هوش مصنوعی پزشک یا دستیار

به گزارش ما دیجیتال به نقل از مهر، پروفسور محمد حنیف دانشمند جهان اسلام است که پروژه های تحقیقاتی چون پردازش تصاویر باستانی با AI و تحلیل تصاویر پزشکی با هوش مصنوعی را راهبری کرده است. وی دوره کارشناسی را در رشته مهندسی کامپیوتر در سال ۲۰۰۶ در دانشگاه کامستس در اسلام آباد گذرانده، دوره ارشد را در حوزه پردازش سیگنال با بورسی از دولت فنلاند در این کشور طی کرده و سپس یک بورس از استرالیا دریافت کرد و در رشته مهندسی کامپیوتر و روباتیک از دانشگاه نشنال استرالیا دکترا گرفته است.
وی ۶ سال در این کشور بوده و به عنوان همکار پژوهشی در دانشگاه نشنال و ملبورن فعالیت می کردم. سپس فلوشیپ ای. آر. سی. ام (کنسرسیوم تحقیقاتی ریاضیات و انفورماتیک) دریافت کرده است، فلوشیپی که اتحادیه اروپا ارائه می کند و او به عنوان محقق پسادکتری در شورای تحقیقات ملی ایتالیا و بنیاد علم و فناوری یونان (FORTH) انتخاب شده است.
خبرنگار مهر در گفتگویی با پروفسور محمد حنیف به بررسی فعالیتهای پژوهشی او در عرصه هوش مصنوعی، خصوصاً در حوزه سلامت و کشاورزی، پرداخت. وی در این گفت و گو در رابطه با تجربه های علمی خود، کاربردهای گسترده هوش مصنوعی در پزشکی و چالش های اخلاقی این فناوری سخن گفت و به برخی پروژه های در دست اجرای خود اشاره نمود که می تواند اهمیت بالای ی در بهبود خدمات درمانی و تشخیص فوری تر بیماریها داشته باشد.

از پردازش تصاویر باستانی تا پژوهش های هوش مصنوعی

پروفسور محمد حنیف در شروع این گفت و گو با گزارشگر مهر، در رابطه با فعالیتهای پژوهشی و علمی خود در زمان دریافت فلوشیپ ای.آر. سی. ام اظهار داشت: در آن دوره روی تصحیح و ترمیم مدارک باستانی با بهره گیری از پردازش تصاویر نامتراکم کار می کردم. بعد از آخر دوره پسادکتری به عنوان دانشیار در مؤسسه غلام اسحاق خان مشغول به فعالیت شدم و پژوهش های خویش را در عرصه پردازش تصویر و یادگیری ماشین ادامه دادم. بخش مهمی از تحقیقاتم به توسعه روش هایی اختصاص داشته که بتوانند داده های پیچیده تصویری را به گونه ای قابل تحلیل برای الگوریتم های یادگیری عمیق تبدیل کنند.
حنیف در ادامه در رابطه با موضوع رساله دکتری خود توضیح داد: تمرکز اصلی رساله ام بر تجزیه و بازیابی تصاویر نامتراکم بوده است. در این عرصه تلاش می شود داده ها به شکلی سازمان دهی شوند که با شیوه های پردازش تصویر و الگوهای یادگیری عمیق به آسانی قابل تحلیل باشند. برای رسیدن به این هدف باید ساختار داده ها به گونه ای طراحی شود که اطلاعات مهم در آن حفظ شود و الگوریتم ها بتوانند الگوهای مورد نظر را با دقت بیشتری استخراج کنند.
این دانشمند حوزه کامپیوتر و هوش مصنوعی جهان اسلام افزود: شیوه های یادگیری عمیق معمولا به حجم خیلی زیادی از داده نیاز دارند و هنگامی که با کلان داده ها سروکار داریم، هزینه های محاسباتی به صورت قابل توجهی افزوده می شود. همین مساله یکی از چالش های مهم در استفاده گسترده از الگوریتم های یادگیری عمیق شمرده می شود، برای اینکه پردازش داده های خیلی بزرگ به زیرساخت های کامپیوتری قدرتمند و هزینه های قابل توجه نیاز دارد.
او افزود: در بازنمایی پراکنده تلاش می شود به مدلهای یادگیری عمیق کمک گردد تا حتی از مجموعه های کوچک تر داده نیز به خوبی یاد بگیرند. در این تکنیک داده ها به شکلی بازنمایی می شوند که عناصر اصلی اطلاعات حفظ شود یا مجموعه های بزرگ داده به قطعات کوچک تر تبدیل شوند. در چنین شرایطی الگویی که از مجموعه ای کوچک تر از داده ها به دست می آید می تواند حدودا همان میزان اطلاعات را عرضه نماید که الگوهای استخراج شده از مجموعه های خیلی بزرگ تر فراهم می کنند.

تحقیق بر روی بر استفاده از هوش مصنوعی در بهداشت و درمان

وی همینطور تصریح کرد: تحقیقات اخیرم بیشتر بر استفاده از هوش مصنوعی در عرصه بهداشت و درمان و نیز کشاورزی دقیق متمرکز شده است. طرح های گوناگونی در دست اجرا داریم که هدف آنها حل مسایل حوزه سلامت با دقت و سرعت بیشتر است. در کنار این پروژه ها تلاش می نماییم ابزارهای مبتنی بر یادگیری عمیق را برای حل مسایل مختلف در قسمت کشاورزی نیز توسعه دهیم تا راندمان در این عرصه افزایش یابد.

چرا حوزه سلامت بیشترین بهره را از هوش مصنوعی می برد؟

پروفسور حنیف در ادامه این گفت و گو در رابطه با تحقیقات فعلی خود در حوزه هوش مصنوعی در عرصه سلامت توضیح داد: اگر به کاربردهای امروز این فناوری نگاه نماییم، متوجه می شویم که بهداشت و درمان و کشاورزی از مهم ترین حوزه هایی هستند که بیشترین استفاده را از هوش مصنوعی دارند. یکی از دلیلهای این مورد آن است که حوزه سلامت داده های فراوان و متنوعی در اختیار محققان قرار می دهد که برای آموزش مدلهای یادگیری عمیق خیلی باارزش هستند.
وی اضافه کرد: حوزه سلامت در گذشته نیز بدون استفاده از هوش مصنوعی فعالیت می کرد، اما حال به مرحله ای رسیده ایم که پیشرفت خیلی از بخش های آن بدون کمک این فناوری دشوار شده است. هوش مصنوعی می تواند سرعت تحلیل داده ها را افزایش دهد و به پزشکان کمک نماید تا تصمیم های دقیق تری در روند تشخیص و درمان بیماریها اتخاذ کنند.
این دانشمند حوزه کامپیوتر و هوش مصنوعی جهان اسلام در رابطه با یکی از تحقیقات اخیر خود اظهار داشت: این تحقیق در حوزه «تحلیل تصاویر پزشکی» به انجام می رسد. امروزه تصاویر متنوعی از بیماران در قالب هایی مانند ایکس ری، ام آرآی، اف ام آرآی و سی تی اسکن تولید می شود که هر یک اطلاعات ارزشمندی در رابطه با وضعیت بدن انسان ارایه می دهند. با افزایش جمعیت و گسترش بیماریها حجم این تصاویر بطور مداوم در حال افزایش می باشد.

تحلیل داده های ژنتیکی و دی ان ای با AI

وی افزود: تحلیل چنین حجم بزرگی از تصاویر در زمان محدود و با دقت بالا برای انسان خیلی دشوار است. بنابراین از هوش مصنوعی برای پردازش و تحلیل تصاویر پزشکی استفاده می شود تا بتوان اطلاعات مهم را سریع تر و دقیق تر استخراج کرد. یکی دیگر از حوزه های مهم دراین خصوص تحلیل داده های ژنتیکی و دی ان ای است که برای کشف داروها و بررسی بیماریها اهمیت زیادی دارد.

آنالیز ادرار در ۳۲ میلی ثانیه با کمک هوش مصنوعی

پروفسور حنیف در ادامه به یکی از پروژه های مهم خود اشاره نمود و اظهار داشت: یکی از طرح هایی که درحال توسعه آن هستیم، ساخت دستگاه آنالیز ادرار مبتنی بر هوش مصنوعی است. آزمایش ادرار یکی از مهم ترین آزمایش های پزشکی در بیمارستان ها شمرده می شود و پزشکان از نتایج آن جهت بررسی وضعیت اندام های مختلف بدن استفاده می نمایند.
وی اضافه کرد: انجام این آزمایش بصورت دستی در لابراتوار معمولا زمان زیادی می برد و در تعدادی موارد امکان دارد با خطاهای انسانی نیز همراه باشد. هدف این پروژه توسعه دستگاهی است که بتواند نمونه ادرار را بصورت خودکار و بدون دخالت انسان تحلیل کند و نتایج آنرا با سرعت خیلی بالا در اختیار پزشک قرار دهد. این دستگاه قادر خواهد بود نمونه ادرار را در مدت ۳۲ میلی ثانیه بررسی نموده و تمامی اطلاعات مورد نیاز پزشک را استخراج کند. مدل طراحی شده می تواند بطور خودکار ذرات و سلول های موجود در ادرار را شناسایی کرده و گزارش دقیقی از وضعیت نمونه عرضه نماید.
این دانشمند حوزه کامپیوتر و هوش مصنوعی جهان اسلام تاکید کرد: استفاده از چنین سیستمهایی می تواند علاوه بر افزایش سرعت انجام آزمایش ها، دقت نتایج را نیز افزایش دهد. این فناوری در نهایت به پزشکان کمک می نماید تا تصمیم های درمانی خویش را برمبنای اطلاعات دقیق تر و در زمان کوتاه تری اتخاذ کنند.

تشخیص فوری مشکلات قلبی با تحلیل هوشمند نوار قلب

پروفسور حنیف در ادامه به پروژه دیگری اشاره نمود و اظهار داشت: این پروژه در ارتباط با تفسیر خودکار نوار قلب است. نوار قلب یکی از شاخصهای مهم برای بازبینی کارکرد قلب بشمار می رود و پزشکان بوسیله آن می توانند خیلی از اختلالات قلبی را تشخیص دهند. در خیلی از مواقع در قسمت اورژانس پرستاران از بیماران نوار قلب می گیرند و سپس این نوار جهت بررسی به متخصص قلب ارجاع داده می شود. در شرایطی که متخصص قلب در بیمارستان حضور نداشته باشد یا بررسی نوار زمان ببرد، امکان دارد بیمار در وضعیت بحرانی با خطر جدی مواجه شود.
او افزود: بنابراین ابزاری مبتنی بر هوش مصنوعی توسعه داده ایم که می تواند نوار قلب را دریافت کرده و بصورت بلادرنگ آنرا تحلیل کند. این سامانه می تواند نشانه های احتمالی حمله قلبی و دیگر مشکلات قلبی را شناسایی کرده و نتایج تحلیل را در مدت زمان کوتاهی عرضه نماید. این ابزار حتی می تواند توسط پرستاران نیز مورد استفاده قرار گیرد و در وضعیت اضطراری به تشخیص فوری تر بیماری کمک نماید. استفاده از چنین ابزارهایی می تواند نقش مهمی در پایین آوردن زمان تشخیص و افزایش شانس نجات بیماران ایفا کند.

چت بات پزشکی برای افزایش آگاهی در رابطه با سرطان پستان

پروفسور حنیف در ادامه به پروژه ای در رابطه با سرطان پستان اشاره نمود و اظهار داشت: این بیماری در خیلی از کشورهای آسیایی همچون پاکستان شیوع قابل توجهی دارد. در پاکستان خیلی از زنان جوان بین ۳۰ تا ۴۰ سال به این بیماری مبتلا می شوند و این مورد به یکی از نگرانی های مهم در عرصه سلامت تبدیل گشته است. در بررسیهای انجام شده دو عامل مهم در گسترش این بیماری شناسایی شده است؛ نخست کمبود آگاهی عمومی و دوم عوامل اجتماعی و فرهنگی. خیلی از زنان به علت ملاحظات فرهنگی یا احساس خجالت نمی توانند به آسانی در رابطه با این بیماری با خانواده یا پزشک خود صحبت کنند.
وی اضافه کرد: جهت کمک به حل این مشکل درحال توسعه ابزاری مبتنی بر هوش مصنوعی در قالب یک چت بات هستیم. این سامانه می تواند اطلاعات آموزشی در رابطه با بیماری عرضه نماید و به افزایش آگاهی عمومی در رابطه با علایم، شیوه های تشخیص و مسیر درمان کمک نماید. این چت بات همینطور می تواند مانند یک مشاور اولیه پزشکی عمل کند. بیماران می توانند تصاویر و مدارک پزشکی خود مانند ماموگرافی را در سامانه بارگذاری کرده و پرسش های خویش را مطرح کنند تا در رابطه با مراحل بعدی درمان و مراجعه به پزشک راهنمائی دریافت نمایند.

مرزهای اخلاقی هوش مصنوعی در پزشکی

این دانشمند حوزه کامپیوتر و هوش مصنوعی جهان اسلام در قسمت پایانی این گفت و گو در رابطه با چالش های اخلاقی هوش مصنوعی اظهار داشت: این فناوری مانند نوعی انرژی جدید است که می تواند به خیلی از حوزه ها همچون امور مالی، صنعت خودروسازی، مهندسی و بهداشت و درمان توان تازه ای ببخشد. نسل جوان باید یاد بگیرد چه طور از ابزارهای هوش مصنوعی در عرصه تخصصی خود استفاده نماید. یکی از مهم ترین چالش های این حوزه مسایل اخلاقی و حقوقی مرتبط با بهره گیری از فناوری های هوشمند است. فناوری همواره درحال پیشرفت است، اما نباید اخلاق انسانی را زیر پا بگذارد.

تصمیم گیری غائی در درمان بیماران باید در اختیار پزشک باشد

او در آخر تاکید کرد: انسان و ارزش های انسانی باید در اولویت قرار داشته باشند و فناوری باید در خدمت انسان باقی بماند. در عرصه سلامت نیز هوش مصنوعی باید تنها نقش دستیار پزشک را ایفا کند و نباید جایگزین او شود یا تصمیم غائی را بجای انسان بگیرد. تصمیم گیری غائی در درمان بیماران باید همواره در اختیار پزشک باشد. پزشک می تواند از هوش مصنوعی به عنوان ابزاری برای افزایش دقت تشخیص و تصمیم گیری استفاده نماید، اما نقش انسان در سیستم سلامت قابل جایگزینی نیست و همچنان باید محور اصلی باقی بماند.

حرف آخر اینکه وی دوره کارشناسی را در رشته مهندسی کامپیوتر در سال ۲۰۰۶ در دانشگاه کامستس در اسلام آباد گذرانده، دوره ارشد را در حوزه پردازش سیگنال با بورسی از دولت فنلاند در این کشور طی کرده و سپس یک بورس از استرالیا دریافت کرد و در رشته مهندسی کامپیوتر و روباتیک از دانشگاه نشنال استرالیا دکترا گرفته است. در بسیاری از مواقع در بخش اورژانس پرستاران از بیماران نوار قلب می گیرند و سپس این نوار جهت بررسی به متخصص قلب ارجاع داده می شود. این چت بات همچنین می تواند مانند یک مشاور اولیه پزشکی عمل کند.