هوش مصنوعی، یاریگر درمان کرونا

این پژوهش که حاصل همکاری پزشکان بخش قلب و هوشبری بیمارستان پیاچنتزا و مرکز قلب‌وعروق بیمارستان مونتزینو با متخصصان هوش‌ مصنوعی پلی‌تکنیک میلان و موسسه هوش‌ مصنوعی داله‌موله در لوزان و موسسه توئلت زوریخ انجام شد، برپایه الگوریتم‌های مبتنی بر «یادگیری ماشین» استوار است که با استفاده از داده‌های جمع‌آوری‌شده از بیماران مبتلا به التهاب ریوی ناشی از کووید 19 پیش‌بینی می‌کند چند درصد احتمال بهبود یا فوت این بیماران وجود دارد.

این فناوری که از طریق وبگاه در هر نقطه از جهان در دسترس است به پزشکان کمک می‌کند درمان‌های مناسب و زودهنگام را با هدف کاهش نرخ فوت ارائه کنند.

بیماران مبتلا به کووید 19 ممکن است از دو راه به التهاب ریوی مبتلا شوند: مستقیم از طریق خود ویروس یا بر اثر ابتلا به عفونت ثانویه باکتریایی درطول بیماری.از آنجا که معمولا در فرآیند درمان این بیماری، آنتی‌ بیوتیک هم تجویز می‌شود احتمال ابتلا به التهاب ریوی نوع دوم پایین است و بنابراین بیشتر التهاب‌های ریوی از درگیری مستقیم ریه با ویروس نشأت می‌گیرد و ازاین‌رو، روند درمان را می‌تواند با مشکلات جدی مواجه کند. روزنامه جام‌جم باهدف بررسی ابعاد فنی این پژوهش، با دکتر داریو پیگا (Dr. Dario Piga) پژوهشگر موسسه هوش‌ مصنوعی داله‌موله در لوزان سوئیس و مسؤول بخش توسعه الگوریتم‌های این مطالعه گفت‌وگو کرده است.

به‌کارگیری فناوری‌های نو، نظیر الگوریتم‌های یادگیری ماشین در مطالعه شیوه مقابله با کووید-19 جذاب است. درباره روش پژوهش توضیح می‌دهید؟

هدف این مطالعه، توسعه سامانه‌ای برپایه هوش‌ مصنوعی بود که به روشی خودکار پیش‌بینی کند آیا بیمارانی که از کووید 19 به التهاب ریوی مبتلا می‌شوند، بهبود می‌یابند یا فوت می‌شوند. به‌طورخاص، این سامانه براساس ویژگی‌های بیمار (سن، جنس، بیماری‌های زمینه‌ای، دمای بدن در بدو ورود به اورژانس، اشباع اکسیژن خون و آزمایش‌های خون) احتمال بهبود هر بیمار را به‌صورت منحصربه‌فرد محاسبه می‌کند. پس‌از توسعه این سامانه، روش‌هایی را برپایه یادگیری ماشین توسعه دادیم که داده‌های مربوط به بیماران کوویدی بهبودیافته یا متأسفانه بیماران فوت‌شده را پردازش کرد و سپس همبستگی‌های آماری معنی‌داری یافت که تشخیص پیش‌هنگام شدت بیماری را میسر می‌کند.

همان‌طورکه گفتید این پژوهش برپایه فناوری یادگیری ماشین است. هوش‌مصنوعی داده‌ها را بعد از جمع‌آوری آنها چگونه تحلیل می‌کند؟

داده‌های استفاده‌شده در این پژوهش، مربوط به 852بیمار بیمارستان «گولیلمو دا سالیچتو» در شهر پیاچنتزا و 86 بیمار بیمارستان قلب مونتزینو در شهر میلان هستند. همه این بیماران به التهاب ریوی ناشی از کووید مبتلا و بین فوریه 2020 تا نوامبر2020 (بهمن98تاآبان99) در این دو بیمارستان مداوا شده بودند. بنابراین مطالعه ما موج اول کووید را که در ایتالیا بین اسفند 1398/فوریه 2020 تا اردیبهشت 1399/می 2020 رخ داد و بخشی از موج دوم را که از مهر 1399/ اکتبر 2020 آغاز شد، پوشش می‌دهد. در این پژوهش ما الگوریتم‌های آماری‌ای را پوشش دادیم که حداکثر 62متغیر مربوط به بیمار را براساس این‌که هریک از این متغیرها در نهایت به چه مرحله‌ای (درمان یا فوت) ختم شده است محاسبه می‌کنند. به‌محض‌این‌که این تحلیل‌ها تمام شد، نتایج کل بررسی‌ها به ترکیب شش متغیری رسید که بهترین توانایی را در پیش‌بینی از خطر فوت نشان می‌دهند. این ترکیب، شش متغیر سن، جنس، دما، سابقه سکته مغزی، میانگین غلظت هموگلوبین بدن و نسبت فشار جزئی اکسیژن به کسری از اکسیژن دمی (P/F ratio) را شامل می‌شود. البته معنایش این نیست که 56متغیر دیگر برای تشخیص شدت بیماری اهمیت ندارند بلکه این نتیجه می‌خواهد بگوید بقیه متغیرها در مقایسه با این شش متغیر، اطلاعات اضافی دیگری عرضه نمی‌کنند. به‌محض‌این‌که اطلاعات مرتبط با این شش متغیر به‌دست آید، الگوریتم یادگیری ماشین احتمال بهبود بیمار را از داده‌ها تخمین می‌زند. جنبه مهم مطالعه ما این است که نتایج به‌دست‌آمده با فناوری یادگیری ماشین را پزشکان با دقت تحلیل، تعبیر و ارزیابی کردند. درواقع، این اصل اساس توسعه همه الگوریتم‌های برپایه یادگیری ماشین است، یعنی یک متخصص باید نتایج ماشین را تحلیل، تعبیر و ارزیابی کند و این فرآیند در تمام بخش‌ها از کاربردهای صنعتی تا مالی و پزشکی انجام می‌شود.

می‌توانید کمی درباره استفاده از وبگاهی که با نشانی دشوار https://covid.7hc.tech/index راه‌اندازی کرده‌اید توضیح دهید؟ تمام پزشکان دنیا می‌توانند داده‌های بیماران را وارد کنند؟

بله. تمام پزشکان دنیا می‌توانند به‌طور رایگان از این بستر وب استفاده کنند. استفاده از این زیرساخت بسیار ساده و کافی است ارزش‌های عددی این شش متغیر را وارد کنند و ماشین بلافاصله احتمال بهبود بیمار را محاسبه می‌کند. البته باید بر یک جنبه مهم تأکید کنم. احتمال مداوایی که از سوی ماشین ارائه می‌شود منوط به این واقعیت است که بیمار براساس دستورالعمل‌هایی که سازمان بهداشت جهانی یا دست‌کم بر پایه دستورالعمل‌هایی که در دوره جمع‌آوری داده‌ها دنبال می‌شد، معالجه شود. نکته دیگر این‌که تعداد بیمارانی که ما از آنها برای توسعه سامانه تشخیص پیش‌هنگام شدت بیماری استفاده کردیم بسیار کم است (درمجموع 938 بیمار را تحلیل کردیم) و بنابراین سامانه ما، مانند همه سامانه‌های مبتنی بر داده‌ها به‌طور صددرصد قابل اعتماد نیست. این یعنی مثل همه سامانه‌های برپایه هوش‌مصنوعی، نمی‌توانند جایگزین صددرصدی فرد متخصص شود (که در این مورد پزشک است) و احتمال بهبود ارائه‌شده از بستر وب ما فقط نوعی یاریگر درباره ارزیابی اولیه از شدت وضعیت بیمار است و تنها هدفش کمک به پزشک است که بتواند مراقبت‌های ویژه و تجهیزات پزشکی مورد نیاز بیمار را برای ارائه درمان صحیح، بهتر مدیریت کند.

دقت این الگوریتم چقدر است؟

دقت یادگیری ماشین ما در پیش‌بینی بهبود بیمار حدود 79درصد است. البته در ماه‌های اخیر به‌نظر می‌رسد عالمگیری بیماری کووید-19 به‌لطف واکسیناسیون در حال کاهش است. بنابراین امیدواریم این موضوع هرچه زودتر پایان یابد یا روش‌های درمانی جدیدی عرضه شود که خطر فوت ناشی از التهاب ریوی برآمده از کووید-19 را به میزان قابل توجهی کاهش دهد. در چنین وضعیتی، بستر فعلی ما باید به‌روز شود تا کوچک‌ترین احتمال مرگ ناشی از التهاب ریوی کووید را هم تشخیص دهد و این چیزی است که روی آن کار می‌کنیم.

این هوش‌ مصنوعی، درمان‌های شخصی‌شده یا ویژه‌شده را هم برای هر بیمار متأثر از التهاب ریوی به پزشک پیشنهاد می‌کند؟به عنوان مثال ممکن است بتواند دوزهای لازم را از آنتی‌بیوتیک‌ها و داروهای ضدویروس و ضدالتهاب و... پیشنهاد بدهد؟

سامانه ما به پزشک درمان‌های شخصی‌شده را ارائه نمی‌دهد. اما باید بگویم سؤال بسیار خوبی پرسیدید. درواقع معتقدم در آینده‌ای نه‌چندان دور می‌توان از هوش‌ مصنوعی برای ارائه درمان‌های شخصی‌شده برای هر بیمار کمک گرفت اما باید بار دیگر تأکید کنم هوش‌ مصنوعی نباید جای پزشک را بگیرد، بلکه فقط باید او را در انتخاب بهترین روش درمانی برای هر بیمار یاری کند. ما در دورانی زندگی می‌کنیم که در آن همه فناوری‌ها و دانش علمی لازم برای جمع‌آوری، ذخیره‌سازی و پردازش مقادیر زیادی از داده‌ها وجود دارد. همین روش برپایه داده‌ها و هوش‌مصنوعی که ما برای توسعه سامانه خودمان استفاده کردیم، می‌تواند در آینده برای کمک به پزشکان و دانشمندان در مبارزه با بیماری‌های دیگر مورد استفاده قرار بگیرد.

هدا عربشاهی - دانش / روزنامه جام جم