یادگیری ماشین و هوش مصنوعی در خدمت پزشکی: ضرورت یا پتانسیل؟

اهداف هوش مصنوعی حول محور ایجاد ماشین ها و الگوریتم هایی است که می توانند توانایی های شناختی انسان را برای دستیابی به اهداف خاص تکرار و استفاده موثرتر از داده های جمع آوری شده است. این مقاله تفسیری از دیدگاه های گذشته را ارائه می دهد همچنین می توان آن را به تفسیر آینده نگری تعمیم داد که پیش آگهی اولیه را ارائه می دهد. گفته می شود، پزشکانی که می توان توسط این سیستم ها به آنها کمک کرد، خود را در شکاف بین پرونده های بالینی و بررسی های فنی عمیق می بینند. چیزی که آنها فاقد آن هستند، نقطه شروع روشنی برای نزدیک شدن به دنیای یادگیری ماشینی در پزشکی محسوب می شود. در نتیجه روند دیجیتالی شدن سیستم مراقبت های سلامت در سراسر جهان، برآورد شده است که داده های سلامت ایجاد شده به ۲۳۱۴ اگزابایت داده جدید تولید شده در سال ۲۰۲۰ برسد . روش شناسی و ساختار اصلی: هدف این مقاله ارائه بینشی آسان در مورد هوش مصنوعی ۱(AI) و یادگیری ماشینی ۲(ML) در زمینه پزشکی می باشد که عمدتا در چند سال گذشته، مور علاقه پزشکان می باشد . بدین منظور، ابتدا مسیرهای توسعه کلی در مورد استفاده از مفهوم هوش مصنوعی و ML در سیستم های مراقبت های سلامت را مورد بحث قرار می دهیم. سپس زمینه هایی از قبیل هماتولوژی، نورولوژی، قلب و عروق، انکولوژی، رادیولوژی، چشم پزشکی، زیست شناسی سلولی و سلول درمانی را فهرست می کنیم که این فناوری ها قبلا در آنها مورد آزمایش یا حتی مورد استفاده قرار گرفته اند . به دلیل پیچیدگی تصمیمات پزشکی، کاربرد سیستم های اطلاعاتی جهت پشتیبانی از این تصمیمات افزایش یافته است. در این بین، نقش سیستم های هوشمند در یاریرسانی به پزشکان برجسته است. در این مقاله، به بررسی قابلیت این سیستم ها در پزشکی پرداخته شده است و مهمترین چالش های به کارگیری این سیستم ها مورد بحث قرار گرفته است. محدودیت تکنولوژی، هزینه ی سیستم، نگهداری متخصصین در سازمان، وارد کردن داده های بیمار در سیستم، مشکلات کسب دانش، مدل سازی دانش پزشکی، تایید عملکرد سیستم، توصیه های اشتباه و مسوولیت در برابر خطا، محدودیت حوزه ی عملیاتی هوش مصنوعی و ضرورت یکپارچگی آن با فعالیت های جاری از جمله چالش های پیش روی به کارگیری این نوع سیستم ها است که مستلزم ارایه ی راهکار یا پاسخ های مناسب می باشد .

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، کاربردهای پزشکی ، سیستم خبره ، شبکه عصبی ، تصمیم گیری پزشکی با کمک کامپیوتر