استفاده از هوش مصنوعی در تشخیص های آزمایشگاهی دامپزشکی

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 156

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MVTCONF01_071

تاریخ نمایه سازی: 21 شهریور 1401

چکیده مقاله:

استفاده از هوش مصنوعی (Artificial intelligence یا AI) به مفهوم برنامه ریزی کامپیوتری برای انجام فعالیتی مشخص است بهگونه ای که کامپیوتر برای انجام آن مشابه با انسان فکر و عمل کند. چون AI قابلیت تشخیص رابطهی بین مجموعه های متفاوتی ازداده ها را دارد، می تواند به طور گسترده ای در بالین و برای تشخیص، درمان، ارزیابی روند درمان بیماری و پیشگیری از بیماری هامورد استفاده قرار گیرد. استفاده از AI در بالین را می توان به دو گروه تقسیم کرد: مجازی (virtual) و فیزیکی (physical). گروهمجازی استفاده از AI شامل برنامه هایی است مانند سیستم های ثبت الکترونیکی داده های بالینی، تشخیصی، آزمایشگاهی، درمانی وارزیابی نتایج درمان، ولی گروه فیزیکی استفاده از AI مربوط به روبات هایی است که در انجام جراحی ها یا پروتزهای هوشمند برایافراد معلول و سالمندان مورد استفاده قرار میگیرند و یا در پاتولوژی دیجیتال با استفاده از تکنیک های پیشرفته ی تصویربرداری ازتمام اسلاید (Whole slide imaging). در تشخیص های آزمایشگاهی از هر دو گروه مجازی و فیزیکی AI به گونه ای استفادهمی شود. اگرچه استفادهی گسترده از AI در پزشکی به منظور انجام تشخیص های بالینی، درمان و پیش بینی وضعیت روند درمان ازیک یا دو دهه ی قبل آغاز شده است اما توجه به این پدیده و استفاده از آن در دامپزشکی به تازگی آغاز شده است از جمله اینکه درچند سال اخیر پیشرفت هایی در زمینه ی استفاده از AI در هیستوپاتولوژی و کلینیکال پاتولوژی دامپزشکی صورت گرفته است.نرم افزارها توانایی تشخیص آزمایشگاهی بیماری ها را از طریق دو روش عمومی فلوچارت (flowchart) و پایگاه داده ها (database)دارند. روش مبتنی بر فلوچارت شامل ارزیابی تاریخچه ی بیمار و بیماری، نشانی های بالینی و نتایج آزمایشگاهی است، که از ترکیباین داده ها و با استفاده از AI می توان به تشخیص احتمالی رسید. البته انجام این امر مستلزم تغذیه ی کامپیوتر با مقدار زیادیداده های مبتنی بر به طیف گسترده ای از علائم و فرآیندهای بیماری است که در معاینات بالینی و آزمایشگاهی انجام میشود. درحالیکه روش پایگاه داده از اصل یادگیری عمیق (deep learning) یا تشخیص الگو (pattern recognition) استفاده می کند کهشامل آموزش کامپیوتر از طریق الگوریتمهای مکرر در تشخیص نشانیهای بالینی، آزمایشگاهی یا تصویری خاص در یک بیماریمعین است. پاتولوژی محاسباتی (computational pathology) روشی تشخیصی مبتنی بر توانایی استخراج داده ها از تصاویرهیستولوژی یا سیتولوژی است. استفاده از اصول یادگیری عمیق شتاب زیادی به گستردگی استفاده از پاتولوژی محاسباتی داده است.با توجه به پیشرفت های شگفت انگیز در پاتولوژی و سیتولوژی دیجیتال (digital pathology and cytology) این امکان فراهمشده است که از AI در هیستوپاتولوژی و سیتولوژی تشخیصی و ارزیابی گسترش های خونی در دامپزشکی جهت تشخیص ضایعاتو اختلالات توسط کامپیوتر و با استفاده از یادگیری عمیق و تشخیص الگوی اختلال یا ضایعات استفاده کرد.

نویسندگان

مهرداد عامری

مدیر ارشد و رئیس بخش کلینیکال پاتولوژی در کمپانی داروسازی گلاکسواسمیت کلاین، عضو کمیته ی امتحانات بورد تخصصی پاتولوژی دامپزشکی آمریکا،ادیتور ژورنال کلینیکال پاتولوژی دامپزشکی