هوش مصنوعی در پزشکی دقیق: نقش الگوریتم های یادگیری عمیق در تشخیص زودهنگام سرطان و بیماری های نادر

مقدمه: پزشکی دقیق به عنوان یک تحول بنیادین در نظام های سلامت، با هدف سفارشی سازی مداخلات تشخیصی، درمانی و پیشگیرانه بر اساس ویژگی های فردی بیماران مطرح شده است. در این میان، الگوریتم های یادگیری عمیق به ویژه شبکه های عصبی پیچشی، شبکه های عصبی بازگشتی و معماری های مولد، ابزارهای تحول آفرینی هستند که توانمندی های بی سابقه ای در تحلیل تصاویر پزشکی، تفسیر داده های ژنومیک و مدل سازی پیش بینانه از خود نشان داده اند. پژوهش حاضر با هدف بررسی نقش و اثربخشی الگوریتم های یادگیری عمیق در پزشکی دقیق با تاکید بر تشخیص زودهنگام سرطان و بیماری های نادر انجام شد. روش ها: این مطالعه از نوع توصیفی-تحلیلی بود و در سال ۱۴۰۴ میان ۲۵۰ نفر از متخصصان انفورماتیک پزشکی، هوش مصنوعی، انکولوژی، ژنتیک و رشته های مرتبط که به روش نمونه گیری طبقه ای تصادفی از دانشگاه های علوم پزشکی و مراکز تحقیقاتی سراسر کشور انتخاب شده بودند، انجام گرفت. گردآوری داده ها با استفاده از پرسشنامه محقق ساخته ای صورت گرفت که روایی محتوایی آن توسط پنل دوازده نفره خبرگان (CVR=۰.۸۳, CVI=۰.۸۹) و پایایی آن از طریق مطالعه مقدماتی (آلفای کرونباخ=۰.۹۲ و پایایی ترکیبی=۰.۹۱) تایید شد. تحلیل داده ها با بهره گیری از نرم افزار SPSS-۲۶ و شامل آمار توصیفی، آزمون کولموگروف-اسمیرنوف و آزمون تی تک نمونه ای در برابر مقدار خنثای ۳ بود. یافته ها: آزمون کولموگروف-اسمیرنوف توزیع نرمال تمامی متغیرها را تایید کرد (p>۰.۰۵). نتایج آزمون تی تک نمونه ای نشان داد که متخصصان نسبت به اثربخشی الگوریتم های یادگیری عمیق در تشخیص زودهنگام سرطان (M=۴.۳۲, SD=۰.۷۱, t(۲۴۹)=۲۳.۴۵, p<۰.۰۰۱) و بیماری های نادر (M=۴.۱۸, SD=۰.۸۳, t(۲۴۹)=۲۲.۶۸, p<۰.۰۰۱) نگرش مثبت معناداری دارند. همچنین ادراک مثبت معناداری نسبت به نقش این الگوریتم ها در پزشکی دقیق (M=۴.۲۵, SD=۰.۷۶, p<۰.۰۰۱) مشاهده شد. نتیجه گیری: یافته های پژوهش نشان می دهد الگوریتم های یادگیری عمیق نقش قابل توجه و معناداری در پزشکی دقیق، به ویژه در تشخیص زودهنگام سرطان و بیماری های نادر ایفا می کنند. با توجه به این نتایج، ادغام راهبردی این فناوری ها در نظام سلامت ایران، در کنار سرمایه گذاری بر سرمایه انسانی متخصص و زیرساخت های اخلاقی، به شدت توصیه می شود.

کلیدواژه ها:

واژگان کلیدی: هوش مصنوعی ، پزشکی دقیق ، یادگیری عمیق ، تشخیص زودهنگام ، سرطان ، بیماری های نادر ، تصویربرداری پزشکی ، ژنومیک