الرئيسيةعريقبحث

الذكاء الاصطناعي في المجال الصحي

☰ جدول المحتويات

اشعة سينية ليد، وتظهر الحسابات الاوتوماتيكية للعمر العظمي بواسطة برنامج حاسوبي.

الذكاء الاصطناعي { بالانجليزية: Artificial Intelligence } في القطاع الصحي هو استعمال الخوارزمات و البرامج لتحسين وتقريب معرفة الانسان في تحليل البيانات الطبية المعقدة. بالتحديد، الذكاء الاصطناعي هو قدرة الخوارزمات الحاسوبية لتقريب الاستنتاجات دون الحاجة لتدخل الانسان بشكل مباشر. الهدف الرئيسي من تطبيقات الذكاء الاصطناعي في المجال الصحي هو تحليل العلاقة بين اساليب الوقاية او العلاج ونتائج المريض[1]. برامج الذكاء الاصطناعي تم تطويرها وتطبيقها في عمليات التشخيص وتطوير بروتوكولات العلاج وتطوير الأدوية و الطب الشخصي و مراقبة المريض والعناية به. كثير من المراكز الطبية طورت خوارزمات للذكاء الاصطناعي لمنشآتهم. الشركات التقنية الكبيرة كجوجل[2][./Artificial_intelligence_in_healthcare#cn-auto-4 و اي بي ام[3][./Artificial_intelligence_in_healthcare#cn-5 وبعض من الشركات الناشئة ايضا طورت خوارزمات ذكية للمجال الطبي.

تاريخها

الابحاث في الستينات والسبعينات انتجت أول برنامج لحل المسائل / نظام خبير، عرف بديندرال {بالانجليزية: Dendral[4]}. في الوقت الذي تم تصميم ديندرال لتطبيقات الكيمياء الحيوية، قدم ديندرال اساسيات النظام الذي تبعه، مايسن {بالانجليزية: MYCIN[5]}، الذي يعتبر احد أهم تطبيقات الذكاء الاصطناعي في الطب[6].الثمانينات والتسعينات قدمت الحواسيب الصغيرة ومستوى جديد من اتصالات الشبكة. في خلال هذا الوقت أقر الباحثين والمطورين على ان انظمة الذكاء الاصطناعي في المجال الطبي يجب ان تكون مصممة لتعويض غياب البيانات الدقيقة وبناء خبرات الاطباء[7].

التطور الطبي والتقني الذي حدث في خلال نصف القرن اتاح تطور تطبيقات الذكاء الاصطناعي المجال الطبي، ومن ضمن هذه التطبيقات:

  •  تطور قدرة الحواسيب مما أدى إلى تجميع وتحليل اسرع للبيانات[8] .
  • زيادة حجم البيانات الطبية وسهولة الوصول اليها من اجهزة شخصية وطبية[9].
  • زيادة قواعد البيانات المتعلقة بالتسلسل الجينومي[10].
  • انتشار تطبيق انظمة السجلات الصحية الالكترونية[11].
  • تحسن معالجات اللغة الطبيعية والرؤية الحاسوبية مما أدى إلى تطوير تعلم الآلة [12][13].
  • تحسن دقة العمليات الجراحية[14].

الأبحاث الحالية

أظهرت تخصصات متعددة في الطب ارتفاع عدد الأبحاث المتعلقة بالذكاء الاصطناعي. التخصص الذي حصل على الاهتمام الأكبر هو مجال الطب الإشعاعي[15].

الطب الإشعاعي

القدرة على تحليل نتائج الاشعة قد تمكن الأطباء من ملاحظة أدق التفاصيل والتغييرات في الأشعة التي من الممكن ألا يلاحظوها. مثال على دراسة متعلقة بالذكاء الاصطناعي ساعدت في الطب الإشعاعي هي دراسة ستانفورد والتي نتج عنها خوارزمية يمكنها الكشف عن الالتهاب الرئوي بطريقة أفضل من مختصي الأشعة[16].

التطبيب عن بعد

زيادة التوجه للتطبيب عن بعد رفع من قيمة وتطبيقات الذكاء الاصطناعي ومجالاته[17]. القدرة على مراقبة المرضى بواسطة الذكاء الاصطناعي قد يسمح بنقل بيانات المريض للطبيب في حال حصول أي نشاط في مرض ما عند المريض. استخدام جهاز من الممكن أن يرتديه المريض قد يسمح بمراقبة متواصلة ومستمرة لحالته الصحية ومراقبة أي تغيرات في حالته والتي قد تكون أحيانًا أدق من أن يلاحظها الإنسان.

الصناعة

توجه الشركات الطبية الكبيرة للاندماج مع شركات طبية أخرى يزيد من وفرة البيانات الصحية ويسهل الوصول إليها، ويؤدي وفرة هذه البيانات إلى الزيادة في تطبيقات الذكاء الاصطناعي[18]. هنا مثال على شركات كبيرة ساهمت في تطوير خوارزميّات الذكاء الاصطناعي في المجال الصحي[19].

مايكروسوفت

 مشروع هانوفر من مايكروسوفت بالتعاون مع مركز السرطان التابع لجامعة اوريجون للصحة والعلوم، يحلل الأبحاث الطبية لتوقع خيارات علاج السرطان الأكثر تأثيرًا على المرضى[20]. هناك أيضًا مشاريع أخرى تتضمن تحليل صور الأورام وملاحظة تطورها[21].

جوجل

منصة حقل جوجل العميق {بالانجليزية: google deep mind يستخدم في الخدمات الصحية الوطنية للمملكة المتحدة للكشف عن الأخطار الصحية المحتملة عن طريق جمع البيانات من تطبيق على الجوال[22]. هناك أيضًا مشروع آخر يتضمن تحليل صور الأشعة التي يتم جمعها في الخدمات الصحية الوطنية للكشف عن الأنسجة المسرطنة[23].

الاستثمارات الحكومية

الاستثمارات من الحكومة الأمريكية في المبادرات الصحية المعتمدة على الذكاء الاصطناعي تساوي تقريبا 1.2 بليون دولار أمريكي موزعة على مركزين مختصين كميزانية.

انظر ايضا

المراجع

  1. Coiera, E. (1997). Guide to medical informatics, the Internet and telemedicine. Chapman & Hall, Ltd..
  2. Bloch-Budzier, S. (November 22, 2016). NHS using Google technology to treat patients. Retrieved from https://www.bbc.com/news/health-38055509
  3. Lorenzetti, L. (April 5, 2016). Here's How IBM Watson Health is Transforming the Health Care Industry. Retrieved from https://fortune.com/ibm-watson-health-business-strategy/
  4. Lindsay, R. K., Buchanan, B. G., Feigenbaum, E. A., & Lederberg, J. (1993). DENDRAL: a case study of the first expert system for scientific hypothesis formation. Artificial intelligence, 61(2), 209-261.
  5. Clancey, W. J., & Shortliffe, E. H. (1984). Readings in medical artificial intelligence: the first decade. Addison-Wesley Longman Publishing Co., Inc..
  6. Bruce, G., Buchanan, B. G., & Shortliffe, E. D. (1984). Rule-based expert systems: the MYCIN experiments of the Stanford Heuristic Programming Project.
  7. Miller, R. A. (1994). Medical diagnostic decision support systems—past, present, and future. Journal of the American Medical Informatics Association, 1(1), 8-27.
  8. Koomey, J., Berard, S., Sanchez, M., & Wong, H. (2011). Implications of historical trends in the electrical efficiency of computing. IEEE Annals of the History of Computing, 33(3), 46-54.
  9. Dinov, I. D. (2016). Volume and value of big healthcare data. Journal of medical statistics and informatics, 4.
  10. Barnes, B., & Dupré, J. (2009). Genomes and what to make of them. University of Chicago Press.
  11. Jha, A. K., DesRoches, C. M., Campbell, E. G., Donelan, K., Rao, S. R., Ferris, T. G., ... & Blumenthal, D. (2009). Use of electronic health records in US hospitals. New England Journal of Medicine, 360(16), 1628-1638.
  12. Dougherty, G. (2009). Digital image processing for medical applications. Cambridge University Press.
  13. Banko, M., & Brill, E. (2001, July). Scaling to very very large corpora for natural language disambiguation. In Proceedings of the 39th annual meeting on association for computational linguistics (pp. 26-33). Association for Computational Linguistics.
  14. "Artificial Intelligence and Machine Learning for Healthcare" Sigmoidal, December 21, 2017. https://sigmoidal.io/artificial-intelligence-and-machine-learning-for-healthcare/.
  15. "Artificial Intelligence in Radiology: The Game-Changer on Everyone's Mind". Radiology Business (باللغة الإنجليزية). مؤرشف من الأصل في 06 مارس 201910 أبريل 2018.
  16. Rajpurkar. "CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning". arXiv:.
  17. Pacis, Danica (February 2018). "Trends in telemedicine utilizing artificial intelligence". AIP Conference Proceedings. 1933: 040009. doi:10.1063/1.5023979. مؤرشف من الأصل في 21 ديسمبر 2018.
  18. Monica, Paul R. La. "What merger mania means for health care". CNNMoney. مؤرشف من الأصل في 07 يوليو 201811 أبريل 2018.
  19. "Why You're the Reason For Those Health Care Mergers". Fortune (باللغة الإنجليزية). مؤرشف من الأصل في 26 مارس 201910 أبريل 2018.
  20. Bass, Dina. "Microsoft Develops AI to Help Cancer Doctors Find the Right Treatments." Bloomberg, September 20, 2016. https://www.bloomberg.com/news/articles/2016-09-20/microsoft-develops-ai-to-help-cancer-doctors-find-the-right-treatments.
  21. Knapton, Sarah. "Microsoft Will 'Solve' Cancer within 10 Years by 'Reprogramming' Diseased Cells." The Telegraph, September 20, 2016. https://www.telegraph.co.uk/science/2016/09/20/microsoft-will-solve-cancer-within-10-years-by-reprogramming-dis/.
  22. Bloch-Budzier, Sarah. "NHS Using Google Technology to Treat Patients." BBC News, November 22, 2016. https://www.bbc.com/news/health-38055509.
  23. Lee, Chris Baraniuk, Dave. "Google DeepMind Targets NHS Head and Neck Cancer Treatment." BBC News, August 31, 2016. https://www.bbc.com/news/technology-37230806.

موسوعات ذات صلة :