مکاترونیک نیوز | استفاده از هوش مصنوعی ترانس ام ای دی، برای درک نتایج آزمایشات کووید 19

مراحل اولیه همه‌گیری کووید 19، مشکل مهمی برای متخصصان مراقبت‌های بهداشتی ایجاد کرد. برای پزشکان دشوار بود که پیشی بینی کنند افراد مختلف چگونه به درمان ابتکاری ویروس «سارس،کوو 2» واکنش نشان می‌دهند بنابراین با کمک هوش مصنوعی ترانس ام ای دی توانستند این مشکل را حل کنند.

با گسترش اپیدمی، مراقبت از بیماران نیازمند این بود که مراقبان در مورد نحوه اولویت‌بندی منابع پزشکی و در عین حال دسترسی به اطلاعات محدود تصمیم بگیرند.

ترانس ام ای دی، اولین ابزار پیش‌بینی هوش مصنوعی (AI) است که توسط محققان آزمایشگاه ملی شمال غرب اقیانوس آرام (PNNL)، دانشگاه استنفورد، فناوری ویرجینیا و آزمایشگاه‌های جان اسنو برای کاهش بار ناشی از بیماری های جدید یا غیر معمول ایجاد شده است.

چاودوری در سوتانا، دانشمند ارشد، آزمایشگاه ملی شمال غرب اقیانوس آرام می‌گوید:

«همان طور که کووید 19 در سال 2020 آشکار شد، تعدادی از ما را گرد هم آورد تا به این فکر کنیم که چگونه و کجا می‌توانیم مشارکت معناداری داشته باشیم. ما تصمیم گرفتیم اگر روی مشکل پیش‌بینی نتایج بیمار کار کنیم، می‌توانیم بیشترین تأثیر را داشته باشیم.»

خوشبو آگاروال، نویسنده اصلی این مطالعه، اظهار داشت: «کووید یک چالش منحصر به فرد ارائه کرد. ما داده‌های بیمار بسیار محدودی برای آموزش یک مدل هوش مصنوعی داشتیم که می‌توانست الگوهای پیچیده زیربنای مسیرهای بیماران کووید 19 را یاد بگیرد.»

این مطالعه در نشریه علمی گزارش های طبیعت منتشر شد.

برای رفع مشکل، یک همکاری چند نهادی هوش مصنوعی ترانس ام ای دی را ایجاد کردند که از داده‌های بیماری‌های فعلی برای پیش بینی سیر بیماری در حال توسعه استفاده می‌کند.

تاثیر هوش مصنوعی ترانس ام ای دی بر نتایج آزمایشات

در پاسخ به همه‌گیری کووید 19، محققان PNNL روی چالش جدید تمرکز کردند.

دانشمندی به نام چودوری، زمان خود را به رهبری تیمی با استفاده از هوش مصنوعی اختصاص داد تا ساختارهایی از مواد شیمیایی بسازد که کاندیدهای خوبی برای ایجاد پادزهر سارس، کوو2 ارائه کند.

علاوه بر این، او احساس همدلی شدیدی با کادر پزشکی داشت که در خط مقدم درگیری کووید 19 می جنگند.

چودوری اظهار داشت: «روشن بود که ما نیاز به ساخت ابزارهای موثرتری برای محافظت بهتر از بیماران و مراقبان در طول بحران بعدی داریم.»

یکی دیگر از دانشمندان سوزان تامانگ بود.  وی در یک پروژه تجزیه و تحلیل مراقبت‌های بهداشتی با چودوری، آگاروال و رالو همکاری داشته است. او برای شرکت در این مطالعه هیجان‌زده بود؛ زیرا به او اجازه می‌داد تا از تخصص خود برای کمک به متخصصان مراقبت‌های بهداشتی در تصمیم‌گیری استفاده کند.

سوزان تامانگ، دستیار دانشکده علوم داده، مرکز علوم بهداشت جمعیت استانفورد می‌گوید:

«همه ما نیاز به مشارکت را داریم. ما می‌توانیم از توانایی‌های خود برای ساختن ابزاری با ارزش و کاربرد فوری برای کارکنان مراقبت‌های بهداشتی استفاده کنیم.»

همچنین او مدرس گروه علوم داده‌های زیست پزشکی در دانشکده پزشکی دانشگاه استنفورد بود.

تامنگ به این نوع سخاوت عادت کرده است. او اغلب از زمان و تخصص خود برای حل چالش‌های مربوط به طیف وسیعی از نگرانی‌های اجتماعی به عنوان عضوی از گروه آمار دانشگاه استنفورد برای کارهای خیریه استفاده می‌کند.

در ادامه تامنگ افزود: «گاهی اوقات، بهترین علم زمانی اتفاق می‌افتد که محققان با تمایل به کمک هدایت شوند.»

رویکردی جدید برای مبارزه با بیماری‌های ناشناخته

طبق یافته‌های اولیه، هوش مصنوعی ترانس ام ای دی، بهتر از مدل‌هایی که در حال حاضر برای پیش‌بینی پیامدهای بیمار استفاده می‌شود، به‌ویژه برای پیامدهای نادرتر عمل می‌کند. آگاروال این را تا حدی به ظرفیت هوش مصنوعی برای بررسی طیف گسترده‌ای از داده‌های پزشکی، از جمله موارد مربوط به اختلالات تنفسی متعدد، نسبت می‌دهد.

هوش مصنوعی ترانس ام ای دی، تقریباً همه انواع داده‌های سوابق الکترونیکی مراقبت‌های بهداشتی مانند شرایط پزشکی، داروها، روش‌ها، اندازه‌گیری‌های آزمایشگاهی و اطلاعات از یادداشت‌های بالینی را در نظر می‌گیرد.

در نظر گرفتن این دیدگاه کل نگر از بیمار به هوش مصنوعی ترانس ام ای دی، این امکان را می‌دهد تا به همان روشی که یک پزشک بالینی انجام می‌دهد، نتاج آزمایشات را پیش بینی کند.

یادگیری انتقالی عنصر دیگری است که به رشد ترانس ام ای دی کمک می‌کند. یادگیری انتقالی اساساً شامل استفاده از یک مدل یادگیری ماشینی برای حل یک مشکل با استفاده از داده‌های زیاد است.

سپس مدل این اطلاعات را برای حل چالش‌هایی با ماهیت مشابه اعمال می‌کند. در مورد ترانس ام ای دی محققان از داده‌های آموزشی این مدل، بر روی بیمارانی با پیامدهای شناخته شده بیماری‌های تنفسی شدید برای پیش‌بینی نتایج کووید 19 استفاده کردند.

در این مورد چودوری می‌گوید:

«با توجه به سابقه پزشکی اخیر بیمار، هوش مصنوعی ترانس ام ای دی می‌تواند نیاز بیمار به دستگاه تنفس مصنوعی یا سایر پیامدهای نادر را در 5 تا 7 روز آینده پیش‌بینی کند.»

اگرچه استفاده از هوش مصنوعی در محیط‌های مراقبت‌های بهداشتی هنوز در مراحل ابتدایی است، این تحقیق اولین گام تشویق‌کننده به سمت توسعه یک مدل مناسب برای پیش‌بینی نتایج بیمار است. اگرچه هوش مصنوعی ترانس ام ای دی هنوز در یک محیط بالینی مورد استفاده قرار نگرفته است، اما بینش مثبتی در مورد آینده سیستم مراقبت‌های بهداشتی ارائه می‌دهد.

خبرنگار: سمیه آموت سر

منبع خبر: www.azorobotics.com