هوش مصنوعی دستیار مطمئن جراحان

دکتر رضوان سهیل از کلینیک مایو در مینه‌سوتا این نرم‌افزار را برای شناسایی بیماران دارای عفونت‌های قلبی توسعه بخشیده در این خصوص خاطر نشان می‌‌کند که چنین عفونت‌هایی با نرخ مرگ و میر بین 30 تا 50 درصد، از عفونت‌های بسیار وخیم به شمار می‌روند. به گفته این محقق، تشخیص دادن التهابات غشای درونی قلب (اندوکاردیتیک) یک عمل جراحی تهاجمی محسوب می‌شود و ما قصد داریم این عفونت را بدون روانه کردن لوله کاوشی به درون مری فرد بیمار، مورد تشخیص قرار دهیم.

تصویری که با استفاده از داخل کردن ابزار لوله‌ای دوربین دار به درون نای شخص بیمار که با کمک دارو تسکین داده شده، گرفته می‌شود اصطلاحا قلب‌نگاری فرامری (ترانسوفاژل اندوکاردیوگرام) است که در نوع خود فرآیندی تهاجمی و گران به حساب می‌آید. در واقع یک عمل 30 دقیقه‌ای با این روش بالغ بر 2000 دلار هزینه دربر دارد و از طرفی انجام این عمل به تجهیزات فنی خاصی نیاز دارد که بسیاری از بیمارستان‌ها فاقد آن هستند. این در حالی است که پزشکان کلینیک مایو و در راس آنها دکتر سهیل به جای وارد کردن لوله‌های پزشکی، به وارد کردن داده‌های لازم به رایانه و تحلیل آنها می‌پردازند. در این شیوه عمل، پزشکان ابتدا با ثبت داده‌هایی از جمله ضربان قلب، فشار خون، شمارش گلبول‌های سفید خون، حضور ادواتی نظیر ضربان سازهای قلبی یا سایر دستگاه‌های تعبیه شده، دمای بدن دریافتی 187 بیمار در رایانه، نرم‌افزار دستیار عمل خود را آماده سازی می‌کنند. در این میان، تشخیص نهایی این بیماران نیز شامل اطلاعات داده شده به رایانه خواهد بود. در مرحله بعدی این الگوریتم رایانه‌ای به تحلیل داده‌های موجود برای ارتباط دادن علائم مرضی با تشخیص بیماری می‌پردازد.

به گفته دکتر سهیل، موضوع جالب توجه این برنامه اینجاست که رایانه در اصل موجب اشتباهات قابل‌توجهی می‌شود، اما با گذشت زمان، این مکانیسم توسعه می‌یابد و هوشمندتر می‌شود تا جایی که شبکه در موردی لازم و بموقع، تصمیمات مناسب اتخاذ می‌کند، در 50 درصد موارد این نرم‌افزار می‌تواند ظرف کمتر از 4 ثانیه یک پیش‌بینی محاسبه‌ای را با دقت 99/99 درصد انجام دهد؛ این در حالی است که به اعتقاد وی، هر درصدی کمتر از این باعث می‌شود گروه پزشکی نسبت به تشخیص صورت گرفته اطمینان نکند. در باقی موارد نیز این نرم‌افزار، بیش از 80‌‌درصد صحت عمل داشته است. البته محققان به این مرحله بسنده نکرده و قصد دارند، گام بعدی پروژه هوش مصنوعی خود را روی 200 مورد از پرونده پزشکی بیمارانی اجرا کنند که رایانه، اطلاعی از تشخیص نهایی آنها ندارد.

پزشکان معتقدند، تشخیص عفونت‌های قلبی مشکل است اما اغلب می‌توان آنها را با تجویز و مصرف حدود یک هفته آنتی‌بیوتیک‌ معالجه کرد. این در حالی است که زخم‌های باز که پس از هفته‌ها یا ماه‌ها درمان، در برابر التیام و بهبود مقاومت کرده، معالجات را رد می‌کنند و به عنوان زخم‌های کم خون موضعی شناخته می‌شوند، راه تشخیص آسانی دارند اما در عوض به طرز ناامیدکننده‌ای درمان دشواری را به همراه دارند و حتی به اعتقاد برخی پزشکان، این گونه زخم‌ها هر درمانی را بی اثر می‌کنند و انگار که هیچ درمانی برای التیام آنها صورت نگرفته است. در همین ارتباط، دکتر چاندان سن دانشیار دانشگاه ایالتی اوهایو و گروهی از محققان، موفق به توسعه الگوریتمی ریاضیاتی شده‌اند که می‌تواند زمان بسته شدن یک زخم باز از نوع کم خون موضعی و همچنین این را که چه عوارض و پیامدهایی طی فرآیند قطع جریان خون و بندآوری بروز می‌کند، پیش‌بینی کند. به گفته دکتر سن که شرح تحقیقاتش طی مقاله‌ای به قلم وی در شماره اخیر نشریه اقدامات آکادمی ملی علوم منتشر شده است مدل‌های فعلی، زخم‌هایی را هدف می‌گیرند که در هر صورت بسته خواهند شد، در حالی که هدف ما توسعه مدلی برای زخم‌هایی است که نمی‌خواهند بسته شوند.

سالانه حدود 5/6 میلیون آمریکایی به این گونه زخم‌ها دچار می‌شوند که بیشتر هم در بیماران مسن‌تر روی می‌دهد؛ مواردی همچون زخم‌ پای بیماران دیابتی یا زخم بیمارانی که به دلیل عوارض دیگری، قبلا فرآیند بیمارستانی را گذرانده‌اند، از موارد شایع و هدف زخم‌های باز محسوب می‌شود. در این میان، گروه تحقیقاتی دکتر سن برای کمک به درمان زخم‌های موضعی، برنامه‌ای را توسعه داده‌اند که داده‌های بیماران را پردازش می‌کند؛ اطلاعاتی از قبیل غلظت خون، فاکتورهای رشد، حضور گلبول‌های سفید و تراکم فیبروبلاستی از جمله داده‌هایی است که به رایانه داده می‌شوند. رایانه نیز با استفاده از این داده‌ها مدلی سه‌بعدی از زخم مربوط را ایجاد و چگونگی التیام یافتن و بهبود سریع آن را ظاهر می‌‌کند و بعلاوه زمان بسته شدن زخم را نیز تخمین می‌زند. به ادعای محققان اکنون و بر اساس این مدل، یک زخم معمولی ظرف حدود 13 روز بسته خواهد شد و این در حالی است که پس از گذشت 20 روز تنها 25 درصد از زخم‌های باز موضعی التیام و بهبود می‌یابند. این اعداد و ارقام با آنچه عملا برای بیماران اتفاق می‌افتد، تطبیق می‌کند، اما در این میان نباید از نظر دور داشت که تا اینجای کار تنها در قالب تئوری استفاده شده و مدل حاضر هنوز روی بیماران انسانی امتحان نشده است.

به اعتقاد برخی محققان، فناوری هوش مصنوعی یا به عبارتی سامانه‌های شبیه‌ساز نحوه کارکردهای مغز خواه برای بهبود زخم‌ها و چه در مورد عفونت‌های قلبی به کار برده شوند، دست کم به این زودی‌ها جای پزشکان واقعی را نخواهند گرفت. با این اوصاف و به اعتقاد دکتر سهیل، این شبکه‌های عصبی مصنوعی نه می‌توانند بیماران را ببینند و نه می‌توانند آنها را برای یافتن علائم عفونت و آلودگی یا نشانه‌های مرضی مورد آزمایش قرار دهند؛ اما واقعیت این است که چنین برنامه‌هایی در موارد گیج‌کننده و مبهم که کار تشخیص بیماری با دشواری مواجه می‌شود و تشخیص صحیح و بموقع برای پزشک و بیمار بسیار حیاتی است، دستیاری قابل و مورد اطمینان برای متخصصان بالینی به شمار می‌رود.

مترجم: مهریار میرنیا / منبع: دیسکاوری