به گزارش مشرق، بنا بر گزارشی که سازمان بهداشت جهانی از همکاری مشترک این سازمان با دولت چین در مبارزه با ویروس کرونا منتشر کرده است، استفاده از هوش مصنوعی و کلان‌داده یکی از مزیت‌های اصلی کشور چین برای جلوگیری از شیوع کرونا اعلام شده است. به نظر می‌رسد فناوری‌های مرتبط با هوش مصنوعی ظرفیت‌های زیادی در کنترل ویروس کرونا در مراحل مختلف دارند.
بیشتر بخوانید:
مؤسسه افرا در گزارشی به بررسی مهمترین کاربردهای این فناوری از جمله پیش‌بینی آغاز شیوع، پیش‌بینی و مدل‌سازی نحوه گسترش، تشخیص بیماری، کمک به درمان و راهبردهای پیشنهادی آن پرداخته است.
پیش بینی آغاز شیوع
یکی از کاربردهای مهم و بنیادین هوش مصنوعی در حوزه‌های مختلف، پیش‌بینی وضعیت حوزه مربوطه است. مدل‌سازی پیش‌بین یا تحلیل پیش‌بین از جمله روندهایی است که با استفاده از هوش مصنوعی در حال قدرتمندتر شدن هستند. مدل‌سازی پیش‌بین، یکی از کاربردهای هوش مصنوعی است که در آن از تکنیک‌های داده کاوی و یادگیری ماشین برای پیش‌بینی با تخمین حالت‌های آینده یک سیستم یا محیط استفاده می‌شود؛ برای مثال می‌توان به کاربرد این سیستم‌ها در حوزه قضایی اشاره کرد که به پلیس پیش‌بین معروف است.
با این تکنیک می‌توان وقوع جرم را پیش از تحقق آن پیش‌بینی کرد. یکی دیگر از حوزه‌هایی که مدل‌سازی پیش‌بین مبتنی بر هوش مصنوعی در آن پررنگ شده، حوزه شناسایی بیماری‌های واگیردار است که در مورد پیش‌بینی ویروس کرونا به خوبی مشاهده می‌شود.
۳۱ دسامبر ۲۰۱۹ (۱۰ دی ماه ۱۳۹۸) بود که شرکت بلودات شیوع کرونا را اعلام کرد، این در حالی بود که مرکز کنترل بیماری‌های ایالات متحده ۶ روز بعد در تاریخ ۶ ژانویه ۲۰۲۰ اولین هشدارها را داد، سازمان بهداشت جهانی نیز ۹ روز بعد در تاریخ ۹ ژانویه ۲۰۲۰ (۱۹ دی ماه ۱۳۹۸) شیوع این ویروس را اعلام کرد.
اما شرکت بلودات چه شرکتی است؟ شرکتی که در کانادا واقع شده و حوزه تمرکز اصلی آن پایش، ردگیری و پیش‌بینی بیماری‌های واگیردار با کمک هوش مصنوعی و کلان داده است.
کامران‌خان بنیانگذار بلودات در مورد نحوه عملکرد بلودات چنین توضیح می‌دهد: «ما در حال حاضر از پردازش زبان طبیعی و یادگیری ماشین برای پردازش حجم زیادی از داده‌های متنی ساختار یافته در ۶۶ زبان مختلف استفاده می‌کنیم. داده‌های ما هر ۱۵ دقیقه به روزرسانی شده و بیش از ۱۰۰ نوع بیماری واگیردار را پوشش می‌دهد. اگر می‌خواستیم این کار را به صورت دستی انجام دهیم احتمالا به صدها نفر نیازمند بودیم. اما حالا متخصصان سلامت به جای تمرکز بر گردآوری و ساختاردهی به داده‌ها می‌توانند بر تحلیل آنها و طراحی واکنش صحیح در برابر خود تمرکز کنند؛ بنابراین می‌توان گفت که بلودات از یک سیستم هایبردی که متشکل از هوش مصنوعی و انسان (بلودات نزدیک به ۴۰ کارمند دارد) است استفاده می‌کند و در حال حاضر بهترین سیستم‌ها، سیستم‌های هیبریدی هستند.»
بنا بر گزارش فوربز که در تاریخ ۱۳ بهمن ماه ۱۳۹۸ منتشر شده است، تیم‌ها و گروه‌های مختلفی در این حوزه مشغول به فعالیت هستند و می‌توانند در زمینه‌هایی همچون پیش‌بینی تعداد موارد بالقوه مبتلا به بیماری، تعیین راهبردهایی برای قرنطینه افراد، اجتماعات، شهرها و کشورها، کمک به ساخت واکسن مناسب، طراحی ربات‌های مجازی برای مکالمه با بیماران و پزشکان درگیر با بیماری برای کسب اطلاعات استفاده از انسان‌ها در این موارد می‌تواند هزینه بردار و زمان بر باشد، پیش‌بینی نقاط خطرناکی که در آنها ویروس می‌تواند از حیوان به انسان منتقل شود، پیش‌بینی نحوه شیوع و گسترش بیماری بر اساس شرایط محیطی، دسترسی به امکانات بهداشتی و نحوه انتقال بیماری و استخراج ویژگی‌های مشترک افراد مبتلا و آسیب‌پذیر کمک کننده باشند و به این ترتیب براساس این الگوها می‌توان دستورالعمل‌های مناسب‌تر و دقیق‌تری برای پیشگیری تنظیم کرد.
پیش‌بینی و مدل‌سازی نحوه گسترش
هوش مصنوعی و مدل‌سازی‌های مبتنی بر آن در پیش بینی نحوه گسترش و سرایت کرونا موثر بوده است. به عنوان مثال می‌توان به مقاله‌ای اشاره کرد که در تاریخ ۲۵ ژانویه ۲۰۲۰ (۶ اسفند ۱۳۹۸) به طور مشترک توسط تیم پروفسور اندرو تاتم از دانشگاه ساثهمتون و کامران خان از بلودات اشاره شده است.
کرونا در آستانه سال نو میلادی شیوع پیدا کرد، یعنی زمانی که بیشترین مسافرت‌ها در طی جشن‌های ۴۰ روزه سال نو در چین روی می‌دهد، رویدادی که در آن صدها میلیون نفر جابه‌جا می‌شوند و در واقع بزرگترین جابه‌جایی سالانه انسان‌ها محسوب می‌شود. آنها براساس داروهای سرویس مکان‌یابی بابلو، اقدام به جمع‌آوری داده‌های جابه‌جایی از سال ۲۰۱۳ تا ۲۰۱۵ کردند. همچنین براساس داده‌های انجمن بین‌المللی حمل‌ونقل هوایی، داده‌های سفرهای هوایی در سال ۲۰۱۸ را نیز گردآوری و سپس با استفاده از الگوریتم‌ها داده‌کاوی، مدل‌هایی برای پیش‌بینی جابه‌جایی‌های سال جاری توسعه داده و نحوه شیوع بیماری را پیش بینی‌کردند.
به طوری که داده‌های مرتبط با مسافرت‌های هوایی یکی از منابع اصلی بلودات نیز بوده است؛ دسترسی به داده‌های بلیط فروشی خطوط هوایی بین‌المللی به پیش‌بینی اینکه افراد مبتلا چه موقع و به کجا سفر خواهند کرد کمک می‌کند. پلتفرم بلودات به درستی پیش‌بینی کرد که این ویروس از ووهان به بانکوک، سئول، تائیپی و توکیو سرایت خواهد کرد.
متابویتا شرکت دیگری است که در کالیفرنیا واقع شده و همچون بلودات در حوزه زیست‌پایش فعالیت می‌کند. این شرکت نیز با توجه به پایگاه داده‌های خود مدل سازی‌هایی انجام داده و یک هفته زودتر، گسترش کرونا در کشورهایی مانند تایلند، کره جنوبی، ژاپن و تایوان را پیش‌بینی کرده است.
تشخیص بیماری
شرکت علی بابا، غول تکنولوژیک چین اعلام کرد که یک سیستم تشخیص مبتنی بر هوش مصنوعی توسعه داده که می‌تواند با دقت ۹۶ درصد و در عرض ۲۰ ثانیه از روی تصویر سی تی اسکن ریه افراد، ابتلا یا عدم ابتلای آنها به ویروس کرونا را تشخیص دهد. الگوریتم تشخیص دهنده این سیستم توسط آکادامی دامو تهیه شده است. بنا به گفته محققان دامو، این الگوریتم هوش مصنوعی با استفاده از تصاویر سی تی اسکن بیش از ۵ هزار مورد تائید شده مبتلا به کرونا تربیت شده است. ضمن اینکه به آخرین دستورالعمل‌ها و مقالات منتشر شده دسترسی دارد.
بیمارستان Zhengzhou Qiboshan اولین بیمارستانی است که به طور رسمی استفاده از این سیستم را آغاز کرده است. بنا به گفته پزشکان این بیمارستان، تشخیص درست موارد ابتلا از روی عکس‌های سی تی اسکن، برای یک پزشک بین ۵ الی ۱۵ دقیقه طول می‌کشد و فشار فکری زیادی برای وی به همراه دارد این سیستم کمکی شدت فشار فکری را کاهش داده است. پس از این تجربه موفق، این سیستم در ۱۰۰ بیمارستان دیگر نیز به کار گرفته خواهد شد. تصویر زیر نشان دهنده این سیستم است.
یک نمونه دیگر از کاربرد هوش مصنوعی در تحلیل عکس‌های سی تی اسکن و تشخیص کرونا پروژه‌ای است که جمعی از محققان چینی به طور مشترک در بیمارستانRenmin در دانشگاه ووهان، شرکت فناوری‌های پزشکی EndoAngel ووهان و دانشگاه علوم زمین شناسی چین انجام داده‌اند. بنا به مقاله پیش از چاپ، در این پروژه از ۴۶.۰۹۶ تصویر CT اسکن از ۱۰۶ بیمار استفاده شده است که در نتیجه آن مدلی با دقت ۹۵ درصد تولید شده که با کمک آن، زمان خوانش و تفسیر تصاویر CT اسکن توسط پزشکان متخصص تا ۶۵ درصد کاهش یافته است.
در یک تحقیق مشابه دیگر از ۶۱۸ تصویر CT اسکن برای استخراج مدل‌های یادگیری عمیق استفاده شده است؛ ۲۱۹ تصویر از افراد مبتلا به کرونا، ۲۴۴ تصویر از افراد مبتلا به آنفولانزا و ۱۷۵ تصویر از ریه افراد سالم مدل هوش مصنوعی تولید شده در این تحقیق قادر است با دقت۸۶.۷ درصد افرا مبتلا به ویروس را تشخیص دهد.
در اینجا تصویرa مربوط به فرد مبتلا به کرونا، تصویر b مبتلا به آنفولانزا و تصویر و مربوط به عکس CT اسکن ریه یک فرد سالم است.
یکی دیگر از سامانه‌های هوش مصنوعی که برای تشخیص ویروس کرونا استفاده می‌شود سامانه‌های اندازه‌گیری دمای بدن برای تشخیص تب است. دو نمونه از این سامانه‌ها یکی توسط شرکت بایدو و دیگری توسط شرکت مگوی توسعه داده شده‌اند. این دو سامانه از ترکیب هوش مصنوعی و دوربین‌های حرارتی برای شناسایی افراد مشکوک به کرونا در مترو و در معابر پر تردد استفاده می‌کنند. سامانه شرکت مگوی می‌تواند با خطای ۰٫۳ درجه سلسیوس و در شعاع ۵ متری دمای افراد را حتی اگر ماسک و کلاه داشته باشند اندازه‌گیری کند. این سامانه می‌تواند در هر ثانیه دمای بدن ۱۵ نفر را بسنجد و فقط با استفاده از یک اپراتور انسانی افراد مشکوک را شناسایی و اخطار بدهد. تصویری از این سامانه در شکل زیر می‌بینیم.
سامانه بایدو می‌تواند در هر دقیقه ۲۰۰ نفر را اسکن کرده و با خطای ۰.۵ درجه سلیسوس دمای بدن‌شان را اندازه‌گیری کند. این سامانه دمای بیش از ۳۷.۳ درجه سلسیوس را که از نشانه‌های کرونا است هشدار می‌دهد و در راه‌آهن بیجینگ به کار گرفته شده است.
کمک به درمان
هوش مصنوعی در زمینه ساخت و تولید واکسن کرونا نیز کاربردهایی داشته است. استیوبنت مدیر پیشین زیست پایش ملی در وزارت امنیت داخلی ایالات متحده و یکی از مدیران کنونی SAS که یکی از بزرگترین شرکت‌ها در حوزه تحلیل داده در آمریکا محسوب می‌شود اظهاراتی داشته است.
در مورد درمان ویروس کرونا باید گفت که ساخت واکسن آن یک فرآیند آزمون و خطا است، اما می‌دانیم که جامعه پزشکی پیش‌تر موفق به ساخت واکنش‌هایی برای مقابله با ویروس‌های مشابه شده است، اینجاست که می‌توانیم از هوش مصنوعی استفاده کنیم. هوش مصنوعی می‌تواند الگوهای مشابه این ویروس‌ها را شناسایی کند و به این ترتیب شانس ساختن یک واکسن را چند برابر کند.
به عنوان مثال می‌توان به واکسنی اشاره کرد که شرکت آن را تولید کرده است. این شرکت با استفاده از پایگاه داده‌های خود شامل اطلاعات ساختارمند پزشکی استخراج شده به وسیله الگوریتم‌های یادگیری ماشین اقدام به طراحی و ساخت واکسن کرده است. هوش مصنوعی این شرکت ۶ ترکیب مختلف دارویی تولید کرده که بنا به اظهارات متخصصان (این سیستم نیز به صورت هیبریدی، همکاری انسان- ماشین کار می‌کند) یکی از این ترکیبات برای انجام آزمایش‌های پزشکی روی انسان‌ها مناسب تشخیص داده شده است.
راهبردهای پیشنهادی
فعالیت جمع‌آوری و تحلیل داده‌های مربوط به بیماری واگیردار در سطح کشور منوط به ضرورت تشکیل یک مدیریت یا دفتر تخصصی است به طوری که امروزه شرکت‌های بسیاری در سطح جهان این را کار انجام می‌دهند. البته اخیراً شورای عالی برنامه‌ریزی علوم پزشکی با تأسیس رشته «هوش مصنوعی در علوم پزشکی» در مقطع دکتری تخصصی موافقت کرده است که می‌تواند نویدبخش فعالیت‌های بهتری در این زمینه باشد. با توجه به وجود نیروی انسانی و زیر ساخت‌های نسبتاً مناسب، چنین مرکزی در ایران می‌تواند رصد و پایش کل منطقه خاورمیانه را نیز انجام دهد.
یکی از ضروریات بنیادین برای توسعه هوش مصنوعی، فراهم کردن داده‌های مناسب، با کیفیت و حجم کافی است. به همین دلیل ضروری است تا داده‌های تولید شده در حوزه درمانی و پزشکی در صورت امکان دیجیتالی شوند و با راه‌اندازی شبکه داده‌های دیجیتالی درمانی با یک فضای ابری، این داده‌ها برای کاربردهای مؤثر یکپارچه‌سازی شوند. در همین راستا راه‌اندازی شبکه ملی هوش مصنوعی در تصویربرداری پزشکی یکی از گام‌های بسیار مثبت و مؤثری است که خوشبختانه در حال پیگیری است.
یکی دیگر از ضروریات توسعه هوش مصنوعی درمانی، تربیت نیروی متخصص است. نیروی انسانی که هم در زمینه هوش مصنوعی اطلاعات کافی دارد و هم در زمینه‌های پزشکی و درمانی، همان‌طور که اشاره شد قرار است تا رشته‌ای تحت عنوان هوش مصنوعی در علوم پزشکی راه‌اندازی شود. این اقدام گرچه موثر و مثبت است اما با توجه به سرعت رشد فناوری‌های هوش مصنوعی قطعا کافی نیست. به نظر می‌رسد لازم است تا با پیش‌بینی مشوق‌های لازم، استارتاپ‌های بعد هم وارد این حوزه شوند.استفاده از متخصصان ایرانی در سطح جهان که در این حوزه فعالیت دارند. برای مثال می‌توان به دکتر مرضیه سلطان الکتابی و دکتر وحید بهزادان اشاره کرد که در دانشگاه نیوهیون ایالات متحده در حال انجام پژوهش‌های بسیار سطح بالایی هستند.
ادغام فناوری‌های هوش مصنوعی در حوزه پزشکی بیش از هر چیزی مستلزم تغییر نگاه جامعه پزشکی به این حرفه مهم و تاثیرگذار است. به بیان دیگر لازم است تا جامعه پزشکی ورود متخصصان حوزه دیگر (هوش مصنوعی، متخصصان داده و سایر رشته‌های مرتبط با هوش مصنوعی) به حوزه پزشکی را بپذیرند. این تغییر نگاه و تغییر فرهنگ، مستلزم آموزش‌ها و گفت‌وگوهای فراوانی است که بین صاحب نظران حوزه‌های مربوطه باید شکل بگیرد.
در حال حاضر در مورد بحران جاری کرونا نیز می‌توان از استارتاپ‌هایی که در حوزه پردازش متن فعالیت می‌کنند برای شناسایی وضعیت کلی شهروندان استفاده کرد. تحلیل داده‌های تولید شده در شبکه‌های پیام‌رسان و شبکه‌های اجتماعی می‌تواند بسیار راهگشا باشد.
استفاده از ربات‌های هوش مصنوعی برای مشاوره به شهروندان می‌تواند از جهت افزایش سطح اطلاعات، ایجاد آرامش روانی، جلوگیری از پخش شایعات و نیز جلوگیری از مراجعات غیرضروری مردم به بیمارستان‌ها بسیار موثر باشد. برای نمونه می‌توان ربات تلگرامی تشخیص کرونا اشاره کرد که از قضا با استقبال خوبی هم مواجه شد.
