مع تقدم التعلم الآلي ، تتضمن تطبيقاته تشخيصات طبية أسرع وأكثر دقة. شترستوك
عندما هزم AlphaGo من Google DeepMind بشكل مذهل لاعب Go Go الأسطوري Lee Sedol في 2016 ، تم طرح مصطلحات الذكاء الاصطناعي (AI) والتعلم الآلي والتعلم العميق في التيار التكنولوجي الرئيسي.
بي بي سي نيوزنايت: AlphaGo ومستقبل الذكاء الاصطناعي.
{يوتيوب] 53YLZBSS0cc {/ يوتيوب}
يتم تعريف الذكاء الاصطناعى عمومًا على أنه القدرة على عرض جهاز كمبيوتر أو جهاز أو محاكاة سلوك ذكي مثل سيارة تسلا ذاتية القيادة و مساعد رقمي أبل سيري. إنه مجال مزدهر ومحور للبحث والاستثمار. التعلم الآلي هو قدرة نظام الذكاء الاصطناعي على استخراج المعلومات من البيانات الأولية وتعلم كيفية التنبؤ من البيانات الجديدة.
يجمع التعلم العميق بين الذكاء الاصطناعي والتعلم الآلي. تهتم الخوارزميات المستوحاة من بنية ووظيفة الدماغ وتسمى الشبكات العصبية الاصطناعية. تلقى التعلم العميق الكثير من الاهتمام مؤخرًا في كل من عالم المستهلك وعبر المجتمع الطبي.
زاد الاهتمام بالتعلم العميق مع نجاح AlexNet ، وهي شبكة عصبية صممها Alex Krizhevsky الذي فاز في 2012 ImageNet تحدي التعرف البصري واسع النطاق، مسابقة تصنيف الصور السنوية.
من التطورات الحديثة نسبيًا الأخرى استخدام وحدات المعالجة الرسومية (GPUs) لتشغيل خوارزميات التعلم العميقة. تتفوق وحدات معالجة الرسومات على الحسابات (الضرب والإضافات) اللازمة لتطبيقات التعلم العميق ، مما يقلل من وقت معالجة التطبيق.
في مختبرنا بجامعة ساسكاتشوان نقوم بأبحاث تعليمية عميقة ومثيرة تتعلق بتطبيقات الرعاية الصحية - وبصفتي أستاذاً للهندسة الكهربائية وهندسة الكمبيوتر ، أقود فريق البحث. عندما يتعلق الأمر بالرعاية الصحية ، فإن استخدام الذكاء الاصطناعي أو التعلم الآلي لإجراء التشخيصات أمر جديد ، وكان هناك تقدم مثير واعد.
استخراج الأوعية الدموية في العين
اكتشاف الأوعية الدموية في شبكية العين غير الطبيعية مفيد في تشخيص مرض السكري وأمراض القلب. من أجل توفير تفسيرات طبية موثوقة وذات مغزى ، يجب استخراج وعاء الشبكية من صورة لشبكية العين لتفسيرات موثوقة وذات مغزى. على الرغم من أن التجزئة اليدوية ممكنة ، إلا أنها مهمة معقدة تستغرق وقتًا طويلاً ومملة وتتطلب مهارات احترافية متقدمة.
طور فريق البحث الخاص بي نظامًا يمكنه تقسيم الأوعية الدموية في شبكية العين ببساطة عن طريق قراءة صورة شبكية أولية خام. إنها نظام تشخيص مدعوم بالحاسوب يقلل من العمل الذي يتطلبه اختصاصيو رعاية العيون وأطباء العيون، ومعالجة الصور 10 مرات أسرع ، مع الحفاظ على دقة عالية.
الكشف عن سرطان الرئة
يستخدم التصوير المقطعي بالكمبيوتر (CT) على نطاق واسع لتشخيص سرطان الرئة. ومع ذلك ، نظرًا لأن التصوير المرئي للآفات الحميدة (غير السرطانية) والآفات الخبيثة (السرطانية) في الأشعة المقطعية متشابهة ، فإن التصوير المقطعي المحوسب لا يمكن دائمًا تقديم تشخيص موثوق. هذا صحيح حتى بالنسبة لأخصائي الأشعة الصدرية مع سنوات عديدة من الخبرة. النمو السريع لل تحليل الاشعة المقطعية ولدت حاجة ملحة إلى أدوات حسابية متقدمة لمساعدة أخصائيي الأشعة في تقدم الفحص.
لتحسين الأداء التشخيصي لأخصائي الأشعة ، اقترحنا حلاً عميقًا للتعلم. بناءً على نتائج بحثنا ، يتفوق حلنا على اختصاصيي الأشعة. علاوة على ذلك ، فإن استخدام حل عميق قائم على التعلم يحسن الأداء التشخيصي بشكل عام ويستفيد اختصاصيو الأشعة من أقل خبرة من النظام.
لقطة شاشة لبرنامج الكشف عن سرطان الرئة. سيوكوم كو, مؤلف المنصوص
القيود والتحديات
على الرغم من الوعد الكبير الذي تم تحقيقه من خلال خوارزميات التعلم العميق في مجموعة متنوعة من المهام عبر الأشعة والطب ، فإن هذه الأنظمة بعيدة عن الكمال. سيظل الحصول على مجموعات بيانات مشروحة عالية الجودة يمثل تحديًا للتدريب على التعلم العميق. تعتمد معظم أبحاث رؤية الكمبيوتر على الصور الطبيعية ، لكن بالنسبة لتطبيقات الرعاية الصحية ، نحتاج إلى مجموعات بيانات صورية مشروحة كبيرة.
التحدي الآخر من وجهة النظر السريرية هو الوقت المناسب لاختبار مدى أداء تقنيات التعلم العميق على عكس أخصائيي الأشعة البشريين.
يجب أن يكون هناك تعاون أكبر بين الأطباء وعلماء التعلم الآلي. كما أن درجة عالية من تعقيد فسيولوجيا الإنسان ستكون أيضًا تحديًا لتقنيات التعلم الآلي.
التحدي الآخر هو متطلبات التحقق من صحة نظام التعلم العميق للتنفيذ السريري ، والذي قد يتطلب على الأرجح تعاونًا متعدد المؤسسات ومجموعات بيانات كبيرة. أخيرًا ، هناك حاجة إلى نظام أساسي فعال للأجهزة لضمان المعالجة السريعة لأنظمة التعلم العميق.
في عالم الرعاية الصحية المعقدة ، يمكن أن تدعم أدوات الذكاء الاصطناعي الممارسين البشريين لتقديم خدمة أسرع وتشخيصات أكثر دقة ، وتحليل البيانات لتحديد الاتجاهات أو المعلومات الوراثية التي قد تهيئ شخصًا لمرض معين. عندما يعني توفير الدقائق إنقاذ الأرواح ، قد يكون الذكاء الاصطناعي والتعلم الآلي تحويليين بالنسبة إلى العاملين في الرعاية الصحية والمرضى.
نبذة عن الكاتب
سيوكوم كو ، أستاذ جامعة ساسكاتشوان
يتم إعادة نشر هذه المقالة من المحادثة تحت رخصة المشاع الإبداعي. إقرأ ال المقال الأصلي.
كُتبٌ ذاتُ صِلَةٍ
at سوق InnerSelf و Amazon
