کاربرد هوش مصنوعی در پیش بینی بیماری ها

پیش بینی زودهنگام بیماری ها یکی از چالش های اساسی نظام های سلامت در سراسر جهان است. هزینه های سنگین درمان های دیرهنگام و مرگ ومیر ناشی از تشخیص دیرهنگام نیاز به ابزارهای دقیق و سریع پیش بینی را دوچندان کرده است. هوش مصنوعی به ویژه شاخه های یادگیری ماشین و یادگیری عمیق توانسته است با تحلیل داده های عظیم بالینی، ژنتیکی، تصویربرداری و علائم حیاتی دقت پیش بینی را به میزان قابل توجهی افزایش دهد. در این مقاله ابتدا مفاهیم پایه هوش مصنوعی در پزشکی تشریح شده سپس کاربرد روش های مختلف در پیش بینی بیماری های قلبی، دیابت و انواع سرطان مرور می گردد. مزایا، محدودیت ها و چالش های اخلاقی هر روش تحلیل شده است. نتایج مرور سیستماتیک ۴۵ مقاله معتبر نشان می دهد که مدل های مبتنی بر شبکه های عصبی عمیق (Deep Neural Networks) و جنگل تصادفی (Random Forest) به ترتیب با دقت متوسط %۹۳ و ۸۸ بالاترین عملکرد را در پیش بینی بیماری های غیرواگیر داشته اند. همچنین مدل های مبتنی بر یادگیری انتقالی (Transfer Learning) در پیش بینی سرطان از روی تصاویر پزشکی به دقت بیش از ۹۰ دست یافته اند. در پایان چالش های پیاده سازی بالینی این سیستم ها از جمله مسائل حریم خصوصی، قابلیت توضیح پذیری و خطر سوگیری الگوریتمی بحث می شود و پیشنهادهایی برای تحقیقات آینده ارائه می گردد.

کلیدواژه ها:

هوش مصنوعی ، پیش بینی بیماری ، یادگیری ماشین ، یادگیری عمیق ، تشخیص زودهنگام ، داده کاوی پزشکی