روش سئو: با پیشرفت بیش از پیش هوش مصنوعی، چشم خیلی از مردم دنیا فارغ از پیشرفت های فناوری موبایل و كامپیوتر به دنبال فرصت هایی است كه این هوش مصنوعی برای پیشگیری و درمان بیماری ها ارائه می كند، اما این فرصت ها چه هستند و چگونه تحقق خواهند یافت؟
به گزارش روش سئو به نقل از ایسنا و به نقل از فوربز، شاید یكی از بزرگترین فرصت های هوش مصنوعی، صنعت سلامت و بهداشت باشد. پیش بینی می شود سرمایه گذاری و هزینه روی این حوزه تا سال ۲۰۲۵ از ۲.۱ میلیارد دلار به ۳۶.۱ میلیارد دلار برسد. این حكایت از نرخ رشد سالیانه ۵۰.۲ درصد دارد.
بدین سبب خدمات هوش مصنوعی به مراقبت های بهداشتی چه می تواند باشد؟ مجله فوربز برای پاسخ به این پرسش به سراغ متخصصان مختلف رفته است.
“اوری گوا” مدیرعامل شركت “Medial EarlySign” می گوید: یكی از گرایش های مهم استفاده از هوش مصنوعی در حوزه بهداشت، انتقال پزشكی از مراقبت های واكنشی به مراقبت های فعال است. به این معنا كه برنامه های مبتنی بر یادگیری ماشینی بجای اینكه فقط به علایم واكنش نشان دهند، از مبتلاشدن به بیماری پیشگیری و جلوگیری می كنند.
وی ادامه داد: پزشكان و فعالان حوزه سلامت و مردم بهتر می توانند با ابزارهایی برای به تأخیر انداختن یا جلوگیری از شروع شرایط تهدید كننده سلامت و رفع نیازهای بیماران خود استفاده كنند. در نهایت نیز بیماران با درمان بموقع و شخصی از بهبود نتایج درمانی و افزایش بالقوه میزان بقا و افزایش طول عمر بهره مند می شوند.
دكتر “گیدی استاین” مدیرعامل شركت “MedAware” نیز می گوید: در پنج سال آینده، مردم بوسیله سوابق پزشكی و نظارت الكترونیكی سلامت روی تلفن همراه(EMR) و گجت های پوشیدنی هوشمند به اطلاعات سلامت و بهداشتی خود بیشتر از گذشته دسترسی خواهند یافت. هوش مصنوعی، تبدیل این كوه از داده ها به بینش ها و پیش بینی های در رابطه با سلامتی، بهبود سلامت شخصی و عمومی و بهینه سازی مراقبت بهداشتی را تسهیل خواهدنمود. این امر موجب می شود تا بیماران بتوانند از چرخه سلامتی باخبر و بر آن مسلط شوند، ارتباط بهتری بین بیمار و پزشك ایجاد شود و مراقبت های بهداشتی مرغوب به مناطق جغرافیایی خاص برسد.
“تیم اومالی” رئیس شركت “EarlySense” اظهار داشت: امروزه میلیون ها پارامتر فیزیولوژیكی وجود دارد كه از بیمار استخراج می شوند. من معتقدم كه پیشرفت بعدی این خواهد بود كه از این داده هایی كه هوش مصنوعی به دست می آورد برای پیش بینی دقیق بیماری و جلوگیری از بروز عوارض جانبی استفاده می شود. در مجموع این داده ها برای تدوین تجزیه و تحلیل های پیش بینی مورد استفاده قرار می گیرند و در میان جمعیت های مختلف بیماران در همه مراقبت های بهداشتی مورد استفاده قرار می گیرند و دارویی كه واقعاً شخصی سازی شده را ارائه می دهند.
“آندره فیومیچلی” معاون رئیس و مدیركل بهداشت و درمان و علوم زندگی در شركت بزرگ “DXC Technology” می گوید: در نهایت هوش مصنوعی و تجزیه و تحلیل داده ها می توانند عامل برخورداری از بعضی از دشوارترین شرایط درمانی امروزی باشند. با تركیب اطلاعات ژنومیك با داده های شخصی بیمار و سوابق الكترونیكی سلامت وی حاصل از اطلاعات ثبت شده در پوشیدنی های هوشمند، ارائه دهندگان خدمات بهداشتی می توانند از داروهای دقیق برای تعیین مؤثرترین روش ها برای درمان بیماران استفاده كنند.
وی ادامه داد: این نوید یك پتانسیل فوق العاده را برای درمان شرایط پیچیده مانند افسردگی می دهد. هوش مصنوعی می تواند با استفاده از اطلاعاتی چون سن بیمار، جنسیت، سوابق بیماری، ژنومیك، سبك زندگی، محیط زندگی و غیره به تعیین احتمال مبتلاشدن به افسردگی بپردازد و می تواند اطلاعاتی در مورد اقدامات و واكنش های احتمالی پیش از وقوع عرضه نماید. بدین سبب پزشكان را قادر می سازد یك درمان موثرتر عرضه كنند.
“روتی داوی” معاون علوم داده در شركت “Acorn AI” می گوید: یكی از پیشرفت های كلیدی كه نباید آنرا نادیده گرفت استفاده از مجموعه داده های با دقت مدیریت شده برای تشكیل بازوهای كنترل مصنوعی بعنوان جایگزینی برای دارونما در كارآزمایی های بالینی است. داوطلب شدن بیماران برای كارآزمایی های كنترل تصادفی به خصوص در بیماری های كم جمعیت می تواند چالش برانگیز باشد. از دید بیمار، در صورتیكه یك داروی تحقیقاتی می تواند با فراهم كردن یك گزینه درمانی جدید امیدبخش باشد، قرار گرفتن در گروه كنترل می تواند یك نكته ناامید كننده باشد. علاوه بر این، اگر بیماران تشخیص دهند كه در گروه كنترل قرار دارند، امكان دارد آنرا ترك كرده و اعتبار و تكمیل كل آزمایش تهدید شود.
وی ادامه داد: با این وجود، به لطف پیشرفت در تجزیه و تحلیل پیشرفته و تعداد زیادی از داده های موجود، ما معتقدیم یك فرصت واقعی برای تغییر روند كارآزمایی بالینی وجود دارد. با استفاده از داده های فراوان بیمار می توانیم یك بازوی كنترل مصنوعی(SCA) ایجاد نماییم كه دقیقاً نتایج یك آزمایش كنترلی تصادفی سنتی را تقلید كند. این یك كوشش برای تغییر بازی است كه تجربه كارآزمایی بالینی را برای بیماران تقویت می كند و درمان های نسل بعدی را بوسیله پیشرفت بالینی تسریع می نماید.
منبع: روش سئو
