نشان داد. این شرکت از پلاتفرم هوش مصنوعی شیمیایی خود برای طراحی مولکولهای جدید برای هدف قرار دادن پروتئین اصلی ویروسی که مسئول تکثیر است استفاده کرد. این مولکول ها را در 5 فوریه منتشر کرد. هوش مصنوعی و یادگیری ماشین در دوره ای از درمان سریعتر و ارزان تر برای بشر در حال پیشرفت هستند. کشف دارو و کل صنعت داروسازی متحول خواهند شد.
اوایل یک صبح زمستانی در سال 2035 ، از خواب بیدار می شوم و متوجه کمی گلودرد می شوم. از خواب بلند می شوم و به حمام می روم. در حالی که من دندان هایم را مسواک می کنم ، یک سنسور مادون قرمز در آینه حمام دمای من را می گیرد. یک دقیقه پس از اتمام کار با مسواک زدن ، از دستیار پزشک شخصی هوش مصنوعی هشدار می گیرم که برخی از اندازه گیری های غیر طبیعی را از نمونه بزاق من نشان می دهد و همچنین تب دارم. AI PA همچنین پیشنهاد می کند که من یک آزمایش خون لمسی با سوزن انگشت انجام دهم. در حالی که قهوه در حال دمیدن است ، PA با تجزیه و تحلیل برمی گردد که من ممکن است با آنفولانزا پایین بیایم ، یکی از دو نوع در این فصل. در صورتی که نیاز به مشورت با او داشته باشم ، پزشک من دو شکاف زمان تماس ویدیویی را با پزشک خانواده ام پیشنهاد می کند. او هنگام تماس با من تمام جزئیات علائم من را خواهد داشت. او یک داروی ضد احتقان و پاراستامول را تجویز می کند که توسط هواپیماهای بدون سرنشین به درب من تحویل داده می شود.
آن آینده همانطور که به نظر می رسد دور نیست. به زودی ، هنگامی که علوم پزشکی و علوم رایانه بیشتر همگرایی می کنند ، ما به دوره هوش مصنوعی کاملاً مستقل حرکت خواهیم کرد وقتی ممکن است از مردم انتظار داشته باشیم که از ایمنی و اطلاع رسانی ، پوشیدنی ، بیوسنسور و ردیاب خانه های هوشمند را انتخاب کنند. و با افزایش کیفیت داده ها و تنوع از پوشیدنی ها و سایر وسایل اینترنت ، یک چرخه پیشرفت و پیشرفت از آن شروع می شود.
در این جهان یک coronavirus جدید می تواند ردیابی ، ردیابی ، رهگیری و قطع شدن قبل از شروع کار شود. در مدت 15 سال ، بسیاری از ما دستیاران شخصی هوش مصنوعی در خانواده های خود خواهیم داشت تا از مشکلات بهداشتی روزانه خانواده های ما پشتیبانی کنند. هواپیماهای بدون سرنشین یا هواپیماهای بدون سرنشین دارو را به درهای ما منتقل می کنند. در صورت نیاز به جراحی یا مداخله پزشکی دیگری ، معمولاً روباتی خواهد بود که جراح یا پزشک جراح انسانی را انجام داده یا به آن کمک می کند.
در این آینده پزشکان و پرستاران بیشتر بر وظایف انسانی تمرکز خواهند کرد که هیچ دستگاهی قادر به انجام آن نیست. متخصصان پزشکی یا مراقبان دلسوز مهارتهای یک پرستار ، تکنسین پزشکی ، مددکار اجتماعی و حتی روانشناس را با هم ترکیب می کنند. آنها ابزارها و سیستمهای تشخیصی تقویت شده با هوش مصنوعی را انجام می دهند ، اما در برقراری ارتباط با بیماران ، تسلیت آنها در مواقع تروما ، و حمایت عاطفی از طریق درمان آنها متمرکز خواهند شد.
در تمام این موارد ، موضوعات اصلی حفظ حریم خصوصی و محافظت از داده ها ، به ویژه در مورد سوابق بیماران وجود دارد. این غیر مسئولانه خواهد بود که اجازه دهید داده های مفید به جای استخراج سودمندی های آنها برای پیشرفت در جوامع ما ، در محفظه های جدا شده خود بنشینند. من طرفدار بزرگی برای استفاده از راه حل های نوآورانه فناوری برای حل مسائل جدید فنآوری هستم و خبر خوب این است که پیشرفت هایی در یادگیری فدرال انجام شده است ، همچنین به عنوان یادگیری توزیع یا تقسیم شناخته می شود.
در این چارچوب ، داده های بیماران ذخیره می شوند و هرگز سیستم بهداشت میزبان یا بیمارستان ها یا دستگاه های شخصی خود را ترک نمی کنند ، زیرا مدل های یادگیری ماشین از مجموعه داده های جداگانه آموزش داده می شوند ، سپس پردازش و ترکیب می شوند. فن آوری ها ، مانند یادگیری فدرال ، رمزگذاری هومورفریک ، و محیطهای اجرایی سخت افزاری قابل اطمینان ، اطمینان بیشتری را برای محاسبه ، انتقال و ذخیره سازی داده ها برای پاسخگویی به تنظیمات برگزیده فراهم می کنند ، زیرا الزامات حریم خصوصی در کشورهای مختلف و فرهنگ های مختلف متفاوت است.
اگر چیز دیگری نباشد ، Covid-19 ثابت کرده است که چالشهای مشترک ما خواستار هوش مصنوعی است که می داند سرنوشت ما در هم تنیده است. در گذشته ، همکاری جهانی منجر به ریشه کن کردن آبله و ریشه کنی نزدیک به فلج اطفال شده است. از آنجا که ما در راستای هدف کاهش ، معالجه و ریشه کن کردن بیماری همه گیر تلاش می کنیم ، واضح است که بهداشت عمومی در مرزهای ملی متوقف نمی شود. پزشکی عرصه ای است که در آن همه کشورها از تحقیقات و تحقیقات دیگران بهره مند می شوند. داده های کل دنیا قوی ترین بینش در مورد سلامت و بیماری را ایجاد می کنند.
هوش مصنوعی به شما اطمینان می دهد که برای همه گیری بعدی آماده تر خواهیم بود. برای همکاری به دانشمندان پزشکی ، دانشمندان هوش مصنوعی ، سرمایه گذاران و سیاست گذاران احتیاج دارد. سرمایه گذاری در حوزه بهداشت و درمان قرار خواهد گرفت و انگیزه و تمرکز تازه ای را برای کارآفرینان و محققان هوشمند فراهم می کند. و شاید ، همانطور که درخشان ترین ذهن ما با هم روی این چالش کار می کند ، می توانیم تصدیق کنیم که دشمن مشترک ما یکدیگر نیست بلکه یک ویروس است. یک سیاره طول خواهد کشید تا سیستم های بهداشت جهانی ما را به سطح بعدی منتقل کند.
در این جهان یک coronavirus جدید می تواند ردیابی ، ردیابی ، رهگیری و قطع شدن قبل از شروع کار شود. در مدت 15 سال ، بسیاری از ما دستیاران شخصی هوش مصنوعی در خانواده های خود خواهیم داشت تا از مشکلات بهداشتی روزانه خانواده های ما پشتیبانی کنند. هواپیماهای بدون سرنشین یا هواپیماهای بدون سرنشین دارو را به درهای ما منتقل می کنند. در صورت نیاز به جراحی یا مداخله پزشکی دیگری ، معمولاً روباتی خواهد بود که جراح یا پزشک جراح انسانی را انجام داده یا به آن کمک می کند.
در این آینده پزشکان و پرستاران بیشتر بر وظایف انسانی تمرکز خواهند کرد که هیچ دستگاهی قادر به انجام آن نیست. متخصصان پزشکی یا مراقبان دلسوز مهارتهای یک پرستار ، تکنسین پزشکی ، مددکار اجتماعی و حتی روانشناس را با هم ترکیب می کنند. آنها ابزارها و سیستمهای تشخیصی تقویت شده با هوش مصنوعی را انجام می دهند ، اما در برقراری ارتباط با بیماران ، تسلیت آنها در مواقع تروما ، و حمایت عاطفی از طریق درمان آنها متمرکز خواهند شد.
در تمام این موارد ، موضوعات اصلی حفظ حریم خصوصی و محافظت از داده ها ، به ویژه در مورد سوابق بیماران وجود دارد. این غیر مسئولانه خواهد بود که اجازه دهید داده های مفید به جای استخراج سودمندی های آنها برای پیشرفت در جوامع ما ، در محفظه های جدا شده خود بنشینند. من طرفدار بزرگی برای استفاده از راه حل های نوآورانه فناوری برای حل مسائل جدید فنآوری هستم و خبر خوب این است که پیشرفت هایی در یادگیری فدرال انجام شده است ، همچنین به عنوان یادگیری توزیع یا تقسیم شناخته می شود.
در این چارچوب ، داده های بیماران ذخیره می شوند و هرگز سیستم بهداشت میزبان یا بیمارستان ها یا دستگاه های شخصی خود را ترک نمی کنند ، زیرا مدل های یادگیری ماشین از مجموعه داده های جداگانه آموزش داده می شوند ، سپس پردازش و ترکیب می شوند. فن آوری ها ، مانند یادگیری فدرال ، رمزگذاری هومورفریک ، و محیطهای اجرایی سخت افزاری قابل اطمینان ، اطمینان بیشتری را برای محاسبه ، انتقال و ذخیره سازی داده ها برای پاسخگویی به تنظیمات برگزیده فراهم می کنند ، زیرا الزامات حریم خصوصی در کشورهای مختلف و فرهنگ های مختلف متفاوت است.
اگر چیز دیگری نباشد ، Covid-19 ثابت کرده است که چالشهای مشترک ما خواستار هوش مصنوعی است که می داند سرنوشت ما در هم تنیده است. در گذشته ، همکاری جهانی منجر به ریشه کن کردن آبله و ریشه کنی نزدیک به فلج اطفال شده است. از آنجا که ما در راستای هدف کاهش ، معالجه و ریشه کن کردن بیماری همه گیر تلاش می کنیم ، واضح است که بهداشت عمومی در مرزهای ملی متوقف نمی شود. پزشکی عرصه ای است که در آن همه کشورها از تحقیقات و تحقیقات دیگران بهره مند می شوند. داده های کل دنیا قوی ترین بینش در مورد سلامت و بیماری را ایجاد می کنند.
هوش مصنوعی به شما اطمینان می دهد که برای همه گیری بعدی آماده تر خواهیم بود. برای همکاری به دانشمندان پزشکی ، دانشمندان هوش مصنوعی ، سرمایه گذاران و سیاست گذاران احتیاج دارد. سرمایه گذاری در حوزه بهداشت و درمان قرار خواهد گرفت و انگیزه و تمرکز تازه ای را برای کارآفرینان و محققان هوشمند فراهم می کند. و شاید ، همانطور که درخشان ترین ذهن ما با هم روی این چالش کار می کند ، می توانیم تصدیق کنیم که دشمن مشترک ما یکدیگر نیست بلکه یک ویروس است. یک سیاره طول خواهد کشید تا سیستم های بهداشت جهانی ما را به سطح بعدی منتقل کند.
- جمعه ۰۲ خرداد ۹۹ ۱۷:۵۱ ۱۴۴ بازديد
- ۰ ۰
- ۰ نظر