اين روزها که جهان با بيماري کويد-19 دست به گريبان است، از هر نوآوري و تکنولوژي براي مبارزه با اين بيماري استفاده ميشود. مانند بسياري از عرصههاي ديگر، عرصه خدمات بهداشت و درمان نيازمند پشتيباني فناوريهاي جديدي مانند هوش مصنوعي (AI)، اينترنت اشيا (IoT)، کلان دادهها و يادگيري ماشين است. به تازگي، تجزيه و تحليل دادههاي مربوط به بيماري، آماده سازي دادهها، پيشگيري و مبارزه با بيماريهاي واگيرداري، مانند کويد-19، به يکي از اهداف هوش مصنوعي تبديل شده است.
هوش مصنوعي (AI) و يادگيري ماشين نقش مهمي در درک بهتر، مقابله با بحران کويد-19 و کشف واکسن کويد-19 دارند. فناوري يادگيري ماشين به رايانهها اين امکان را ميدهد تا با هوشي که دارند و با تقليد از حجم زيادي از دادهها، الگو و سرعت انتشار بيماري را پيشبيني کنند. اين فناوري نتيجه محور براي غربالگري مناسب، تجزيه و تحليل، پيش بيني و رديابي بيماران فعلي و بيماران احتمالي آينده مورد استفاده قرار ميگيرد. هوش مصنوعي از اطلاعات حاصل از افراد مبتلا به کرونا، افراد بهبود يافته و فوتي به عنوان داده رديابي استفاده ميکند.
در راستاي مبارزه با کويد-19، مهارتهاي يادگيري ماشين و هوش مصنوعي در زمينههاي ارتباط با بيماران، درک نحوه انتشار کويد-19 و سرعت بخشيدن به تحقيقات و درمان تقويت شده است.
در موسسات بهداشت و درمان، از چت باتها با قابليت يادگيري ماشين براي غربالگري علائم کويد-19 و پاسخ به سوالات بيماران استفاده ميشود. يک مثال Clevy.io است، اين شرکت يک استارت آپ فرانسوي است که چتباتي را براي ارتباط سادهتر مردم با کادر درمان در مورد کويد-19 راه اندازي کرد. اين چتبات اطلاعات دقيق و مناسبي را از سوي دولت فرانسه و سازمان بهداشت جهاني دريافت ميکند، علائم شناخته شده را ارزيابي ميکند و بر اساس اطلاعاتي که کسب کرده است، به سوالات پاسخ ميدهد. اين چتبات بدون اينکه به پرسنل بهداشت و درمان فشاري وارد کند، روزانه تقريبا 3 ميليون پيام را رد و بدل ميکند و قادر به پاسخگويي به سوالات است.
استفاده ديگر از چتباتها در زمان مبارزه با فراگيري ويروس کرونا را ميتوانيد در اينجا بخوانيد.
از طرف ديگر، براي جلوگيري از بروز هرگونه اختلال در زنجيره تأمين مواد غذايي، فرآوران مواد غذايي و دولتها بايد وضعيت فعلي کشاورزي را درک کنند. يکي از استارت آپهاي عرصه کشاورزي، Mantle Labs، يک راه حل نظارت بر محصول AI محور را پيشنهاد داده است. اين فناوري به صورت رايگان در مدت سه ماه در اختيار خرده فروشان قرار گرفت و بر زنجيره تامين نظارت داشت. روش کار به اين صورت است که تصاوير ماهوارهاي از زمينهاي زراعي، از چند ماهواره متفاوت، ترکيب ميشود. اين تصاوير با استفاده از مدلهاي يادگيري ماشين و پردازش تصوير ارزيابي ميشوند، و در آخر شرايط کشاورزي و محصولات زراعي را نشان ميدهند.
کاربردهاي اصلي هوش مصنوعي در اپيدمي کويد 19
تشخيص زود هنگام و تشخيص عفونت
هوش مصنوعي يکي از فناوريهايي است که ميتواند شيوع اين ويروس را به راحتي رديابي کند، بيماران پرخطر را شناسايي کند، و در کنترل بهموقع عفونت مفيد است. همچنين ميتواند با تجزيه و تحليل دادههاي قبلي خطر مرگ و مير بيماران را پيش بيني کند. هوش مصنوعي ميتواند با غربالگري جمعيت، کمک پزشکي، اطلاع رساني و پيشنهادات مربوط به کنترل عفونت در مقابله با اين ويروس به ما کمک کند. اين فناوري پتانسيل بهبود برنامه ريزي، درمان و نتايج گزارش شده از بيمار کويد-19 را دارد و يک ابزار پزشکي مبتني بر شواهد است.
هوش مصنوعي ميتواند سريعا علائم را تحليل کند و به بيماران و کادر درمان هشدار دهد. اين فناوري به تصميم گيري سريعتر کمک ميکند، که مقرون به صرفه است. هوش مصنوعي کمک ميکند تا از طريق الگوريتمهاي کارآمد، يک سيستم جديد تشخيص و مديريت بيماران کويد-19 را ايجاد کنيد. هوش مصنوعي به کمک فناوريهاي تصويربرداري پزشکي مانند توموگرافي کامپيوتر(CT)، تصويربرداري با رزونانس مغناطيسي (MRI) به تشخيص موارد آلوده کمک ميکند.
در عين حال، در زمينه تصويربرداري پزشکي، با استفاده از يادگيري ماشيني، به شناخت الگوهاي موجود در تصاوير کمک ميکنند و توانايي راديولوژيستها را براي تشخيص احتمال ابتلا به بيماري و تشخيص زود هنگام بيماري، تقويت ميکنند.
نظارت بر درمان
هوش مصنوعي ميتواند يک بستر هوشمند براي نظارت خودکار و پيش بيني شيوع ويروس کرونا ايجاد کند. همچنين يک شبکه عصبي براي استخراج ويژگيهاي بصري اين بيماري ايجاد شده است و اين امر به نظارت و درمان صحيح افراد مبتلا کمک ميکند. اين فناوري با توجه به اطلاعات بيماران خود را بهروز ميکند و راهحلهايي را ارائه ميدهد که در جلوگيري از فراگيري کويد-19 موثر است.
تشخيص شدت کويد-19
هوش مصنوعي با استفاده از دادههاي 160 بيمار مبتلا به کرونا در بيمارستاني در ووهان، چين، توانسته است که با استفاده از موارد موجود در آزمايش خون افراد، احتمال ابتلا به کويد-19 را تا حدي تشخيص دهد. محققان با استفاده از اطلاعات مدلي را ايجاد كردند و هوش مصنوعي را با الگوريتم يادگيري ماشين آموزش دادند تا بتواند الگوهاي کويد-19 را درک کند و شدت اين بيماري را در افراد در بازه 0 (خفيف) تا 100 (بحراني) مشخص کند.
اين مدل با استفاده از دادههاي حاصل از 12 بيمار بستري در بيمارستان مختص بيماران کرونايي در شنژن، چين و 1000 بيمار مبتلا به کويد-19 در نيويورک تأييد شد. اين مدل به درستي براي بيماراني که مرخص شدند نسبت به بيماراني که بستري شدند و وضعيت وخيمي داشتند، شدت کمتري را اعلام کرده بود.
اسحاق داپکينز، مسئول ارشد پزشکي مراکز بهداشت خانواده در NYU Langon، گفت: “ابزار پشتيبان تصميم گيري باليني بلادرنگ، در محيطهاي سرپايي و درمانگاهها، به تشخيص افراد مبتلا، نظارت و درمان کمک ميکند”.
لري مک رينولدز، مدير اجرايي مراکز بهداشت خانواده در NYU Langone افزود: “اميدواريم که اين ابزار بتواند با شناسايي افراد در معرض خطر، عوارض جانبي و شدت بيماري را کاهش دهد”.
رديابي افراد
هوش مصنوعي با رديابي افراد ميتواند ميزان آلودگي توسط اين ويروس و آلودهترين مناطق را شناسايي کند. از طرفي، با نظارت بر افراد و رفتار گذشته و حال آنها ميتواند دوره بيماري و احتمال بروز و اوج مجدد آن را پيشبيني کند.
پيش بيني مرگ و مير
هوش مصنوعي ميتواند از دادههاي موجود، رسانههاي اجتماعي و سيستم عاملهاي رسانهاي، در مورد خطرات ناشي از عفونت و شيوع آن ماهيت ويروس را رديابي و پيش بيني کند. علاوه بر اين، ميتواند تعداد موارد بهبود و مرگ در هر منطقه را پيشبيني کند. هوش مصنوعي ميتواند به شناسايي آسيب پذيرترين مناطق، مردم و کشورها کمک کند و براساس آن اقدامات لازم را انجام دهد.
کشف داروها و واکسن
هوش مصنوعي از دادههاي موجود در مورد کويد-19 براي تحقيقات دارويي استفاده ميکند. براي کشف و توسعه داروها مفيد است. اين فناوري براي سرعت بخشيدن به تست بلادرنگ دارو استفاده ميشود، در حالي که آزمايش استاندارد زمان زيادي ميبرد، هوش مصنوعي اين روند را طوري سرعت ميبخشد که از توانايي انسان خارج است. هوش مصنوعي به ابزار قدرتمندي براي طراحي آزمايشهاي تشخيصي و کشف واکسيناسيون تبديل شده است. هوش مصنوعي به کشف واکسن و درمان، با سرعت بسيار بيشتري از حد معمول کمک ميکند و همچنين براي آزمايشات باليني در طول کشف واکسن مفيد است.
کاهش بار کاري پرستاران
به دليل افزايش ناگهاني و گسترده تعداد بيماران در طول بيماري واگيردار کويد-19، حجم کار متخصصان بهداشت و درمان يکباره بسيار افزايش يافت. هوش مصنوعي به کمک کادر درمان شتافت و حجم کار آنها را بسيار کاهش داد. اين فناوري در تشخيص زودهنگام و ارائه درمان در مراحل اوليه با استفاده از رويکردهاي ديجيتالي و پشتيبان تصميم کمک ميکند، و از طرف ديگر، بهترين آموزش را به دانشجويان و پزشکان در مورد اين بيماري جديد ارائه ميدهد. هوش مصنوعي ميتواند مراقبتهاي آينده از بيمار را تحت تأثير قرار دهد و چالشهاي احتمالي را که باعث کاهش بار کار پزشکان ميشود، برطرف کند.
جلوگيري از شيوع بيماري
با کمک تجزيه و تحليل بلادرنگ دادهها، هوش مصنوعي ميتواند اطلاعات به روز شدهاي را ارائه دهد که در پيشگيري از اين بيماري مفيد است. ميتوان از هوش مصنوعي براي پيش بيني مکانهاي احتمالي آلوده به ويروس، هجوم ويروس، تعداد تختخواب مورد نياز براي بستري بيماران و متخصصان مراقبتهاي بهداشتي در طول اين بحران استفاده کرد. يادگيري ماشين همچنين به محققان و پزشکان کمک ميکند تا حجم وسيعي از دادهها را براي پيش بيني شيوع کويد-19 تجزيه و تحليل کنند، تا به عنوان يک سيستم هشدار دهنده اوليه براي همه گيريهاي آينده عمل کرده و جمعيت آسيب پذير را شناسايي کنند.
اطلاعات کسب شده توسط اين فناوري دليل شيوع عفونت را مشخص ميکند. در آينده، هوش مصنوعي يک فناوري مهم براي مقابله با ساير بيماريهاي واگيردار خواهد بود و همچنين نقش مهمي در ارائه مراقبتهاي بهداشتي، پيش بيني بيماري و پيشگيري از بيماري ايفا ميکند.
محققان Chan Zuckerberg Biohub در کاليفرنيا براي ارزيابي تعداد عفونتهاي کويد-19 که کشف نشدهاند و عواقب آن براي سلامتي عمومي، الگويي را ساختند و 12 منطقه در سراسر جهان را ارزيابي کردند. آنها با استفاده از يادگيري ماشين و توسعه تشخيصي، روشهاي جديدي را براي تعيين عفونتهاي کشف نشده ايجاد کردهاند.
در ابتداي اين بيماري واگيردار، BlueDot، يک شرکت استارتاپ کانادايي و مشتري AWS که از AI براي تشخيص شيوع بيماري استفاده ميکند، از نخستين کساني بود که زنگ خطر درباره شيوع نگران کننده يک بيماري تنفسي در ووهان چين را به صدا درآورد. BlueDot از AI براي تشخيص شيوع بيماري استفاده ميکند. BlueDot با استفاده از الگوريتمهاي يادگيري ماشين خود، گزارشهاي خبري بدست آمده از شبکههاي هوايي و بيماريهاي حيوانات، به 65 زبان را، براي کشف شيوع بيماري و پيشبيني پراکندگي بيماري، غربال کرد. سپس اپيدميولوژيستها اين نتايج را مرور کرده و تاييد کردند که نتيجه حاصل از نظر علمي اعتبار دارد. BlueDot اطلاعات حاصل شده را در اختيار مسئولان بهداشت عمومي، خطوط هوايي و بيمارستانها قرار داد تا به آنها در پيش بيني و مديريت بهتر خطرات کمک کند.
در ماه مارس، گروهي از متخصصان داوطلب به سرپرستي ديجي پاتيل دانشمند ارشد داده کاخ سفيد براي کمک به يک ابزار برنامهريزي سناريو که تأثير بالقوه کويد-19 و پاسخ به سوالاتي مانند “به چند تخت بيمارستاني نياز خواهيم داشت؟ ” يا “تا کي بايد دستور پناهندگي در محل صادر کنيم؟” با يکديگر همکاري کردند. آنها به يک مدل منبع باز نياز داشتند تا بتوانند برنامههاي تدافعي را در راستاي مبارزه با عفونت و برنامه بستري در بيمارستان را ترتيب دهند.
اين گروه با همکاري نزديک با AWS و دانشکده بهداشت عمومي جانس هاپکينز بلومبرگ، اين مدل را به ابر منتقل کردند و به آنها امکان اجراي چندين سناريو در فقط چند ساعت و اجراي مدل را در 50 ايالت ملي و بين المللي ارائه دادند تا به تصميم گيريهايي کمک کند که مستقيماً روي گسترش جهاني کويد-19 تأثير داشت.
سازمانها همچنين روشهاي کمتر کردن شيوع کويد_19، به ويژه در ميان جمعيت آسيب پذير، را بررسي کردند. Closedloop، يک استارت آپ هوش مصنوعي است که از دادههاي مراقبتهاي بهداشتي خود براي شناسايي افراد در معرض خطر عوارض شديد ناشي از کويد-19 استفاده ميکند. Closedloop يک شاخص آسيب پذيري کويد_19، يک مدل پيش بيني مبتني بر هوش مصنوعي، افراد را که در معرض خطر عوارض شديد ناشي از کويد-19 هستند، با استفاده از منابع باز شناسايي کرد. اين شاخص C-19 توسط سيستمهاي مراقبتهاي بهداشتي، سازمانهاي مديريت مراقبت و شرکتهاي بيمه براي شناسايي افراد پرخطر مورد استفاده قرار ميگيرد، سپس دانش حاصل اعلام ميگردد تا اهميت شستن دستها و رعايت فاصلههاي اجتماعي را به همه اعلام کند و همچنين اهميت تهيه مواد غذايي، دستمال توالت، و ساير لوازم ضروري براي اينکه بتوانند در خانه بمانند، را مطرح ميکند.
سرعت بخشيدن به پژوهش و درمان
ارائه دهندگان خدمات بهداشتي و محققان با حجم فزاينده اي از اطلاعات در مورد کويد-19 روبرو هستند، که به دست آوردن بينشهايي که بتواند براي درمان مفيد باشد، کار را دشوار ميکند. در پاسخ، AWS پژوهشي را بر کويد-19 انجام داد، AWS يک وب سايت جستجوي جديد مجهز به يادگيري ماشين است، اين وب سايت به محققين کمک ميکند که بتوانند سريع و راحت مقالات و اسناد پژوهشي مرتبط با سوالاتي مانند “چه زماني بالاترين احتمال به آلوده شدن به کويد-19 وجود دارد؟” را پيدا کنند.
اين راه حل يادگيري ماشيني که در انستيتوي آلن براي مجموعه اطلاعات تحقيق کويد-19 با بيش از 128،000 مقاله تحقيقي و ساير مطالب ايجاد شده است، ميتواند اطلاعات پزشکي مربوطه را از متن بدون ساختار استخراج کرده و از قابليتهاي پرس و جو در زبان طبيعي قوي برخوردار است و به کشف سريع دارو کمک ميکند.
BenevolentAI، يک شرکت AI در انگلستان و مشتري AWS، بسترهاي خود را به سمت درک واکنش بدن به کرونا ويروس سوق داد. آنها تحقيقاتي را با استفاده از بستر کشف داروي AI براي شناسايي داروهاي تأييد شده که ميتوانند پيشرفت ويروس کرونا را مهار کنند، آغاز کردند. آنها از يادگيري ماشيني براي دستيابي به روابط متني بين ژنها، بيماريها و داروها استفاده کردند که در نهايت به پيشنهاد چند ترکيب دارويي منجر شد. فقط در طي چند روز، هوش مصنوعي Benevolent کشف کرد که داروي Baricitinib (دارويي که در حال حاضر براي آرتريت روماتيد استفاده ميشود) قوي ترين گزينه است. Baricitinib اکنون در مرحله آخر آزمايش باليني موسسه ملي آلرژيها و بيماريهاي عفوني ايالات متحده (NIAID) قرار دارد تا اثر بخشي و ايمني اين دارو به عنوان يک درمان بالقوه براي بيماران مبتلا به کويد-19 بررسي شود. سرعت آزمايشهاي باليني اين دارو، بيانگر همه گيري جهاني اين بيماري و اهميت AI در تسهيل کشف درمانهاي جديد است.
سخن آخر
هوش مصنوعي ابزاري آيندهنگر و مفيد براي شناسايي عفونتهاي زودرسي مانند ويروس کرونا است و همچنين به نظارت بر وضعيت بيماران آلوده کمک ميکند. با ايجاد الگوريتمهاي مفيد ميتواند به طور قابل توجهي تصميم گيري را بهبود بخشد. هوش مصنوعي نه تنها در درمان مبتلايان به کويد-19 بلکه براي نظارت بر سلامتي آنها مفيد است. هوش مصنوعي ميتواند بحران کويد-19 را در مقياسهاي مختلف مانند عرصههاي پزشکي، مولکولي و اپيدميولوژيکي رديابي کند. همچنين تسهيل تحقيقات در مورد اين ويروس با استفاده از تجزيه و تحليل دادههاي موجود مفيد است. هوش مصنوعي ميتواند در ايجاد رژيمهاي درماني مناسب، راهکارهاي پيشگيري، ساخت دارو و واکسن کمک کند.