أظهرت الدراسات الحديثة قدرة أنظمة الذكاء الاصطناعي على التشخيص الطبي للأمراض المهمة
أنظمة الذكاء الاصطناعي (AI) لقد كانت موجودة منذ بعض الوقت وأصبحت الآن أكثر ذكاءً وأفضل بمرور الوقت. AI له تطبيقات في مجالات متعددة وهو الآن جزء لا يتجزأ من معظم المجالات. يمكن أن يكون الذكاء الاصطناعي عنصرًا أساسيًا ومفيدًا طبي العلوم والبحوث حيث لديها إمكانات هائلة للتأثير على صناعة الرعاية الصحية.
الذكاء الاصطناعي في التشخيص الطبي؟
الوقت هو المورد الأكثر قيمة في الرعاية الصحية والتشخيص المبكر المناسب مهم جدًا للنتيجة النهائية للمرض. غالبًا ما تكون الرعاية الصحية عملية طويلة وتستهلك الكثير من الوقت والموارد، مما يؤدي إلى تأخير التشخيص الفعال وبالتالي تأخير العلاج الصحيح. AI يمكن أن يساعد في سد الفجوة بين التوفر وإدارة الوقت من قبل الأطباء من خلال دمج السرعة والدقة في تشخيص المرضى. يمكن أن يساعد في التغلب على القيود المفروضة على الموارد ومتخصصي الرعاية الصحية خاصة في البلدان المنخفضة والمتوسطة الدخل. الذكاء الاصطناعي هو عملية التعلم والتفكير تماما مثل البشر من خلال مفهوم يسمى التعلم العميق. يستخدم التعلم العميق مجموعات واسعة من عينات البيانات لإنشاء أشجار القرار بنفسه. ومن خلال هذا التعلم العميق، يمكن لنظام الذكاء الاصطناعي أن يفكر تمامًا مثل البشر، إن لم يكن أفضل، وبالتالي يمكن اعتبار الذكاء الاصطناعي مناسبًا لتنفيذ المهام الطبية. عند تشخيص المرضى، تستمر أنظمة الذكاء الاصطناعي في البحث عن الأنماط بين المرضى الذين يعانون من نفس الأمراض. وبمرور الوقت، يمكن لهذه الأنماط بناء أساس للتنبؤ بالأمراض قبل ظهورها.
في دراسة حديثة1 نشرت في الموبايل ، استخدمها الباحثون مصطنع تقنيات الذكاء والتعلم الآلي لتطوير أداة حسابية جديدة لفحص المرضى المصابين بأمراض الشبكية الشائعة ولكن المسببة للعمى ، مما قد يؤدي إلى تسريع التشخيص والعلاج. استخدم الباحثون شبكة عصبية قائمة على الذكاء الاصطناعي لمراجعة أكثر من 200,000 مسح للعين تم إجراؤها باستخدام تقنية غير جراحية تنعكس الضوء عن شبكية العين لإنشاء تمثيلات ثنائية وثلاثية الأبعاد للأنسجة. ثم استخدموا تقنية تسمى "نقل التعلم" حيث يتم تخزين المعرفة المكتسبة في حل مشكلة واحدة بواسطة جهاز كمبيوتر وتطبيقها على مشاكل مختلفة ولكنها ذات صلة. على سبيل المثال ، يمكن لشبكة عصبية AI مُحسَّنة للتعرف على الهياكل التشريحية المنفصلة للعين ، مثل شبكية العين أو القرنية أو العصب البصري ، تحديدها وتقييمها بسرعة وكفاءة أكبر عند فحص صور للعين بأكملها. تسمح هذه العملية لنظام الذكاء الاصطناعي بالتعلم تدريجيًا باستخدام مجموعة بيانات أصغر بكثير من الطرق التقليدية التي تتطلب مجموعات بيانات كبيرة مما يجعلها باهظة الثمن وتستغرق وقتًا طويلاً.
وركزت الدراسة على سببين شائعين للعمى الذي لا رجعة فيه والذي يمكن علاجه عند اكتشافه مبكرا. وتمت مقارنة التشخيصات المشتقة آليًا مع التشخيصات التي أجراها خمسة أطباء عيون قاموا بمراجعة نفس عمليات الفحص. بالإضافة إلى إجراء التشخيص الطبي، أصدرت منصة الذكاء الاصطناعي أيضًا توصية بالإحالة والعلاج وهو ما لم يتم القيام به في أي دراسة سابقة. ويعمل نظام الذكاء الاصطناعي المدرب هذا تمامًا مثل طبيب عيون مدرب جيدًا ويمكنه اتخاذ قرار في غضون 30 ثانية بشأن ما إذا كان ينبغي إحالة المريض للعلاج أم لا، بدقة تزيد عن 95 بالمائة. كما اختبروا أداة الذكاء الاصطناعي في تشخيص الالتهاب الرئوي لدى الأطفال، وهو السبب الرئيسي للوفاة في جميع أنحاء العالم بين الأطفال (أقل من 5 سنوات) بناءً على التحليلات الآلية للأشعة السينية للصدر. ومن المثير للاهتمام أن برنامج الكمبيوتر كان قادرًا على التمييز بين الفيروسي و بكتيريا الالتهاب الرئوي بدقة تزيد عن 90 بالمائة. وهذا أمر بالغ الأهمية لأنه على الرغم من أن الالتهاب الرئوي الفيروسي يتخلص منه الجسم بشكل طبيعي بعد مساره، إلا أن الالتهاب الرئوي الجرثومي من ناحية أخرى يميل إلى أن يشكل تهديدًا صحيًا أكثر خطورة ويتطلب علاجًا فوريًا بالمضادات الحيوية.
في قفزة كبيرة أخرى2 في أنظمة الذكاء الاصطناعي للتشخيص الطبي ، وجد العلماء أن الصور الملتقطة لشبكية العين يمكن تحليلها بواسطة خوارزميات التعلم الآلي أو برمجيات للتنبؤ بمخاطر القلب والأوعية الدموية من خلال تحديد الإشارات التي تدل على أمراض القلب. تم عرض حالة الأوعية الدموية في العين التي تم التقاطها في الصور للتنبؤ بدقة بالعمر والجنس والعرق وضغط الدم وأي نوبات قلبية سابقة وعادات التدخين وجميع هذه العوامل تتنبأ بشكل جماعي بالأمراض المرتبطة بالقلب لدى الفرد.
العين ككتلة معلومات
كانت فكرة النظر إلى صور العين لتشخيص الصحة موجودة منذ بعض الوقت. ثبت جيدًا أن الجدار الداخلي الخلفي للعين البشرية يحتوي على الكثير من الأوعية الدموية التي تعكس الصحة العامة للجسم. من خلال دراسة وتحليل مظهر هذه الأوعية الدموية بكاميرا وميكروسكوب ، يمكن التنبؤ بالكثير من المعلومات حول ضغط دم الفرد أو عمره أو مدخن أو غير مدخن وما إلى ذلك ، وهذه كلها مؤشرات مهمة لصحة قلب الفرد. . أمراض القلب والأوعية الدموية (CVD) هي السبب الأول للوفاة على مستوى العالم ويموت المزيد من الأشخاص بسبب الأمراض القلبية الوعائية مقارنة بأي مرض أو حالة أخرى. ينتشر هذا بشكل أكبر في البلدان المنخفضة والمتوسطة الدخل ويشكل عبئًا كبيرًا على الاقتصاد والبشرية. تعتمد مخاطر الإصابة بأمراض القلب والأوعية الدموية على العديد من العوامل مثل الجينات والعمر والعرق والجنس ، بالإضافة إلى التمارين والنظام الغذائي. يمكن الوقاية من معظم أمراض القلب والأوعية الدموية من خلال معالجة المخاطر السلوكية مثل استخدام التبغ والسمنة وقلة النشاط البدني والنظام الغذائي غير الصحي من خلال إجراء تغييرات كبيرة في نمط الحياة لمواجهة المخاطر المحتملة.
التشخيص الصحي باستخدام صور الشبكية
أظهرت هذه الدراسة التي أجراها باحثون في Google وشركة تكنولوجيا الصحة الخاصة بها Verily Life Sciences ، أنه تم استخدام خوارزمية الذكاء الاصطناعي على مجموعة بيانات كبيرة من صور شبكية العين لحوالي 280,000 مريض ، وقد تمكنت هذه الخوارزمية من التنبؤ بنجاح بعوامل الخطر على القلب في اثنين تمامًا مجموعات بيانات مستقلة لحوالي 12000 و 1000 مريض بدقة جيدة إلى حد معقول. استخدمت الخوارزمية صورة كاملة لشبكية العين لتحديد الارتباط بين الصورة وخطر الإصابة بنوبة قلبية. يمكن لهذه الخوارزمية أن تتنبأ بحدث قلبي وعائي بنسبة 70 في المائة من الوقت لدى المريض ، وفي الواقع كان يمكن تمييز المدخن وغير المدخن أيضًا في هذا الاختبار بنسبة 71 في المائة من الوقت. يمكن أن تتنبأ الخوارزمية أيضًا بارتفاع ضغط الدم الذي يشير إلى حالة قلبية وتتنبأ بضغط الدم الانقباضي - الضغط في الأوعية عندما ينبض القلب - ضمن نطاق معظم المرضى المصابين بارتفاع ضغط الدم أو بدونه. دقة هذا التوقع ، وفقًا للمؤلفين ، تشبه إلى حد بعيد فحص القلب والأوعية الدموية في المختبر ، حيث يتم سحب الدم من المريض لقياس مستويات الكوليسترول في الدم بالتوازي مع تاريخ المريض. تم نشر الخوارزمية في هذه الدراسة في طبيعة الهندسة الطبية الحيوية، على الأرجح يمكن أن يتنبأ أيضًا بحدوث حدث قلبي وعائي كبير - مثل نوبة قلبية.
كان أحد الجوانب المهمة والحاسمة للغاية لهذه الدراسات هو أن الكمبيوتر يمكنه معرفة المكان الذي يبحث فيه في الصورة للوصول إلى التشخيص ، مما يسمح لنا بفهم عملية التنبؤ. على سبيل المثال ، أظهرت الدراسة التي أجرتها Google بالضبط "أي أجزاء من شبكية العين" ساهمت في خوارزمية التنبؤ ، وبعبارة أخرى كيف كانت الخوارزمية تقوم بالتنبؤ. هذا الفهم مهم ليس فقط لفهم طريقة التعلم الآلي في هذه الحالة بالذات ، ولكن أيضًا لتوليد الثقة والإيمان بهذه المنهجية بأكملها من خلال جعلها شفافة.
التحديات
تأتي مثل هذه الصور الطبية مع تحدياتها لأن المراقبة ثم قياس الارتباطات بناءً على هذه الصور ليست مباشرة بسبب العديد من الميزات والألوان والقيم والأشكال وما إلى ذلك في هذه الصور. تستخدم هذه الدراسة التعلم العميق لاستخلاص الروابط والارتباطات والعلاقات بين التغيرات في التشريح البشري (التشكل الداخلي للجسم) والمرض بنفس الطريقة التي يفعل بها أخصائي الرعاية الصحية عندما يربط بين أعراض المرضى ومرض ما . تتطلب هذه الخوارزميات مزيدًا من الاختبارات قبل أن يمكن استخدامها في بيئة سريرية.
على الرغم من المناقشات والتحديات ، يتمتع الذكاء الاصطناعي بإمكانية هائلة لإحداث ثورة في تشخيص الأمراض وإدارتها من خلال إجراء التحليلات والتصنيفات التي تنطوي على كميات هائلة من البيانات التي يصعب على الخبراء البشريين. يوفر أدوات تشخيصية بديلة تعتمد على الصور سريعة وفعالة من حيث التكلفة وغير جراحية. ستكون العوامل المهمة لنجاح أنظمة الذكاء الاصطناعي هي قوة حسابية أعلى وخبرة أكبر لدى الناس. في المستقبل المحتمل ، يمكن تحقيق رؤى وتشخيصات طبية جديدة باستخدام الذكاء الاصطناعي دون توجيه بشري أو إشراف.
***
{يمكنك قراءة ورقة البحث الأصلية عن طريق النقر فوق ارتباط DOI الوارد أدناه في قائمة المصدر (المصادر) المذكورة}
المصدر (ق)
1. Kermany DS وآخرون. 2018. تحديد التشخيصات الطبية والأمراض التي يمكن علاجها عن طريق التعلم العميق القائم على الصور. زنزانة. 172 (5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. التنبؤ بعوامل الخطر القلبية الوعائية من صور قاع الشبكية عبر التعلم العميق. طبيعة الهندسة الطبية الحيوية. 2. https://doi.org/10.1038/s41551-018-0195-0
