ارزیابی تکنیک های هوش مصنوعی در تشخیص و پیش بینی بیماری های مختلف

در اکثر موارد برای تشخیص و پیش بینی بیماری های مختلف از تصاویر استفاده می شود. این تصاویر که با استفاده از تجهیزات جدید و پیشرفته مختلف مانند اشعه ایکس ، اولتراسوند ، توموگرافی کامپیوتری ،تصویربرداری تشدید مغناطیسی و ... بدست می آیند توسط متخصصان مربوطه مورد تجزیه و تحلیل قرار گرفته و ارزیابی می شوند تا تشخیص بیماری صورت بگیرد. اما از آنجایی که ارزیابی این تصاویر توسط پزشکان نیازمند صرف زمان و انرژی زیادی می باشد و همچنین ممکن است پزشک در تشخیص خود دچار خطای انسانی شود امروزه روش مطلوب برای تشخیص دقیق تر بیماری ها استفاده از هوش مصنوعی می باشد. تکنیک های هوش مصنوعی از الگوریتم های رایانه ای برای تشخیص و پیش بینی بیماری ها استفاده می کنند. دو زیرمجموعه اصلی از هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق می باشند که باعث سرعت بیشتری در روند تشخیص ، صرفه جویی در هزینه و زمان و دقت بیشتر می گردند. این دو زیر مجموعه برای تشخیص و پیش بینی بیماری های مختلف و حتی به منظور دسته بندی بیماری ها مورد استفاده قرار می گیرند. هدف از یادگیری ماشین این است که ماشین قادر باشد خود را بر اساس مجموعه داده هایدریافت شده در ورودی ، تجربه و همچنین اطلاعاتی که از فیدبک دریافت می کند آموزش دهد. در واقع ماشین بایستی بتواند قانون استخراج کند تا در مورد داده های جدیدی که دریافت می کند تصمیم گیری کند. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که با شبکه های عصبی مصنوعی کار می کند. در اغلب موارد ماشین بردار پشتیبان ( SVM ) به عنوان یک روش یادگیری ماشین و شبکه عصبیکانولوشن ( CNN ) به عنوان یک روش یادگیری عمیق برای تشخیص بیماری ها مورد استفاده قرار می گیرند. هدف از این مقاله مروری بر تکنیک های اخیر هوش مصنوعی به منظور تشخیص و پیش بینیبیماری های مختلفی از جمله سرطان ها، بیماری های قلبی ، ریوی ، پوستی ، اختلالات ژنتیکی و عصبیمی باشد که از نتایج استخراج شده توسط غفارنیا و همکاران در سال ۲۰۲۳ استفاده شده و در نهایت براساس تحقیقات آنان چالش ها و محدودیت های موجود در هوش مصنوعی در حوزه پزشکی مورد بحث و بررسی قرار گرفته است.

کلیدواژه ها:

تشخیص بیماری ها ، هوش مصنوعی ، یادگیری ماشین ، یادگیری عمیق