کاربرد هوش مصنوعی در مراقبت های پزشکی

کاربرد های پیشگامانه هوش مصنوعی در حوزه مراقبت های بهداشتی و پزشکی

هوش مصنوعی با کاهش زمان و هزینه در انجام کارهایی که معمولا توسط انسان‌ها انجام می‌شوند، می تواند به بیماران، پزشکان و مدیران بیمارستان‌ها کمک کند. ​

هوش مصنوعی به عنوان یکی از مهم ترین صنایع جهان، در سال ۲۰۱۴ حدود ۶۰۰ میلیون دلار ارزش داشت و پیش‌بینی می‌شود تا سال ۲۰۲۶ ارزش آن به ۱۵۰ میلیارد دلار برسد.

کاربردهای هوش مصنوعی در مراقبت‌های بهداشتی

​​​​​​​​هوش مصنوعی کاربردهای بی شماری در حوزه مراقبت‌های بهداشتی دارد. از هوش مصنوعی برای کشف ارتباط بین کدهای ژنتیکی، کنترل ربات‌های جراحی و یا حتی به حداکثر رساندن کارایی بیمارستان استفاده می شود و بدین صورت استفاده از هوش مصنوعی درصنعت بهداشت و درمان دستاوردی بزرگ در شاخه پزشکی بوده‌ است. ​

در حال حاضر هوش مصنوعی در حال تقویت مراقبت‌های بهداشتی مدرن از طریق تجهیز دستگاه‌هایی است که می‌توانند پیش‌بینی کنند، درک کنند، یاد بگیرند و عمل کنند. ​

در این مقاله ۳۵ مثال از کاربرد های هوش مصنوعی در مراقبت‌های بهداشتی را بررسی می­ کنیم.

استفاده از هوش مصنوعی برای تشخیص موثر و کاهش خطا

تشخیص پزشکی و کاهش خطا با هوش مصنوعی

​​​​​​​​در سال ۲۰۱۵، تشخیص نادرست بیماری و خطای پزشکی ۱۰ درصد از کل مرگ و میرهای آمریکا را به خود اختصاص داد. با توجه به این امر، وعده بهبود فرآیند تشخیص بیماری یکی از مهم ترین کاربردهای مراقبت‌های بهداشتی است.

​​​​​​​​سوابق پزشکی ناقص و ازدیاد پرونده ها می‌تواند منجر به خطاهای انسانی مرگبار شود. با توجه به این متغیرها، هوش مصنوعی می‌تواند بیماری را با سرعت بیشتری نسبت به بیشتر متخصصان پزشکی پیش‌بینی و تشخیص دهد. به عنوان مثال، در یک مطالعه، یک مدل هوش مصنوعی با استفاده از الگوریتم­ ها و یادگیری عمیق تشخیص سرطان سینه را با نرخ بالاتری نسبت به ۱۱ آسیب شناس تشخیص داد.

در ادامه شش شرکت که از محصولات هوش مصنوعی برای کاهش خطاها و نجات جان انسان‌ها استفاده می کنند را معرفی می کنیم.

۱- شرکت Viz.ai

مکان: سن دیگو، کالیفورنیا

در مراقبت‌های بهداشتی، تاخیرها می‌تواند منجر به مرگ شوند، بنابراین هوش مصنوعی Viz.ai به تیم‌های مراقبت کمک می‌کند تا از طریق هوش مصنوعی سریع‌تر برای درمان بیماران سریع تر واکنش نشان دهند. محصولات هوش مصنوعی این شرکت می‌توانند مشکلات را ردیابی کرده و به سرعت تیم‌های مراقبت را مطلع سازند و به آن ها این امکان را بدهد که درباره گزینه‌ها بحث کنند، تصمیمات درمانی سریعتری بگیرند و در نهایت زندگی‌ بیماران را نجات دهند.

۲- شرکت PathAI

​​​​​​​​مکان: کمبریج، ماساچوست

​​​​​​​​PathAI در حال توسعه فن‌آوری یادگیری ماشین برای کمک به آسیب‌شناسان در تشخیص دقیق‌تر است. اهداف فعلی این شرکت شامل کاهش خطا در تشخیص سرطان و توسعه روش‌هایی برای درمان پزشکی فردی است. ​

PathAI با داروسازانی مانند بریستول-مایرز اسکویب و سازمان‌هایی مانند بنیاد بیل و ملیندا گیتس برای گسترش فن‌آوری هوش مصنوعی خود به دیگر صنایع مراقبت‌های بهداشتی همکاری دارد. ​

۳- شرکت Buoy Health

​​​​​​​​مکان: بوستون، ماساچوست

 Buoy Health یک ابزار مبتنی بر هوش مصنوعی برای تشخیص و کنترل است که از الگوریتم ­ها برای تشخیص و درمان بیماری استفاده می‌کند. نحوه کار آن به این صورت است: یک ربات چت به علائم بیماری و نگرانی‌ های سلامتی بیمار گوش می‌دهد، سپس آن بیمار را براساس تشخیص خود به مراقبت صحیح راهنمایی می‌کند. ​

دانشکده پزشکی هاروارد تنها یکی از بیمارستان‌ها و ارائه دهندگان خدمات بهداشتی است که از هوش مصنوعی  Buoy Health برای تشخیص و درمان سریع‌تر بیماران استفاده می‌کند. ​

۴- شرکت Enlitic

مکان: سان‌فرانسیسکو، کالیفرنیا

​​​​​​​​Enlitic ابزارهای پزشکی یادگیری عمیق را برای ساده کردن تشخیص رادیولوژی توسعه می‌دهد. بستر یادگیری عمیق شرکت، داده‌های پزشکی بدون ساختار (‏تصاویر رادیولوژی، آزمایش‌ها خون، EKG ها، ژنومیک، تاریخچه پزشکی بیمار) ‏را تحلیل می‌کند تا به پزشکان بینش بهتری نسبت به نیازهای واقعی بیمار بدهد. ​

دانشگاه MIT، شرکت Enlitic را به عنوان پنجمین شرکت هوشمند هوش مصنوعی در جهان معرفی کرد که بالاتر از فیسبوک و مایکروسافت رتبه‌بندی شده‌است. ​

۵- شرکت Freenome

مکان: سان‌فرانسیسکو، کالیفرنیا

Freenome از هوش مصنوعی در غربالگری، تست‌های تشخیصی و آزمایش خون برای تست سرطان استفاده می‌کند. با استقرار هوش مصنوعی در نمایش عمومی، Freenome قصد دارد سرطان را در اولین مراحل شناسایی کند و متعاقبا درمان‌های جدید را توسعه دهد. ​

۶- شرکت Beth Medical Center

مکان: بوستون، ماساچوست

بخش مرکز پزشکی Beth Medical Center در بیمارستان آموزشی دانشگاه هاروارد، از هوش مصنوعی برای تشخیص بیماری‌های خونی بالقوه و کشنده در مراحل اولیه استفاده می‌کند. ​

پزشکان از میکروسکوپ‌های تقویت‌شده با هوش مصنوعی برای اسکن باکتری‌های مضر (مانند E. coli و استافیلوکوک) در نمونه‌های خون با سرعتی سریع‌تر از اسکن دستی استفاده می‌کنند. دانشمندان از ۲۵۰۰۰ تصویر از نمونه‌های خون استفاده کردند تا به ماشین‌ها یاد بدهند که چگونه به دنبال باکتری بگردند. سپس این ماشین‌ها یاد گرفتند که چگونه باکتری‌های مضر را در خون با دقت ۹۵ % شناسایی و تشخیص دهند.

توسعه داروهای جدید با هوش مصنوعی

کشف دارو با هوش مصنوعی

​​​​​​​​صنعت توسعه دارو با افزایش سرسام‌آور هزینه‌های توسعه و تحقیقاتی که هزاران ساعت به طول می‌انجامد، دچار رکود شده‌است. قرار دادن هر دارو در آزمایش‌های بالینی حدود ۲.۶ میلیارد دلار هزینه دارد، و تنها ۱۰ درصد از این داروها با موفقیت وارد بازار می‌شوند. با توجه به پیشرفت‌های صورت‌گرفته در فناوری، شرکت‌های زیست دارویی به سرعت متوجه بهره‌وری، دقت و دانشی می‌شوند که هوش مصنوعی می‌تواند فراهم کند. ​

یکی از بزرگ‌ترین پیشرفت‌های هوش مصنوعی در توسعه دارو در سال ۲۰۰۷ رخ داد زمانی که محققان یک ربات به نام Adam را با تحقیق در مورد عملکردهای مخمر مامور کردند. Adam میلیاردها نقطه داده را در پایگاه‌های داده عمومی جستجو کرد تا در مورد وظایف ۱۹ ژن در مخمر و پیش‌بینی ۹ فرضیه جدید و دقیق، فرضیات خود را مطرح کند. همچنین یک ربات دیگر به نام Eve کشف کرد که تریکلوسان، یکی از مواد اولیه رایج در خمیر دندان، می‌تواند با انگل‌های ناشی از مالاریا مبارزه کند. ​

در ادامه ۶ شرکت که برای توسعه موج بعدی دارو ها به هوش مصنوعی تکیه می‌کنند را معرفی می کنیم.

۱- شرکت BioXcel Therapeutics

مکان: نیوهیون، کانکتیکات

BioXcel Therapeutics از هوش مصنوعی برای شناسایی و توسعه داروهای جدید در زمینه‌های ایمونوانکولوژی و عصب‌شناسی استفاده می‌کند. علاوه بر این، برنامه نوآوری مجدد دارویی این شرکت از هوش مصنوعی برای یافتن کاربردهای جدید برای داروهای موجود یا شناسایی بیماران جدید استفاده می‌کند.

کار BioXcel Therapeutics در توسعه داروهای مبتنی بر هوش مصنوعی به عنوان یکی از “نوآورانه ترین پیشرفت‌های هوش مصنوعی مراقبت‌های بهداشتی در سال ۲۰۱۹” نام گذاری شد. ​

۲- شرکت Berg

​​​​​​​​مکان: فرامینگهام، ماساچوست

BERG یک بستر بیوتکنولوژی مبتنی بر هوش مصنوعی است که بیماری‌ها را برای تسریع کشف و توسعه داروهای پیشرفته نگاشت می‌کند. BERG با ترکیب رویکرد زیست شناسی پرسشی-نژادی با تحقیق و توسعه متداول، شرکت BERG می‌تواند هوش مصنوعی های قوی­تری برای محصولات را ایجاد کند که با بیماری‌های نادر مبارزه می‌کنند. ​

BERG اخیرا یافته‌هایش را در مورد درمان بیماری پارکینسون – که آن‌ها از هوش مصنوعی برای پیدا کردن ارتباط بین مواد شیمیایی بدن انسان که قبلا ناشناخته بودند – در کنفرانس علوم اعصاب ۲۰۱۸ ارائه کرده‌است. ​

۳- شرکت XtalPi

​​​​​​​​مکان: کمبریج، ماساچوست

پلتفرم ID4 شرکت XtalPi ترکیب هوش مصنوعی، پردازش ابری و فیزیک کوانتوم است که ویژگی‌های شیمیایی و دارویی مولکول‌های کوچک را برای طراحی و توسعه دارو پیش‌بینی می‌کند. علاوه بر این، شرکت XtalPi ادعا می‌کند که تکنولوژی پیش‌بینی ساختار بلوری خود (‏معروف به پیش‌بینی پلی مورف) ‏سیستم‌های مولکولی پیچیده را در روزها به جای هفته‌ها یا ماه‌ها پیش‌بینی می‌کند.

سرمایه گذاران بزرگ XtalPi عبارتند از گوگل، Tencent و Sequoia Capital.

​​​​​​​​۴- شرکت Atomwise

​​​​​​​​موقعیت: سان‌فرانسیسکو، کالیفرنیا

Atomwise از هوش مصنوعی برای مقابله با برخی از مهم‌ترین بیماری‌های جدی از جمله ابولا و مالتیپل اسکلروزیس استفاده می‌کنند. ​

شبکه عصبی این شرکت به نام ” AtomNet”، به پیش‌بینی فعالیت زیستی و شناسایی ویژگی‌های بیمار برای آزمایش‌ها بالینی کمک می‌کند. تکنولوژی هوش مصنوعی Atomwise هر روز بین ۱۰ تا ۲۰ میلیون ترکیب ژنتیکی را نمایش می‌دهد و بنا بر گزارش‌ها می‌تواند نتایج را ۱۰۰ برابر سریع‌تر از شرکت‌های داروسازی سنتی ارائه دهد. ​

​​​​۵- شرکت Deep Genomics

​​​​​​​​مکان: تورنتو، کانادا

بستر هوش مصنوعی Deep Genomics به محققان کمک می‌کند تا ترکیب هایی را برای داروهای تکاملی مرتبط با اختلالات عصبی – عضلانی و تحلیل عصبی بیابند. پیدا کردن کاندیدهای مناسب در طول توسعه دارو از نظر آماری شانس موفقیت در گذراندن آزمایش‌ها بالینی را افزایش داده و در عین حال زمان و هزینه بازار را نیز کاهش می‌دهد. ​

Deep Genomics همچنین بر روی “پروژه زحل” کار می‌کند، که بیش از ۶۹ میلیارد ترکیب سلولی مختلف را تجزیه و تحلیل می‌کند و به محققان بازخورد می‌دهد. ​

۶- شرکت BenevolentAI

​​​​​​​​مکان: لندن، انگلستان

هدف اصلی BenevolentAI ارائه درمان مناسب برای بیماران در زمان مناسب با استفاده از هوش مصنوعی است تا برای انتخاب هدف بهتر و فراهم کردن بینش‌هایی که قبلا کشف نشده اند از یادگیری عمیق استفاده کند. ​

BenevolentAI برای کسب مجوز دارو با گروه‌های دارویی مطرح همکاری می‌کند و همچنین برای توسعه آسان داروهای قابل حمل و نقل برای بیماری‌های نادر همکاری می‌کنند. ​

بهبود تجربه بیمار با هوش مصنوعی

بهبود تجربه بیماران با هوش مصنوعی

​​​​​​​​در صنعت مراقبت‌های بهداشتی، زمان پول است. ارائه یک تجربه آرامش بخش به بیمار، به بیمارستان‌ها، کلینیک‌ها و پزشکان این امکان را می‌دهد تا بیماران بیشتری را به صورت روزانه درمان کنند. ​

بیمارستان‌های ایالات‌متحده در سال ۲۰۱۶ میزبان بیش از ۳۵ میلیون بیمار بودند که هر یک از آن‌ها بیماری‌های مختلف، پوشش بیمه و شرایطی داشتند که در ارائه خدمات نقش داشتند. یک مطالعه در سال ۲۰۱۶ روی ۳۵،۰۰۰ بررسی پزشک نشان داد که ۹۶ % از شکایات بیماران مربوط به صعف ارائه خدمات به مشتری، سردرگمی در مورد کاغذبازی و تجربیات منفی مربوط به پذیرش است. ​

نوآوری‌های جدید در فناوری بهداشت و درمان با استفاده از هوش مصنوعی، تجربه بیمار را ساده‌تر کرده، و به پرسنل بیمارستان کمک می‌کنند تا میلیون ­ها یا میلیارد ها نقطه داده را سریع‌تر و کارآمدتر پردازش کنند.

ما در ادامه ده مثال از نحوه کمک هوش مصنوعی به مراکز درمانی برای مدیریت بهتر جریان بیمار را ارائه کرده‌ایم.

۱- شرکت Babylon

مکان: آستین، تگزاس

شرکت Babylon در یک ماموریت برای بازمهندسی فرایند های مراقبت‌های بهداشتی با تغییر نگرش از مراقبت بیماران به جلوگیری از بیماری در وهله اول است که منجر به حفظ سلامت بهتر و کاهش هزینه‌های مربوط به سلامت می‌شود.

این بستر یک موتور هوش مصنوعی ایجاد شده توسط پزشکان باتجربه و دانشمندان ماهر یادگیری عمیق است که یک کنترل‌کننده علایم تعاملی را اداره می‌کند و به علائم شناخته‌شده و عوامل خطر برای ارائه اطلاعات پزشکی به روز و آگاهانه کمک می‌کند. علاوه بر این، بستر سلامت Babylon، یک سیستم نظارت بر سلامت را برای کمک به افراد برای سالم ماندن در بازه های طولانی تری را نشان می‌دهد. ​

۲- شرکت Spring Health

مکان: نیویورک

Spring Health یک راهکار قدرتمند برای سلامت روانی ارائه می‌دهد که کارفرمایان می‌توانند برای تامین منابع مورد نیاز برای کنترل سلامت روانی کارمندان خود از آن استفاده کنند. فن‌آوری قدرتمند و معتبر بالینی با جمع‌آوری یک مجموعه داده جامع از هر فرد و مقایسه آن با صدها هزار نقطه داده دیگر کار می‌کند. سپس این بستر از یک مدل یادگیری ماشین استفاده می‌کند تا آن‌ها را با متخصص مناسب برای مراقبت‌های شخصی یا قرار ملاقات پزشکی از راه دور ارتباط دهد. ​

 ۳- شرکت One Drop

مکان: نیویورک

One Drop یک راه‌حل کامل و محتاطانه برای مدیریت بیماری‌های مزمن مانند دیابت، سلامت قلب و فشار خون، و همچنین مدیریت وزن فراهم می‌کند. اپلیکیشن One Drop به مردم این امکان را می‌دهد که ابتدا شرایط خود را مدیریت کنند، و سپس با پیگیری تعاملی از سوی متخصصان واقعی، بر اساس قرائت‌های گرفته‌شده از دستگاه گلوکز خوان بلوتوثی One Drop ، پیش‌بینی های مربوط به گلوکز خون را با استفاده از هوش مصنوعی و علم داده، ارائه دهند. ​

۴- شرکت Kaia Health

مکان: بروکلین، نیویورک

شرکت Kaia Health یک بستر درمانی دیجیتال را ارائه می‌کند که فیزیوتراپ های واقعی را برای ارائه مراقبت‌های فیزیکی مورد نیاز مردم بر اساس برنامه زمانی، مشخص می‌کند. این بستر شامل برنامه‌های شخصی با بررسی موردی، روال‌های ورزشی، فعالیت‌های تمدد اعصاب و منابع یادگیری است که همگی در داخل آن قرار دارند، و برای درمان کمر، گردن، شانه، آرنج، لگن، زانو و… عالی هستند. ​

علاوه بر مربیان و متخصصان، Kaia Health دارای یک مربی بازخورد خودکار درجه PT است که از فناوری هوش مصنوعی برای اطمینان از ارائه بهترین مراقبت ممکن به بیماران استفاده می ­کند. Kaia Health به عنوان ابزاری برای کمک به متخصصان برجسته پزشکی یا به عنوان یک مزیت ارائه شده توسط کارفرمایان در دسترس است.

۵- شرکت Twin Health

​​​​​​​​مکان: کالیفرنیا

Twin Health یک روش جامع رسیدگی و پاسخگویی به شرایط مزمن مانند دیابت نوع ۲ از طریق ترکیبی از فن‌آوری های اینترنت اشیا، هوش مصنوعی، علم داده و علوم پزشکی است. این شرکت یک نمای دینامیک و دیجیتال از عملکرد متابولیک انسان ایجاد می کند که از طریق هزاران نقطه داده مربوط به سلامت، فعالیت‌های روزانه و اولویت‌های شخصی را مشخص می کند. ​

سرویس Twin این شرکت به ارائه تغذیه شخصی و دقیق، خواب، فعالیت و راهنمایی تنفس به هر یک از اعضا به همراه راهنمایی مدیریت دارو به پزشکان و ایجاد هدف گذاری برای ارائه مراقبت بهداشتی با دقت کافی جهت مقابله با بیماری‌های مزمن بالقوه، ارائه می کند. ​

۶- شرکت Olive

مکان: کلمبوس، اوهایو

بستر هوش مصنوعی Olive برای خودکار کردن کارهای تکراری صنعت مراقبت‌های بهداشتی طراحی شده‌است و به مدیران اجازه می دهد تا بر روی کارهای سطح بالاتر کار کنند. این بستر همه چیز از بررسی واجد شرایط بودن گرفته تا ادعاها و انتقال داده بدون قضاوت را خودکار سازی می کند تا کارکنان بتوانند بر ارائه خدمات بهتر به بیمار تمرکز کنند. ​

سرویس هوش مصنوعی Olive به راحتی با نرم‌افزار و ابزار موجود یک بیمارستان ادغام می‌شود و باعث کاهش هزینه های تمام شده می شود. ​

۷- شرکت Qventus

​​​​​​​​مکان: کالیفرنیا ​​​​​​ 

Qventus یک بستر نرم‌افزاری مبتنی بر هوش مصنوعی است که چالش‌های عملیاتی، از جمله چالش‌های مربوط به اتاق‌های اورژانس و ایمنی بیمار را حل می‌کند. بستر خودکار این شرکت بیماری و جراحت بیمار را اولویت‌بندی می‌کند، نوبت دهی بیمارستان را پی‌گیری می‌کند و حتی می‌تواند سریع‌ترین مسیرهای آمبولانس را مشخص کند. ​

۸- کلینیک کلیولند

​​​​​​​​مکان: کلیولند، اوهایو

کلینیک کلیولند با کمپانی IBM همکاری می کند تا قابلیت‌های فناوری اطلاعات خود را با هوش مصنوعی ادغام کند. ​

این بیمارستان مشهور جهانی از هوش مصنوعی برای جمع‌آوری اطلاعات تریلیون‌ها نقطه داده ثبت سلامت و اداری استفاده می‌کند تا تجربه بیماران را ساده تر کند. این پیوند هوش مصنوعی و داده‌ها به بیماران کلینیک کلیولند کمک می‌کند تا برنامه‌های درمانی را به صورت فردی شخصی سازی کنند. ​​​​​​​​

۹- بیمارستان جان هاپکینز

​​​​​​​​مکان: بالتیمور، مریلند

بیمارستان جان‌هاپکینز اخیرا مشارکت خود را با شرکت GE برای استفاده از تکنیک‌های پیشگویانه هوش مصنوعی جهت بهبود کارایی جریان عملیاتی بیمار اعلام کرده‌است. ​

یک گروه عملیاتی با استفاده از هوش مصنوعی به سرعت فعالیت های این بیمارستان را با هدف خدمات رسانی بهتر به بیماران اولویت‌بندی کرد. از زمان اجرای این برنامه، این مرکز شاهد ۶۰ % بهبود در توانایی پذیرش بیماران و ۲۱ % افزایش در ترخیص بیماران قبل از ظهر بوده‌است که منجر به تجربه مثبت و سریع‌تر بیماران شده‌است.

۱۰- شرکت CloudMedx

​​​​​​​​مکان: سان‌فرانسیسکو، کالیفرنیا

CloudMedX از یادگیری ماشین برای ایجاد بینشی برای بهبود تجربه بیمار در سیستم بهداشت و درمان استفاده می‌کند. ​

فن‌آوری این شرکت به بیمارستان‌ها و کلینیک‌ها کمک می‌کند تا داده‌های بیمار، تاریخچه بالینی و اطلاعات پرداخت را با استفاده از تحلیل پیشگویانه برای بهبود روند مراقبت از بیمار استفاده کنند. ارائه دهندگان مراقبت‌های بهداشتی می‌توانند از این بینش‌ها برای پیشبرد موثر روند کار بیماران در سیستم بدون دردسر و سردرگمی استفاده کنند. ​

استخراج و مدیریت داده‌های پزشکی با هوش مصنوعی

بهبود تجربه بیمار با هوش مصنوعی

​​​​​​​​مراقبت‌های بهداشتی به طور گسترده به عنوان یکی از حوزه های مهم کلان داده ها شناخته می‌شود. اطلاعات بسیار ارزشمند این حوزه گاهی اوقات می‌تواند در میان تریلیون‌ها نقطه داده گم شود و صنعت بهداشت و مراقبت های پزشکی از این طریق در حدود ۱۰۰ میلیارد دلار در سال از دست بدهد. علاوه بر این، ناتوانی در اتصال نقاط داده مهم، توسعه داروهای جدید، داروهای پیشگیرانه و تشخیص مناسب را کند می‌کند. ​

بسیاری از افراد در بخش مراقبت‌های بهداشتی به هوش مصنوعی به عنوان راهی برای جلوگیری از هدر رفت داده‌ها روی می‌آورند. این فناوری مخازن داده را از هم می‌پاشد و در عرض چند دقیقه اطلاعاتی را به هم متصل می‌کند که بدون استفاده از هوش مصنوعی سال‌ها طول می‌کشد تا پردازش شوند. ​

در اینجا هفت مثال از شرکت‌های هوش مصنوعی که به صنعت مراقبت‌های بهداشتی کمک می‌کنند تا از اقیانوس داده‌ها بهره ببرند، آورده شده‌است. ​

۱- شرکت Tempus

​​​​​​​​موقعیت: شیکاگو، ایلینویز

​​​​​​​​ Tempus از هوش مصنوعی برای تحلیل بزرگ‌ترین مجموعه داده‌های بالینی و مولکولی جهان به منظور شخصی سازی درمان و مراقبت‌های بهداشتی استفاده می‌کند. این شرکت در حال توسعه ابزارهای هوش مصنوعی است که داده‌ها را در همه چیز از توالی ژنتیکی گرفته تا تشخیص تصاویر، جمع‌آوری و تحلیل می‌کند که می‌تواند دیدگاه‌های بهتری نسبت به درمان به پزشکان بدهد. ​

Tempus در حال حاضر از داده‌های هوش مصنوعی خود برای مقابله با تحقیقات و درمان سرطان استفاده می‌کند.

۲- کمپانی IBM

​​​​​​​​مکان: آرمونک، نیویورک

هنگامی که هوش مصنوعی واتسون شرکت IBM به متخصصان مراقبت های بهداشتی کمک می کند تا از داده های خود برای بهینه سازی کارایی بیمارستان، تعامل بهتر با بیماران و بهبود درمان استفاده کنند.

واتسون مهارت های خود را در همه چیز از توسعه برنامه های سلامت شخصی گرفته تا تفسیر نتایج آزمایش های ژنتیکی و تشخیص علائم اولیه بیماری به کار می گیرد.

۳- شرکت KenSci

​​​​​​​​مکان: سیاتل، واشنگتن

KenSci داده‌های کلان و هوش مصنوعی را با هم ترکیب می‌کند تا با گرفتن داده ها از منابع موجود، ریسک بالینی، مالی و عملیاتی را پیش‌بینی کند و همه چیز از کسانی که ممکن است بیمار شوند تا هزینه‌های مراقبت‌های بهداشتی بیمارستان را بهبود بخشند را پیش‌بینی کند. ​

KenSci با برخی از بزرگ‌ترین نام‌ها در علم فن‌آوری و داده، از جمله GE و KPMG و Allscripts و مایکروسافت، همکاری کرده‌است. ​

۴- شرکت Proscia

​​​​​​​​مکان: فیلادلفیا، پنسیلوانیا

Proscia یک بستر آسیب‌شناسی دیجیتال است که از هوش مصنوعی برای تشخیص الگوها در سلول‌های سرطانی استفاده می‌کند. نرم‌افزار این شرکت به آزمایشگاه‌های پاتولوژی کمک می‌کند تا ضعف های مدیریت داده‌ها را از بین ببرند و از تحلیل تصاویر با استفاده از هوش مصنوعی برای اتصال نقاط داده‌ هایی که به کشف و درمان سرطان کمک می‌کنند، استفاده می‌کند.​ ​

 ۵- شرکت H2O.ai

مکان: کالیفرنیا

هوش مصنوعی H2O.ai داده‌ها را در سراسر سیستم مراقبت بهداشتی برای استخراج، خودکار سازی و پیش‌بینی فرآیندها تجزیه و تحلیل می‌کند. از این هوش مصنوعی برای پیش‌بینی فرایند انتقال‌ بیمار به ICU، بهبود جریان کار بالینی و حتی اشاره به خطر عفونت‌های بیمارستانی بیمار استفاده می شود. ​

با استفاده از از هوش مصنوعی این شرکت برای استخراج داده‌های سلامت، بیمارستان‌ها می‌توانند عفونت خونی را پیش‌بینی و شناسایی کنند، که در نهایت میزان مرگ و میر را کاهش می‌دهد. ​

۶- شرکت Deepmind

​​​​​​​​مکان: لندن، انگلستان

سیستم هوش مصنوعی Deepmind گوگل توسط بیمارستان‌های سراسر جهان برای کمک به بیماران از مرحله آزمایش تا درمان استفاده می‌شود.

برنامه Deepmind پزشکان را در هنگام به خطر افتادن سلامت بیمار آگاه می‌کند و حتی می‌تواند با ترکیب مجموعه داده‌های گسترده برای نشانه‌های قابل‌مقایسه، به تشخیص بیماری‌ها کمک کند. با جمع‌آوری علائم یک بیمار و قرار دادن آن‌ها در برنامه Deepmind، پزشکان می‌توانند به سرعت و به طور موثرتر تشخیص بیماری را انجام دهند.

۷- شرکت iCarbonX

​​​​​​​​مکان: شنژن، چین

iCarbonX از هوش مصنوعی و داده‌های کلان برای بررسی دقیق‌تر زندگی انسان از طریق شیوه‌ای که آن‌ها به عنوان “زندگی دیجیتال” توصیف می‌کنند، استفاده می‌کند. ​

شرکت امیدوار است که با تجزیه و تحلیل کلان داده های سلامت انسان‌ها در سامانه ابری خود، هوش مصنوعی آن ها آنقدر قدرتمند شود که بتواند تمام جنبه‌های سلامت را مدیریت کند. iCarbonX معتقد است که فن‌آوری آن ها می‌تواند داده‌های کافی را برای طبقه‌بندی بهتر علائم، توسعه گزینه‌های درمانی و سالم‌تر کردن زندگی مردم جمع‌آوری کند. ​

جراحی با کمک ربات هوش مصنوعی

 ربات جراحی با هوش مصنوعی

​​​​​​​استفاده از هوش مصنوعی در جراحی به کمک ربات ها به شدت در حال افزایش است. بیمارستان‌ها از ربات‌ها برای کمک در بخش های مختلف استفاده می‌کنند؛ از عملیات های کم خطر گرفته تا جراحی قلب باز. ربات‌ها به پزشکان کمک می‌کنند تا عمل های پیچیده را با دقت، انعطاف‌پذیری و کنترلی که فراتر از توانایی‌های انسان است، انجام دهند. ​

ربات‌های مجهز به دوربین، بازو های مکانیکی و ابزارهای جراحی، تجربه، مهارت و دانش پزشکان را برای ایجاد نوع جدیدی از جراحی افزایش می‌دهند. جراحان بازوهای مکانیکی را با نشستن پشت کنسول کامپیوتری کنترل می‌کنند. ربات یک نمای سه‌بعدی و بزرگ از محل جراحی به دکتر ارائه می‌دهد آن هم در شرایطی که جراحان نمی‌توانند تنها به توانایی چشم‌های خود تکیه کنند. سپس جراح اعضای دیگر تیم را هدایت می‌کند که از نزدیک با ربات در طول کل عمل جراحی کار می‌کنند. ​

جراحی‌هایی که به کمک ربات انجام می شوند منجر به عوارض کم‌تر جراحی، درد کم‌تر و زمان ریکاوری سریع‌تر شده‌اند. نگاهی به شش مثال از نحوه بکار گیری از ربات ها در فرایند جراحی بیندازیم. ​

۱- شرکت Vicarious Surgical

​​​​​​​​مکان: چارلستون، ماساچوست

Vicarious Surgical واقعیت مجازی را با ربات‌های دارای هوش مصنوعی ترکیب می‌کنند تا جراحان بتوانند عمل های جراحی کم خطر را انجام دهند. با استفاده از تکنولوژی این شرکت، جراحان می‌توانند به طور مجازی بدن بیمار را شکافته و با جزئیات بیشتر در آن را بررسی کنند. ​

تکنولوژی موفق شرکت Vicarious Surgical بیل گیتس ‏رئیس سابق مایکروسافت را تحت تاثیر قرار داده تا در این شرکت سرمایه‌گذاری کند. ​

۲- شرکت Auris Health

مکان: شهر ردوود، کالیفرنیا

Auris Health انواع مختلفی از ربات‌ها را توسعه می‌دهد که برای بهبود آندوسکوپی با استفاده از آخرین ابزار و تجهیزات میکرو، طراحی اندوسکوپ، علم داده و هوش مصنوعی طراحی شده‌اند. در نتیجه، پزشکان هم از دیدگاه فیزیکی و هم از دیدگاه داده، دیدگاه روشن تری نسبت به بیماری بیمار دارند. ​

این شرکت در حال توسعه ربات‌های هوش مصنوعی برای مطالعه سرطان ریه است، با این هدف که روزی بتواند آن را درمان کند.​​​​​​

۳- شرکت Accuray

​​​​​​​​مکان: سانی ویل، کالیفرنیا

سیستم Accuray CyberKnife از بازوهای رباتیک برای درمان دقیق تومورهای سرطانی در سراسر بدن استفاده می‌کند. پزشکان و جراحان با استفاده از قابلیت‌های ردیابی تومور در زمان واقعی، قادر به درمان نواحی آسیب‌دیده به جای کل بدن هستند. ​

این ربات از فناوری حسگر حرکتی ۶ بعدی برای ردیابی و مقابله با تومورهای سرطانی و در عین حال حفظ بافت های سالم استفاده می کند.

۴- شرکت Intuitive Surgical

​​​​​​​​مکان: سان‌فرانسیسکو، کالیفرنیا

پلتفرم داوینچی این شرکت در صنعت جراحی رباتیک پیشگام شده‌ است. اولین دستیار جراحی رباتیک که توسط FDA تایید شد، دوربین، بازوهای رباتیک و ابزارهای جراحی را برای کمک به عمل های جراحی کم خطر ارائه می کند. ​

پلتفرم داوینچی به طور مداوم در حال کسب اطلاعات و ارائه تجزیه و تحلیل به جراحان برای بهبود جراحی‌های آینده است. تا کنون، داوینچی به بیش از پنج میلیون عمل کمک کرده‌است.

۵- دانشگاه کارنگی ملون

​​​​​​​​مکان: پیتسبرگ، پنینسپان

بخش رباتیک در دانشگاه کارنگی ملون یک ربات مینیاتوری متحرک را توسعه داده‌است که برای تسهیل درمان قلب طراحی شده‌است. ​

این ربات کوچک تحت کنترل پزشک از طریق یک شکاف کوچک وارد سینه می‌شود و به مکان‌های خاصی از قلب هدایت می‌شود و از این طریق به درمان قلب کمک می‌کند.

۶- شرکت MicroSure

​​​​​​​​مکان: ایندهون، هلند

ربات‌های MicroSure به جراحان کمک می‌کنند تا بر محدودیت‌های فیزیکی پزشکان جراح غلبه کنند. ​

گزارش‌ها حاکی از آن است که سیستم تثبیت‌کننده حرکت این شرکت عملکرد و دقت را در طول عمل های جراحی بهبود می‌بخشد. در حال حاضر، هشت ربات MicroSure برای عمل های سیستم لنفاوی تایید شده است. ​​​​​​​​​

بیشتر بخوانید :

منبع Builtin

درباره‌ی سیده مژگان علوی

همچنین ببینید

چارچوب های یادگیری عمیق

برترین چارچوب های یادگیری عمیق که در سال ۲۰۲۲ باید با آن آشنا باشید

در دنیای امروزه، ارگان ها و شرکت های بسیاری با استفاده از فناوری یادگیری ماشین …

یک نظر

  1. عالی بود 😍

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.