نقش فناوری هوش مصنوعی در جراحی - کنفرانس هکا

به گزارش خبرنگاران، هوش مصنوعی به دستاوردهای پزشکی بسیاری منجر شده که از آن میان می توان به نرم افزار مبتنی بر هوش مصنوعی برای مدیریت سوابق پزشکی و تشخیص شرایط سلامت اشاره نمود. بازار هوش مصنوعی به رغم چنین دستاوردهایی، هنوز نوپا به شمار می رود اما به سرعت در حال گسترش است.

سازمان غذا و دارو امریکا طی چند سال گذشته حدود 40 الگوریتم هوش مصنوعی را در پزشکی تایید نموده است که بسیاری از آنها با هدف یاری به پزشکان در تشخیص بیماری های مختلف بوده است.

کارآفرینان و موسسان مراکز مراقبت های بهداشتی نیز در این عرصه بسیار فعالیت نموده اند سال گذشته، استارت آپ های بهداشتی و درمانی هوش مصنوعی چهار میلیارد دلار بودجه در این عرصه سرمایه گذاری نموده اند.

یک بررسی جدید نشان داد که حدود نیمی از مدیران بیمارستان ها قصد دارند در سال های آینده در حوزه هوش مصنوعی سرمایه گذاری نمایند.

اگرچه بعضی از متخصصان پیش بینی می نمایند که هوش مصنوعی پزشکی را تغییر می دهد، اما بعضی دیگر نگران هستند که این گونه نیست و حضور فناوری هوش مصنوعی می تواند خطراک باشد.

ساندیپ پانسار(Sandip Panesar) محقق فوق دکترای این مطالعه و جراح مغز و اعصاب از دانشگاه استنفورد(Stanford University) گفت: در حال حاضر، اصطلاح هوش مصنوعی بسیار شاخته شده و درک آنها ملموس است.

پاسار در ادامه هشدار داد: ربات ها و دستگاه ها در بعضی موارد می توانند خطرناک نیز باشند چرا که آنها در آینده احتمالا به جای جراحان چاقوی جراحی را به دست می گیرند اما انسان ها باید نظارت از راه دور دقیقی بر روی آنها داشته باشند.

اما آیا ممکن است هوش مصنوعی یک روز به طور کامل جایگزین پزشکان گردد؟

جودیث پینز(Judith Pins) رئیس شرکت آموزش مراقبت های بهداشتی Pfiedler Education اظهار نموده، هوش مصنوعی می تواند دستیار خوبی باشد.

وی گفت: هوش مصنوعی جایگزین پزشکان و پرستاران نخواهد شد، اما می تواند به آنها در تشخیص و مراقبت از بیماران یاری کند.

دن هاشیموتو(Dan Hashimoto) جراحی عمومی بیمارستان عمومی ماساچوست(Massachusetts General Hospital) در بوستون اما نگران روی کار آمدن و استفاده بیش از حد فناوری هوش مصنوعی در پزشکی است. دکتر هاشیموتو معتقد است که انتظارات غیرواقعی درباره هوش مصنوعی می تواند منجر به ناامیدی و سرخوردگی چشمگیر گردد.

وی معتقد است می بایست از هوش مصنوعی برای تشخیص دقیق بیماری استفاده نمود. دکتر هاشیموتو جزو معدود محققانی است که بر روی فناوری هوش مصنوعی جراحان کار می نماید. وی به طور خاص میخواهد الگوریتم هایی توسعه دهد که می توانند خطر جراحی بر روی هر بیمار را قبل و یا حین جراحی پیش بینی نمایند و در همان لحظه به جراح هشدار دهند.

وی در این باره گفته امیدوار است این گونه الگوریتم ها به پزشکان در تصمیم گیری های بهتر و بهبود عملکردشان یاری نمایند.

دکتر شرمیلا مجومدار(Sharmila Majumdar) استاد و معاون پژوهش بخش رادیولوژی دانشگاه کالیفریا سن دیگو و موسس مرکز تحقیقات تصویربرداری پزشکی پیشرفته هوش مصنوعی گفت: طی چند دهه گذشته استفاده از این فناوری می توانست باعث ایجاد مشکلاتی گردد چرا که ما دستگاه های قدرتمند برای پردازش داده های بزرگ نداشتیم اما اکنون چنین مشکلاتی وجود نخواهند داشت.

در اینجا تعدادی از دستگاه های مبتنی بر فناوری هوش مصنوعی که عمل جراحی را انجام می دهند نام می بریم.

دستگاه هوش مصنوعی استار(STAR)

دستگاه هوش مصنوعی استار که مخفف عبارت ربات اتوماتیک هوشمند بافت(Smart Tissue Autonomous Robot) است توسط محققان بیمارستان ملی سلامت بچه ها و محققان دانشگاه جانز هاپکینز ساخته شده است و قادر بوده است دو قسمت از روده خوک را بدون هیچ یاریی از انسان بخیه کند.

دستگاه ایکس اویر(XAware)

گروه محاسبات و تحلیل فعالیت های پزشکی بیمارستان دانشگاه استراسبورگ فرانسه به سرپرستی دکتر نیکلاس پادوی (Nicolas Padoy) یک ابزار هوش مصنوعی موسوم به ایکس اویر را طراحی نموده است که در طول مداخلات راهنمایی شده با تصویر با استفاده از واقعیت افزوده برای شناسایی و تجسم الگوهای پراکندگی پرتودرمانی، اشعه را کنترل می نماید و از قرار دریافت کادر درمانی در مقابل این اشعه می کاهد.

دستگاه سنسور او آر(SensorOR)

محققان مرکز ملی بیماری های توموری در درسدن، آلمان ، به رهبری دکتر استفانی اسپیدل(Stefanie Speidel) در حال توسعه فناوری یادگیری ماشینی هستند که می تواند داده های حسگر را از تصاویر لاپاراسکوپی و دستگاه های جراحی بررسی نمایند. هدف آنها درک بهتر از بدن بیمار هنگام انجام عمل جراحی است. لاپاراسکوپی یا پهلو بینی(Laparoscopy) نوعی تکنیک برای درون بینی شکم و لگن است.

جراحی مغز(Brain Surgery)

تکنیک جدید که ترکیبی از هوش مصنوعی و تصویربرداری است می تواند به جراحان مغز و اعصاب یاری کند تا طی چند دقیقه تومورها را بدون برداشتن بافت مغزی که روش فعلی استاندارد برای تشخیص تومورها است، تشخیص دهند. جزئیات این مطالعه که اخیرا در مجله Nature Medicine منتشر شده است نشان می دهد که محققان از یک الگوریتم شبکه عصبی پیچشی برای یادگیری ویژگی های تومور مغزی و تشخیص تومور از اسکن های ام.آر.آی استفاده می نماید. شبکه های عصبی پیچشی یا همگشتی(convolutional neural network) رده ای از شبکه های عصبی ژرف هستند که معمولاً برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.

پارمیس: قدرت گرفته از سیستم مدیریت محتوای پارمیس