پزشکان برای تحول هوش مصنوعی در حوزه پزشکی آماده هستند؟
تاریخ انتشار: ۱۶ مرداد ۱۴۰۲ | کد خبر: ۳۸۴۰۱۶۳۷
به گزارش خبرنگار خبرگزاری علم و فناوری آنا، هوش مصنوعی در حال تبدیل شدن به بخشی جدایی ناپذیر از تصمیم گیریهای پزشکی است، اما پزشکان باید درک خود از این ابزارها را برای استفاده بهینه افزایش دهند. توصیههای تخصصی خواستار آموزش هدفمند و رویکرد یادگیری عملی هستند.
همانطور که سیستمهای هوش مصنوعی مانند چت جیپیتی راه خود را برای استفاده در زندگی روزمره پیدا میکنند، پزشکان کم کم این ابزارها را در عمل بالینی خود خواهند دید تا به آنها در تصمیم گیریهای مهم تشخیص و درمان بیماریهای رایج پزشکی کمک کنند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
با این حال، براساس مقاله چشم انداز جدید منتشر شده در ۵ اوت در مجله پزشکی «نیوانگلند» که توسط اعضای هیات علمی دانشکده پزشکی دانشگاه مریلند نوشته شده است، موفقیت این فناوریهای جدید تا حد زیادی به نحوه تفسیر و عمل پزشکان به پیش بینی خطر یک ابزار بستگی دارد و این نیازمند مجموعهای منحصر به فرد از مهارتها است که بسیاری از آنها در حال حاضر فاقد آن هستند.
نقش الگوریتمهای پشتیبانی از تصمیم گیری بالینی
الگوریتمهای سیدیاس متنوع هستند و میتوانند نتایج مختلف را تحت شرایط عدم قطعیت بالینی پیش بینی کنند. آنها از ماشین حسابهای ریسک مشتق از رگرسیون تا سیستمهای پیچیده یادگیری ماشین و مبتنی بر هوش مصنوعی را شامل میشوند. چنین الگوریتمهایی میتوانند سناریوهایی مانند اینکه کدام بیماران در معرض بیشترین خطر مرگ ناشی از عفونت کنترل نشده هستند، یا کدام درمان به احتمال زیاد از مرگ ناگهانی در بیمار مبتلا به بیماری قلبی جلوگیری میکند را پیش بینی کنند.
دانیل مورگان، استاد اپیدمیولوژی بهداشت عمومی و یکی از نویسندگان این دیدگاه گفت: این فناوریهای جدید پتانسیل تاثیر قابل توجهی بر مراقبت از بیمار دارند، اما پزشکان باید قبل از اینکه بتوانند الگوریتمها را در عمل پزشکی خود بگنجانند، ابتدا یاد بگیرند که ماشینها چگونه فکر و کار میکنند.
چالشها چیست؟
در حالی که برخی از ابزارهای پشتیبانی از تصمیمگیری بالینی در سیستمهای پرونده پزشکی الکترونیکی گنجانده شدهاند، ارائه دهندگان مراقبتهای بهداشتی اغلب نرم افزار فعلی را سخت و دشوار میدانند. پزشکان نیازی به متخصص ریاضی یا کامپیوتر ندارند، اما باید درک پایهای از آنچه یک الگوریتم از نظر احتمال و تنظیم خطر انجام میدهد، داشته باشند، اما اغلب آنها هرگز در این مهارتها آموزش ندیده اند.
راه حلهای پیشنهادی برای یکپارچگی بهتر
برای پرداختن به این شکاف، آموزش پزشکی و آموزش بالینی نیاز به پوشش صریح استدلال احتمالاتی متناسب با الگوریتمهای سیدیاس دارند. دکتر مورگان، گودمن، و یکی از نویسندگان آنها، دکتر آدام رادمن، در مرکز پزشکی دیاکونس در بوستون، موارد زیر را پیشنهاد کردند:
بهبود مهارتهای احتمالاتی در اوایل مدرسه پزشکی، دانش آموزان باید جنبههای اساسی احتمال و عدم قطعیت را یاد بگیرند و از تکنیکهای تجسم سازی برای شهودیتر کردن تفکر برحسب احتمال استفاده کنند. این آموزش باید شامل تفسیر معیارهای عملکرد مانند حساسیت و ویژگی برای درک بهتر عملکرد تست و الگوریتم باشد.
خروجی الگوریتمی را در تصمیمگیری باید به پزشکان آموزش داده شود که پیشبینیهای سیدیاس را بهطور انتقادی ارزیابی کرده و در تصمیمگیری بالینی خود از آنها استفاده کنند. این آموزش شامل درک زمینهای است که الگوریتمها در آن عمل میکنند، شناسایی محدودیتها، و در نظر گرفتن عوامل بیمار مرتبطی است که الگوریتمها ممکن است ازدستداده باشند.
تمرین تفسیر پیشبینیهای سیدیاس در یادگیری کاربردی دانشجویان پزشکی و پزشکان میتوانند با استفاده از الگوریتمها برای بیماران منفرد و بررسی اینکه چگونه ورودیهای مختلف بر پیشبینیها تأثیر میگذارند، در یادگیری مبتنی بر عمل شرکت کنند. آنها همچنین باید یاد بگیرند که با بیماران در مورد تصمیمگیری با هدایت سیدیاس ارتباط برقرار کنند.
راهاندازی پژوهشکده محاسبات سلامت
دانشگاه مریلند، بالتیمور، دانشگاه مریلند، کالج پارک و سیستم پزشکی دانشگاه مریلند اخیراً برنامههایی را برای موسسه جدید محاسبات سلامت «آیاچسی» (IHC) آغاز کردهاند. دانشگاه مریلند از پیشرفتهای اخیر در هوش مصنوعی، پزشکی شبکهای و دیگر روشهای محاسباتی برای ایجاد یک سیستم مراقبت بهداشتی یادگیری برتر استفاده خواهد کرد که هم دادههای سلامت پزشکی دیجیتالی شده شناسایی نشده و هم ایمن را برای افزایش تشخیص، پیشگیری و درمان بیماری ارزیابی میکند. دکتر گودان در حال آغاز به کار در موسسه محاسبات سلامت است و به آموزش ارائهدهندگان مراقبتهای بهداشتی در مورد آخرین فناوریها میپردازد. این موسسه قصد دارد درنهایت گواهینامه علوم داده سلامت را در میان دیگر فرصتهای آموزشی رسمی در علوم داده ارائه دهد.
مارک تیگلادوین، معاون رئیس امور پزشکی، دانشگاه مریلند، بالتیمور، و جان زی و آکیکو کی گفت: ما در حال ورود به عصر تحولآفرین پزشکی هستیم که در آن ابتکارات جدیدی مانند موسسه محاسبات سلامت ما حجم عظیمی از دادهها را در سیستمهای یادگیری ماشین ادغام خواهد کرد تا مراقبت از بیمار شخصیسازی شود.
انتهای پیام/
منبع: آنا
کلیدواژه: هوش مصنوعی پزشکان فناوری تکنولوژی دانشگاه مریلند محاسبات سلامت تصمیم گیری تصمیم گیری گیری بالینی سی دی اس الگوریتم ها هوش مصنوعی پیش بینی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت ana.press دریافت کردهاست، لذا منبع این خبر، وبسایت «آنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۴۰۱۶۳۷ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
بهینهسازی مسیرها برای شرکتهای فعال ارسال مرسولات پستی در جایگاه نخست «رهآورد فناورانه»
عضو هیئت علمی دانشکده مهندسی صنایع دانشگاه صنعتی اصفهان گفت: ابتکار بهینهسازی مسیرها برای شرکتهای فعال در حوزه پخش و ارسال مرسولات پستی در رویداد «رهآورد فناورانه» بهعنوان برنامه جانبی دومین نمایشگاه حملونقل دانشبنیان در اصفهان مقام اول را کسب کرد.
مهدی علینقیان با حضور در غرفه خبرگزاری ایمنا در دومین نمایشگاه حملونقل دانشبنیان در گفتوگو با خبرنگار ایمنا با اشاره به اینکه در سومین روز از رویداد حملونقل دانشبنیان در رویداد رهآورد فناورانه مقام اول را کسب کردهایم، اظهار کرد: حوزه فعالیت شرکت لجستیک هوشمند پارس، بهینهسازی مسیرها برای شرکتهای فعال در حوزه پخش و ارسال مرسولات پستی است.
وی با بیان اینکه این شرکت در حال حاضر یک سری پروژه با شهرداری اصفهان برای جمعآوری زبالههای تر و خشک انجام دادهایم و نتایج مناسبی را به دست آوردیم، اضافه کرد: الگوریتمی که توسعه دادیم، الگوریتم توانمندی است که قادر به حل مسائل بهصورت بهینه در ابعاد بزرگ است و این موضوع مزیت رقابتی شرکت لجستیک هوشمند پارس شده است.
عضو هیئت علمی دانشکده مهندسی صنایع دانشگاه صنعتی اصفهان و عضو هیئت رئیسه شرکت لجستیک هوشمند پارس تصریح کرد: ما در این شرکت میتوانیم با بسیاری از شرکتهای دانش بنیان همکاری کنیم تا بتوانند هزینههای خود را با استفاده از این الگوریتم کاهش بدهند.
وی با تاکید بر اینکه این نرم افزار در حوزه مسیریابی وسایل نقلیه است، ادامه داد: مسئله مسیریابی وسایل نقلیه از سال ۱۹۶۰ به بعد در دنیا مطرح شده است و به مرور الگوریتمهای بهتری در این حوزه توسعه داده شده است.
علینقیان با بیان اینکه ما در این حوزه در دنیا دو رقیب داریم که در آمریکا و کانادا هستند، تاکید کرد: الگوریتمی که توسط این شرکت توسعه داده شده است، به میزان بسیاری از نظر عملکردی قابل رقابت با شرکتهای خارجی است و میتواند مسائل را در زمان بسیار کوتاهی حل کند که این موضوع دستاورد بسیار مهمی است.
وی با اشاره به اینکه استفاده از این الگوریتم از نظر استفاده برای شرکتهای حوزه پخش و حوزه ارسال مرسولات پستی میتواند بین ۲۰ تا ۳۰ درصد زمان سفر این شرکتها را کاهش دهد و ناوگان حمل آنها را ۱۰ تا ۱۵ درصد کاهش دهد، افزود: در حال رایزنی با یک سری شرکت هستیم که برای استفاده از این نرم افزار بتوانیم به آنها خدمترسانی کنیم.
کد خبر 750115