هوش مصنوعی و کاربرد آن در کنترل ویروس کرونا - تور هند ارزان

به گزارش گروه علمی و دانشگاهی خبرنگاران، بنا بر گزارشی که سازمان بهداشت دنیای از همکاری مشترک این سازمان با دولت چین در مبارزه با ویروس کرونا منتشر نموده است، استفاده از هوش مصنوعی و کلان داده یکی از مزیت های اصلی کشور چین برای جلوگیری از شیوع کرونا اعلام شده است. به نظر می رسد فناوری های مرتبط با هوش مصنوعی ظرفیت های زیادی در کنترل ویروس کرونا در مراحل مختلف دارند.

مؤسسه افرا در گزارشی به آنالیز مهمترین کاربردهای این فناوری از جمله پیش بینی شروع شیوع، پیش بینی و مدل سازی نحوه گسترش، تشخیص بیماری، یاری به درمان و راهبردهای پیشنهادی آن پرداخته است.

پیش بینی شروع شیوع

یکی از کاربردهای مهم و بنیادین هوش مصنوعی در حوزه های مختلف، پیش بینی شرایط حوزه مربوطه است. مدل سازی پیش بین یا تحلیل پیش بین از جمله روندهایی است که با استفاده از هوش مصنوعی در حال قدرتمندتر شدن هستند. مدل سازی پیش بین، یکی از کاربردهای هوش مصنوعی است که در آن از تکنیک های داده کاوی و یادگیری ماشین برای پیش بینی با تخمین حالت های آینده یک سیستم یا محیط استفاده می گردد؛ برای مثال می توان به کاربرد این سیستم ها در حوزه قضایی اشاره نمود که به پلیس پیش بین معروف است.

با این تکنیک می توان وقوع جرم را پیش از تحقق آن پیش بینی کرد. یکی دیگر از حوزه هایی که مدل سازی پیش بین مبتنی بر هوش مصنوعی در آن پررنگ شده، حوزه شناسایی بیماری های واگیردار است که در خصوص پیش بینی ویروس کرونا به خوبی مشاهده می گردد.

31 دسامبر 2019 (10 دی ماه 1398) بود که شرکت بلودات شیوع کرونا را اظهار داشت، این در حالی بود که مرکز کنترل بیماری های ایالات متحده 6 روز بعد در تاریخ 6 ژانویه 2020 اولین هشدارها را داد، سازمان بهداشت دنیای نیز 9 روز بعد در تاریخ 9 ژانویه 2020 (19 دی ماه 1398) شیوع این ویروس را اظهار داشت.

اما شرکت بلودات چه شرکتی است؟ شرکتی که در کانادا واقع شده و حوزه تمرکز اصلی آن پایش، ردگیری و پیش بینی بیماری های واگیردار با یاری هوش مصنوعی و کلان داده است.

کامران خان بنیانگذار بلودات در خصوص نحوه عملکرد بلودات چنین شرح می دهد: ما در حال حاضر از پردازش زبان طبیعی و یادگیری ماشین برای پردازش حجم زیادی از داده های متنی ساختار یافته در 66 زبان مختلف استفاده می کنیم. داده های ما هر 15 دقیقه به روزرسانی شده و بیش از 100 نوع بیماری واگیردار را پوشش می دهد. اگر می خواستیم این کار را به صورت دستی انجام دهیم احتمالا به صدها نفر نیازمند بودیم. اما حالا متخصصان سلامت به جای تمرکز بر گردآوری و ساختاردهی به داده ها می توانند بر تحلیل آنها و طراحی واکنش صحیح در برابر خود تمرکز نمایند؛ بنابراین می توان گفت که بلودات از یک سیستم هایبردی که متشکل از هوش مصنوعی و انسان (بلودات نزدیک به 40 کارمند دارد) است استفاده می نماید و در حال حاضر بهترین سیستم ها، سیستم های هیبریدی هستند.

بنا بر گزارش فوربز که در تاریخ 13 بهمن ماه 1398 منتشر شده است، تیم ها و گروه های مختلفی در این حوزه مشغول به فعالیت هستند و می توانند در زمینه هایی همچون پیش بینی تعداد موارد بالقوه مبتلا به بیماری، مشخص راهبردهایی برای قرنطینه افراد، اجتماعات، شهرها و کشورها، یاری به ساخت واکسن مناسب، طراحی ربات های مجازی برای مکالمه با بیماران و پزشکان درگیر با بیماری برای کسب اطلاعات استفاده از انسان ها در این موارد می تواند هزینه بردار و زمان بر باشد، پیش بینی نقاط خطرناکی که در آنها ویروس می تواند از حیوان به انسان منتقل گردد، پیش بینی نحوه شیوع و گسترش بیماری بر اساس شرایط محیطی، دسترسی به امکانات بهداشتی و نحوه انتقال بیماری و استخراج ویژگی های مشترک افراد مبتلا و آسیب پذیر یاری نماینده باشند و به این ترتیب براساس این الگوها می توان دستورالعمل های مناسب تر و دقیق تری برای پیشگیری تنظیم کرد.

پیش بینی و مدل سازی نحوه گسترش

هوش مصنوعی و مدل سازی های مبتنی بر آن در پیش بینی نحوه گسترش و سرایت کرونا موثر بوده است. به عنوان مثال می توان به مقاله ای اشاره نمود که در تاریخ 25 ژانویه 2020 (6 اسفند 1398) به طور مشترک توسط تیم پروفسور اندرو تاتم از دانشگاه ساثهمتون و کامران خان از بلودات اشاره شده است.

کرونا در آستانه سال نو میلادی شیوع پیدا کرد، یعنی زمانی که بیشترین مسافرت ها در طی جشن های 40 روزه سال نو در چین روی می دهد، رویدادی که در آن صدها میلیون نفر جابه جا می شوند و در واقع بزرگترین جابه جایی سالانه انسان ها محسوب می گردد. آنها براساس داروهای سرویس مکان یابی بابلو، اقدام به جمع آوری داده های جابه جایی از سال 2013 تا 2015 کردند. همچنین براساس داده های انجمن بین المللی حمل و نقل هوایی، داده های سفرهای هوایی در سال 2018 را نیز گردآوری و سپس با استفاده از الگوریتم ها داده کاوی، مدل هایی برای پیش بینی جابه جایی های امسال توسعه داده و نحوه شیوع بیماری را پیش بینی کردند.

به طوری که داده های مرتبط با مسافرت های هوایی یکی از منابع اصلی بلودات نیز بوده است؛ دسترسی به داده های بلیط فروشی خطوط هوایی بین المللی به پیش بینی اینکه افراد مبتلا چه موقع و به کجا سفر خواهند کرد یاری می نماید. پلتفرم بلودات به درستی پیش بینی کرد که این ویروس از ووهان به بانکوک، سئول، تائیپی و توکیو سرایت خواهد نمود.

متابویتا شرکت دیگری است که در کالیفرنیا واقع شده و همچون بلودات در حوزه زیست پایش فعالیت می نماید. این شرکت نیز با توجه به پایگاه داده های خود مدل سازی هایی انجام داده و یک هفته زودتر، گسترش کرونا در کشورهایی مانند تایلند، کره جنوبی، ژاپن و تایوان را پیش بینی نموده است.

تشخیص بیماری

شرکت علی بابا، غول تکنولوژیک چین اظهار داشت که یک سیستم تشخیص مبتنی بر هوش مصنوعی توسعه داده که می تواند با دقت 96 درصد و در عرض 20 ثانیه از روی تصویر سی تی اسکن ریه افراد، ابتلا یا عدم ابتلای آنها به ویروس کرونا را تشخیص دهد. الگوریتم تشخیص دهنده این سیستم توسط آکادامی دامو تهیه شده است. بنا به گفته محققان دامو، این الگوریتم هوش مصنوعی با استفاده از تصاویر سی تی اسکن بیش از 5 هزار مورد تائید شده مبتلا به کرونا تربیت شده است. ضمن اینکه به آخرین دستورالعمل ها و مقالات منتشر شده دسترسی دارد.

بیمارستان Zhengzhou Qiboshan اولین بیمارستانی است که به طور رسمی استفاده از این سیستم را شروع نموده است. بنا به گفته پزشکان این بیمارستان، تشخیص درست موارد ابتلا از روی عکس های سی تی اسکن، برای یک پزشک بین 5 الی 15 دقیقه طول می کشد و فشار فکری زیادی برای وی به همراه دارد این سیستم یاریی شدت فشار فکری را کاهش داده است. پس از این تجربه پیروز، این سیستم در 100 بیمارستان دیگر نیز به کار گرفته خواهد شد. تصویر زیر نشان دهنده این سیستم است.

یک نمونه دیگر از کاربرد هوش مصنوعی در تحلیل عکس های سی تی اسکن و تشخیص کرونا پروژه ای است که جمعی از محققان چینی به طور مشترک در بیمارستان Renmin در دانشگاه ووهان، شرکت فناوری های پزشکی EndoAngel ووهان و دانشگاه علوم زمین شناسی چین انجام داده اند. بنا به مقاله پیش از چاپ، در این پروژه از 46.096 تصویر CT اسکن از 106 بیمار استفاده شده است که در نتیجه آن مدلی با دقت 95 درصد فراوری شده که با یاری آن، زمان خوانش و تفسیر تصاویر CT اسکن توسط پزشکان متخصص تا 65 درصد کاهش یافته است.

در یک تحقیق مشابه دیگر از 618 تصویر CT اسکن برای استخراج مدل های یادگیری عمیق استفاده شده است؛ 219 تصویر از افراد مبتلا به کرونا، 244 تصویر از افراد مبتلا به آنفولانزا و 175 تصویر از ریه افراد سالم مدل هوش مصنوعی فراوری شده در این تحقیق قادر است با دقت86.7 درصد افرا مبتلا به ویروس را تشخیص دهد.

در اینجا تصویرa مربوط به فرد مبتلا به کرونا، تصویر b مبتلا به آنفولانزا و تصویر و مربوط به عکس CT اسکن ریه یک فرد سالم است.

یکی دیگر از سامانه های هوش مصنوعی که برای تشخیص ویروس کرونا استفاده می گردد سامانه های اندازه گیری دمای بدن برای تشخیص تب است. دو نمونه از این سامانه ها یکی توسط شرکت بایدو و دیگری توسط شرکت مگوی توسعه داده شده اند. این دو سامانه از ترکیب هوش مصنوعی و دوربین های حرارتی برای شناسایی افراد مشکوک به کرونا در مترو و در معابر پر تردد استفاده می نمایند. سامانه شرکت مگوی می تواند با خطای 0.3 درجه سلسیوس و در شعاع 5 متری دمای افراد را حتی اگر ماسک و کلاه داشته باشند اندازه گیری کند. این سامانه می تواند در هر ثانیه دمای بدن 15 نفر را بسنجد و فقط با استفاده از یک اپراتور انسانی افراد مشکوک را شناسایی و اخطار بدهد. تصویری از این سامانه در شکل زیر می بینیم.

سامانه بایدو می تواند در هر دقیقه 200 نفر را اسکن نموده و با خطای 0.5 درجه سلیسوس دمای بدن شان را اندازه گیری کند. این سامانه دمای بیش از 37.3 درجه سلسیوس را که از نشانه های کرونا است هشدار می دهد و در راه آهن بیجینگ به کار گرفته شده است.

یاری به درمان

هوش مصنوعی در زمینه ساخت و فراوری واکسن کرونا نیز کاربردهایی داشته است. استیوبنت مدیر پیشین زیست پایش ملی در وزارت امنیت داخلی ایالات متحده و یکی از مدیران کنونی SAS که یکی از بزرگترین شرکت ها در حوزه تحلیل داده در آمریکا محسوب می گردد اظهاراتی داشته است.

در خصوص درمان ویروس کرونا باید گفت که ساخت واکسن آن یک فرآیند آزمون و خطا است، اما می دانیم که جامعه پزشکی پیش تر پیروز به ساخت واکنش هایی برای مقابله با ویروس های مشابه شده است، اینجاست که می توانیم از هوش مصنوعی استفاده کنیم. هوش مصنوعی می تواند الگوهای مشابه این ویروس ها را شناسایی کند و به این ترتیب شانس ساختن یک واکسن را چند برابر کند.

به عنوان مثال می توان به واکسنی اشاره نمود که شرکت آن را فراوری نموده است. این شرکت با استفاده از پایگاه داده های خود شامل اطلاعات ساختارمند پزشکی استخراج شده از طریق الگوریتم های یادگیری ماشین اقدام به طراحی و ساخت واکسن نموده است. هوش مصنوعی این شرکت 6 ترکیب مختلف دارویی فراوری نموده که بنا به اظهارات متخصصان (این سیستم نیز به صورت هیبریدی، همکاری انسان- ماشین کار می نماید) یکی از این ترکیبات برای انجام آزمایش های پزشکی روی انسان ها مناسب تشخیص داده شده است.

راهبردهای پیشنهادی

فعالیت جمع آوری و تحلیل داده های مربوط به بیماری واگیردار در سطح کشور منوط به ضرورت تشکیل یک مدیریت یا دفتر تخصصی است به طوری که امروزه شرکت های بسیاری در سطح دنیا این را کار انجام می دهند. البته اخیراً شورای عالی برنامه ریزی علوم پزشکی با تأسیس رشته هوش مصنوعی در علوم پزشکی در مقطع دکتری تخصصی موافقت نموده است که می تواند نویدبخش فعالیت های بهتری در این زمینه باشد. با توجه به وجود نیروی انسانی و زیر ساخت های نسبتاً مناسب، چنین مرکزی در ایران می تواند رصد و پایش کل منطقه خاورمیانه را نیز انجام دهد.

یکی از ضروریات بنیادین برای توسعه هوش مصنوعی، فراهم کردن داده های مناسب، با کیفیت و حجم کافی است. به همین دلیل ضروری است تا داده های فراوری شده در حوزه درمانی و پزشکی در صورت امکان دیجیتالی شوند و با راه اندازی شبکه داده های دیجیتالی درمانی با یک فضای ابری، این داده ها برای کاربردهای مؤثر یکپارچه سازی شوند. به همین دلیل راه اندازی شبکه ملی هوش مصنوعی در تصویر برداری پزشکی یکی از گام های بسیار مثبت و مؤثری است که خوشبختانه در حال پیگیری است.

یکی دیگر از ضروریات توسعه هوش مصنوعی درمانی، تربیت نیروی متخصص است. نیروی انسانی که هم در زمینه هوش مصنوعی اطلاعات کافی دارد و هم در زمینه های پزشکی و درمانی، همان طور که اشاره شد قرار است تا رشته ای تحت عنوان هوش مصنوعی در علوم پزشکی راه اندازی گردد. این اقدام گرچه موثر و مثبت است اما با توجه به سرعت رشد فناوری های هوش مصنوعی قطعا کافی نیست. به نظر می رسد ضروری است تا با پیش بینی مشوق های لازم، استارتاپ های بعد هم وارد این حوزه شوند.استفاده از متخصصان ایرانی در سطح دنیا که در این حوزه فعالیت دارند. برای مثال می توان به دکتر مرضیه سلطان الکتابی و دکتر وحید بهزادان اشاره نمود که در دانشگاه نیوهیون ایالات متحده در حال اجرا پژوهش های بسیار سطح بالایی هستند.

ادغام فناوری های هوش مصنوعی در حوزه پزشکی بیش از هر چیزی مستلزم تغییر نگاه جامعه پزشکی به این حرفه مهم و تاثیرگذار است. به بیان دیگر ضروری است تا جامعه پزشکی ورود متخصصان حوزه دیگر (هوش مصنوعی، متخصصان داده و سایر رشته های مرتبط با هوش مصنوعی) به حوزه پزشکی را بپذیرند. این تغییر نگاه و تغییر فرهنگ، مستلزم آموزش ها و گفت و گوهای فراوانی است که بین صاحب نظران حوزه های مربوطه باید شکل بگیرد.

در حال حاضر در خصوص بحران جاری کرونا نیز می توان از استارتاپ هایی که در حوزه پردازش متن فعالیت می نمایند برای شناسایی شرایط کلی شهروندان استفاده کرد. تحلیل داده های فراوری شده در شبکه های پیغام رسان و شبکه های اجتماعی می تواند بسیار راهگشا باشد.

استفاده از ربات های هوش مصنوعی برای مشاوره به شهروندان می تواند از جهت افزایش سطح اطلاعات، ایجاد آرامش روانی، جلوگیری از پخش شایعات و نیز جلوگیری از مراجعات غیرضروری مردم به بیمارستان ها بسیار موثر باشد. برای نمونه می توان ربات تلگرامی تشخیص کرونا اشاره نمود که از قضا با استقبال خوبی هم روبرو شد.

انتهای پیغام/