الذكاء الاصطناعي في الصحة الأسية

لتمكين التحسينات الصحية الأسية ، نحتاج إلى فهم ماهية الذكاء الاصطناعي ، وما يمكننا فعله به وكيفية القيام بذلك.

ما هذا؟
الذكاء الاصطناعي (AI) هو نظرية وتطوير أنظمة الكمبيوتر القادرة على أداء المهام التي تتطلب عادةً ذكاءً بشريًا ، مثل الإدراك البصري والتعرف على الكلام واتخاذ القرار والترجمة بين اللغات. هذا هو مضاعف القوة الذي يجلس فوق جميع أجهزة الاستشعار منخفضة التكلفة ومدخلات بيانات المريض.


كيف يمكننا التفكير في ذلك؟
بالنسبة لإمكانيات الذكاء الاصطناعي ، يمكننا بعد ذلك التفكير في D.A.S.H عند النظر في تطبيقات التحول الصحي.
مباشرة. المعزز. الحارس. المساعد.


:لكن دعونا نستكشف مجالات الذكاء الاصطناعي أولاً
تشمل الحقول الفرعية للذكاء الاصطناعي ما يلي:
الشبكات العصبية – على سبيل المثال ، الأنظمة المصممة على شكل الدماغ والجهاز العصبي ، وغالبًا ما تستخدم في أنظمة التعلم العميق وتستخدم في التعرف على الشخصيات وتنبؤ السلاسل الزمنية والأنظمة الخبيرة والتصنيف
الحوسبة التطورية – على سبيل المثال الأنظمة المصممة على غرار البرمجة التطورية ، واستراتيجيات التطور والخوارزميات الجينية المستخدمة لحل مشاكل العالم الواقعي المعقدة على سبيل المثال في التجمعات السكانية أو الأسراب
رؤية الكمبيوتر – مثل الأنظمة التي تتيح التعرف على الأشياء وفهم الصور والواقع المعزز المستخدمة لأتمتة حل المشكلات القائم على الرؤية.
الروبوتات – على سبيل المثال الأنظمة التي تمكّن أجهزة الكمبيوتر من التفاعل مع العالم الحقيقي مثل التحكم الذكي والاستكشاف المستقل والبراعة في معالجة الكائنات.
الأنظمة الخبيرة – على سبيل المثال الأنظمة التي تمثل قدرة اتخاذ القرار لخبير بشري. وهي مصممة لحل المشكلات المعقدة باستخدام سلسلة من قواعد if / then. وتقديم أنظمة دعم القرار مثل المستخدمة في التشخيص الطبي.


معالجة الكلام – مثل الأنظمة التي تتيح نسخ الكلام إلى نص ، والتعرف على الكلام ، والأتمتة القائمة على الصوت وتحديد الهوية وإنتاج الكلام
معالجة اللغة الطبيعية – مثل الأنظمة التي تحاكي قدرة الإنسان على قراءة اللغة وفهمها مثل المستخدمة في ترجمة اللغة الآلية والإجابة على الأسئلة وروبوتات الدردشة.


التخطيط – على سبيل المثال الأنظمة التي يمكن أن تزيد من استقلاليتها ومرونتها من خلال إنشاء تسلسل من الإجراءات لتحقيق أهدافها مثل الجدولة والملاحة ولعب الألعاب
التعلم الآلي – على سبيل المثال أنظمة مع القدرة على التعلم دون برمجتها بشكل صريح. يركز التعلم الآلي على تطوير برامج الكمبيوتر التي يمكن أن تتغير عند تعرضها لبيانات جديدة. هذا يعني بشكل أساسي أن الكمبيوتر يتعلم كيفية أداء مهمة بشكل أفضل وأفضل بناءً على خبرته وبياناته من الماضي. التعلم العميق هو فئة من تقنيات التعلم الآلي التي تسمح لأجهزة الكمبيوتر بالتعلم من العالم الحقيقي والتجربة من حيث التسلسل الهرمي للمفاهيم (التسلسل الهرمي للميزات) مع تعريف كل مفهوم فيما يتعلق بالمفاهيم الأبسط. يسمح هذا للكمبيوتر بتعلم المفاهيم المعقدة عن طريق بنائها من المفاهيم الأبسط. غالبًا ما يعتمد التعلم العميق على الشبكات العصبية. يسمح هذا لأجهزة الكمبيوتر بإكمال المهام التي كانت تعتبر في السابق ذاتية وبديهية ، بسيطة للبشر ولكنها مستحيلة لأجهزة الكمبيوتر.


ما الذي يمكنني القيام به لتحسين النتائج الصحية؟
يتيح الذكاء اللامركزي تقديم الرعاية الصحية في مواقع جديدة تمامًا وبطرق جديدة تمامًا.

تحسين التشخيص الطبي
التشخيص الطبي هو المشكلة النهائية القائمة على البيانات لحلها. الآن تم تطبيق نظام التعلم العميق Watson من شركة IBM ، والذي كان قادرًا على التغلب على جميع المنافسين من البشر في أسئلة الولايات المتحدة الأمريكية وخطر عرض الألعاب القائمة على المعرفة ، على علم الأورام ، وتحديداً تشخيص السرطان. بالنسبة للأطباء البشريين ، فإن إجراء التشخيص ينطوي على جمع كميات كبيرة من بيانات المريض ثم مواكبة جميع التجارب السريرية العالمية ، والأوراق البحثية العالمية وأيضًا مراعاة الشفرة الجينية لهذا المريض. هذه مهمة مستحيلة للطبيب أن يظل في طليعة الأمور ، فمن المقدر أن 160 ساعة في الأسبوع مطلوبة فقط لقراءة جميع الأوراق العلمية الأخيرة ، لكن هذا لا يأخذ في الحسبان المهمة المهمة المتمثلة في تذكرها والإحالة المرجعية إليها كلها من أجل صلتها بالموضوع. . قوة المعالجة للأنظمة القائمة على الذكاء الاصطناعي لا تصدق ، يمكن لـ Watson من IBM قراءة 200 مليون صفحة من النص في 3 ثوانٍ. سيستغرق الأمر 1000 طبيب يقرأون 547 صفحة من العمل العلمي يوميًا لمدة عام واحد لمطابقة ما يمكن لواتسون قراءته وتحليله في 3 ثوانٍ.


يشغل جينوم فرد واحد حوالي 100 غيغابايت من الذاكرة بمفرده. سيستغرق تحليل هذه المعلومات بالإضافة إلى السجلات الصحية والمجلات والدراسات والكتب المدرسية ساعات لا تحصى ، والتي يمكن للأطباء استخدامها بدلاً من ذلك لمحاولة علاج مرضاهم. من ناحية أخرى ، يمكن لـ Watson إكمال هذه المهمة في غضون دقائق ، وإنتاج تصور لحالة المريض واختيار الأدوية التي يحتمل أن تكون مفيدة بناءً على ملف تعريف الحمض النووي للمريض.


يأتي Watson من شركة IBM بمفرده حقًا في هذا المجال مع قدرته على البحث في ملايين سجلات المرضى والتعلم من التشخيصات السابقة وبناء خريطة أكثر تفصيلاً وفهم الروابط بين الأعراض والحالات. وقد أدى ذلك إلى أن معدل دقة Watson من شركة IBM يبلغ 90٪ في تشخيص سرطان الرئة ، ولم يتمكن الأطباء البشريون من إدارة دقة التشخيص إلا بنسبة 50٪. إذن من تريد تشخيص السرطان لديك؟


:أمثلة طبية
من عمود Sense في EX Framework – نعرف المدخلات التي يمكن أخذها.

اندفاع
مباشرة
المعزز
الحارس
المساعد


مباشر
– وهذا يعني التقييم والتشخيص الكاملين من بيانات المدخلات الطبية بواسطة A.I. لا يوجد مدخلات بشرية على الإطلاق.


المعزز – هذه طبقة دعم اتخاذ القرار بالذكاء الاصطناعي على الشاشات / الأدوات لتحسين الأداء البشري – مثل الكاميرات الصغيرة مثل مناظير الأذن ، وأدوات الجراحة الروبوتية ، والمناظير مع تحديد الآفات آليًا. بالإضافة إلى أنظمة الجراحة عن بعد المدعومة بالرؤية الحاسوبية التي تساعد الجراح في الأداء من خلال توجيه الانتباه وحتى التحكم التشغيلي الآلي.


الحارس – هذه هي أنظمة الخلفية التي تراقب باستمرار حالات الشذوذ / الاستثناءات بناءً على خطوط الأساس السكانية ذات الصلة / الإجراءات السلوكية المتوقعة. يمكن أن يكون للأقسام الكلية ، على سبيل المثال أجنحة كاملة من المستشفيات – مراقبة العناصر الحيوية تلقائيًا والإبلاغ عن الاستثناءات أو يمكن أن تكون دقيقة – تركز على الحالة المزاجية / العقلية / العلامات الحيوية للمرضى الفرديين من خلال مراقبة السلوكيات / الكلام / نظرة العين – التنبيه إلى علامات التدهور.


المساعد – هذه طبقة ذكية للتواصل المباشر مع المرضى المتاحين على أي جهاز / منصة – مثل واجهة Chatbot أو واجهة الكلام Alexa. يتيح ذلك جمع البيانات الموجهة من المرضى على مدار الساعة طوال أيام الأسبوع لتمكين المراقبة عن بُعد والفرز والاستشارة المهنية في الوقت المناسب بشكل كامل والتي تأخذ في الاعتبار حالة المريض وتحل محل التناقض وعدم الدقة في Dr Google و Wikipedia التي ليس لديها وعي بالسياق.

تتيح طبقات الذكاء الاصطناعي الأربع هذه مجموعة من التطبيقات والمواقع الجديدة تمامًا لتحسين النتائج الصحية ، دعنا نستكشف بعض الأمثلة


مباشر – المجالات الطبية التي تم ترقيمها بالكامل والتي تتضمن تقييم الصور يمكن أن يؤديها الذكاء الإصطناعي بالفعل بشكل أفضل من خبراء المجال. الأشعة السينية ، الرنين المغناطيسي ، 6 علماء الأمراض ، تشخيص السرطان. تمامًا مثلما نستخدم التعرف على الصور لنسخ النص في المستندات تلقائيًا ، سنستخدم أيضًا التحليل المباشر لمعظم الاختبارات المعملية واختبارات التصوير. حيث يقدم أخصائيو الأشعة الخارجيون هذا الدعم حاليًا ، فإن خدمة الذكاء الاصطناعي المباشرة ستكون أسرع وأرخص تكلفة وستكون أيضًا قادرة على التقاط بيانات النتائج لتمكين تحسين قدراتها التشخيصية. يؤدي هذا إلى إنشاء وضع تتوفر فيه أفضل القدرات التشخيصية في العالم بواسطة API مقابل أجر ضئيل ويتم تحويل القيمة / التكلفة التي يتم توفيرها إلى التدخلات الخاصة بالمريض. التمكين من تحقيق نتائج صحية أكثر دقة مقابل أموال أقل.


مُعزز – تمامًا مثل معظم الهواتف المزودة بكاميرات تظهر مربعًا على وجه عند التقاط صورة ، ستوفر أدوات خاصة بالسياق خدمات التعرف على الصور / الدعم ذات الصلة من الناحية الإجرائية. كما هو الحال عند إجراء التنظير الداخلي ، يمكن إبراز مناطق الأنسجة ذات الصلة في الوقت الفعلي مثل الأورام الحميدة والقرحة وحتى الأنسجة التي تسبق الإصابة والتي لا يمكن اكتشافها لأعيننا بسبب النطاقات الطيفية لأعيننا. تتمتع هذه الطبقة بالقدرة على تمكين الجراحين الفائقين والأطباء القادرين على التدخل في أقرب المراحل الممكنة مع التدخلات التي كانت مستحيلة سابقًا مثل الخلايا الجذعية والعلاج الجيني والأدوية وغيرها من الخيارات الأقل توغلاً.


Sentinel – يوفر هذا يدًا مساعدة في المراقبة لتوجيه الموارد البشرية النادرة مثل الممرضات والأطباء وحتى اهتمام الجراح إلى المكان المطلوب بالضبط. هذا الذكاء الاصطناعي يتفهم إيقاع / تدفق المواقف العادية لأنه يحافظ على خط الأساس ومن ثم يكون قادرًا على تنبيه المحترفين إلى مكان التدخل ومتى – وهذا يتيح العناية بالوقت فقط ، على غرار نظام Kanban في نظام الإنتاج الهزيل في Toyota. هذه الأنواع من الأنظمة ممكنة بالفعل ولكنها تقدم كوابيس حماية البيانات للمستشفيات / العيادات لأنهم أصحاب البيانات. يمكن حل هذا عن طريق تغيير النموذج من الرعاية الممكّنة من المستشفى إلى الرعاية الممكّنة للمريض. يمكن لسجل المريض من نوع blockchain تمكين المرضى من الاشتراك في أنظمة الذكاء الاصطناعي هذه أثناء التواجد في المستشفى لتمكينهم من جعل بياناتهم حية بشكل مشابه لصورة سناب شات. يمنح هذا المريض راحة البال من خلال رعاية ممتازة مستقلة عن الموظفين الذين يصادف أن يكونوا في الخدمة وقت وصولهم – على سبيل المثال الساعة 4 صباحًا. يضمن هذا أيضًا أن يكون مرئيًا ويمكن الوصول إليه من قبل المستشفى فقط لفترة زمنية محددة لتمكين المراقبة في الوقت الفعلي ولكن بعد ذلك يتم إزالته وقفله وحمايته بعيدًا حتى يمتلك المريض بياناته الخاصة ويمكنه اختيار وقت فتح الوصول إليها . يسمح هذا للمرضى ببث كميات هائلة من البيانات لتمكين رعاية أفضل لمصلحتهم ، ولكنه يحميها بحيث لا يمكن إساءة استخدامها لأغراض التمييز.


المساعد – نحن جميعًا نراسل ونتواصل باستمرار ، لكننا غالبًا ما نفتقر إلى معلومات محددة قابلة للتنفيذ. على سبيل المثال ، إذا كنت مصابًا بداء السكري ولديك ميل لفقر الدم ولكنك تفكر في إجراء بعض التغييرات الغذائية ، مثل أن تصبح نباتيًا / نباتيًا ، فأنت بحاجة إلى معرفة ما تحتاج إلى تناوله لضمان عدم الانزلاق إلى حالة صحية سلبية. أو إذا كنت أماً وتشعر بالقلق من أعراض طفلك ، فهو يسعل وأزيز ، هل هذا مهم أم لا؟ يمكن لمساعد ذكاء اصطناعي متصل في تطبيق على هاتفك طرح الأسئلة تلقائيًا ، وقبول صور طفلك جنبًا إلى جنب مع التسجيلات الصوتية لتنفسه وتزويدك بنصائح ومعلومات قابلة للتنفيذ. مرة أخرى ، يمكن لهذا المساعد تسجيل الوصول بعد التوصية بالتدخل ، وبالتالي جمع البيانات حول النتيجة واستخدام ذلك كجزء من نظام التعلم الدائم لتوفير رعاية أفضل تلقائيًا للبنسات.

لماذا هذا بغاية الأهمية؟
الطب والرعاية الصحية عبارة عن مجموعات من الأنظمة الخبيرة. يتم تعليم الخبراء تقليديًا في مجالات مختلفة من الطب مثل طب الأورام وجراحة العظام وأمراض النساء وأمراض الدم والأمراض الجلدية وطب العيون. قد يستغرق الأمر من 10 إلى 15 عامًا حتى يكمل الطبيب تدريبه ليصبح استشاريًا في مجاله. يمكن إنشاء أنظمة ذكاء اصطناعي خبيرة يمكن أن تتجاوز أداء التشخيص البشري في جميع هذه المجالات ويمكنها أيضًا دمج تخصصات أنظمة الخبراء المجاورة لتمكين إجراء تقييم متعدد التخصصات للمريض. هذا مفيد بشكل خاص في الأمراض المعقدة مثل مرض السكري التي تتطلب تقييمات متخصصة متعددة ليتم إدارتها بخبرة. مع الأطباء البشريين ، هذا ممكن فقط في الاستشارات متعددة التخصصات التي تستغرق وقتًا طويلاً ومحدودة الموارد ومكلفة. سيمكن هذا من فهم أكبر واختراقات في أنظمة الأمراض المعقدة.


قدرة المعالجة / الحوسبة – ما يمكن تحليله / الإبلاغ عنه / حسابه
قوة المعالجة للأنظمة القائمة على الذكاء الاصطناعي لا تصدق ، يمكن لـ Watson من IBM قراءة 200 مليون صفحة من النص في 3 ثوانٍ. سيستغرق الأمر 1000 طبيب يقرأون 547 صفحة من العمل العلمي يوميًا لمدة عام واحد لمطابقة ما يمكن لواتسون قراءته وتحليله في 3 ثوانٍ.
يشغل جينوم فرد واحد حوالي 100 غيغابايت من الذاكرة بمفرده. سيستغرق تحليل هذه المعلومات بالإضافة إلى السجلات الصحية والمجلات والدراسات والكتب المدرسية ساعات لا تحصى ، والتي يمكن للأطباء استخدامها بدلاً من ذلك لمحاولة علاج مرضاهم. من ناحية أخرى ، يمكن لـ Watson إكمال هذه المهمة في غضون دقائق ، وإنتاج تصور لحالة المريض واختيار الأدوية التي يحتمل أن تكون مفيدة بناءً على ملف تعريف الحمض النووي للمريض.


كلفة
أنظمة IBM متاحة الآن عبر API (واجهة برمجة التطبيقات) وهذا يعني أن البرامج والأنظمة الأخرى يمكنها الاستفادة من قوة Watson عند الطلب على أساس الدفع الفوري. يقدم هذا طاقة كمبيوتر لا مثيل لها بتكلفة منخفضة تصل إلى 300 دولار في الشهر.


مستقبل الذكاء الاصطناعي / التعلم الآلي / التعلم العميق
مع قوى المعالجة للأنظمة القائمة على الذكاء الاصطناعي ، ندخل حقبة جديدة من الحوسبة المعرفية. لقد تجاوزت أجهزة الكمبيوتر بالفعل الأداء البشري في مجالات تشخيصية معينة ، وسنرى خلال السنوات القادمة تحول الذكاء الاصطناعي في كل مجال من مجالات الرعاية الصحية التي يتعامل معها. إنه العقل اللامركزي الذي يعمل دائمًا ، والذي دائمًا ما يكون في حالة تأهب ، يمكنه القوة والكشف والتحليل والإعلام لمساعدة الجميع على عيش حياة أطول صحة. سيكون هناك طلب كبير على الخبراء الذين يمكنهم المساعدة في تنظيم مجموعات البيانات المطلوبة وإعداد أنظمة الذكاء الاصطناعي لتشغيل هذه الرعاية الصحية الجديدة القائمة على الذكاء الاصطناعي.