چالش های هوش مصنوعی در رادیولوژی
استفاده از هوش مصنوعی در رادیولوژی به افزایش دقت تشخیص در بخش تصویربرداری پزشکی کمک بسزایی می کند. گرچه مزایای هوش مصنوعی در حوزه پزشکی غیرقابل انکار است اما این روش مشکلات خاص خود را دارد که در این مقاله به بررسی چالش های هوش مصنوعی در رادیولوژی می پردازیم.
چالش های هوش مصنوعی در رادیولوژی
هوش مصنوعی در رادیولوژی به جهت تفسیر تصاویر پزشکی ، پشتیبانی از تصمیم گیری بالینی و شناسایی الگوها استفاده می شود. بدین ترتیب خطاهای تشخیصی کاهش یافته و سرعت آنالیز تصاویر بالا می رود و همچنین از حجم کار رادیولوژيست ها برای ریپورت تصاویر کاسته می شود.
مقالات دیگر : مزایای هوش مصنوعی در مقابل معایب آن
سیستم هوش مصنوعی به دلیل استفاده از الگوریتم های پیشرفته و تکنیک های یادگیری ماشین کمک می کند تا ناهنجاریهای ظریف در تصاویر رادیولوژی بخوبی مشخص شود در حالیکه ممکنست از دید پزشک رادیولوژیست پنهان بماند. در نتیجه بیماریها خیلی سریعتر تشخیص داده می شوند و می توان درمان بیمار را سریعا شروع نمود. در کنار همه این فواید ، هوش مصنوعی چالش هایی نیز دارد :
1.موانع توسعه
توسعه الگوریتم هوش مصنوعی در صورتی امکانپذیر است که به تعداد زیادی از تصاویر پزشکی برای آموزش دسترسی داشته باشد اما چنین داده ها و اطلاعاتی کمیاب است چرا که برخلاف تصویربرداری های غیرپزشکی ممکنست تا 100 میلیون تصویر داشته باشند اما تصویربرداری پزشکی به ندرت تا 1000 تصویر می رسد.
جالب است بدانید که نسل جدید هوش مصنوعی با این چالش مبارزه کرده و با ترکیب کردن تصاویر پزشکی می تواند الگوریتم های یادگیری را ارتقا بخشد.
·انتخاب الگوریتم هوش مصنوعی
برای انتخاب الگوریتم هوش مصنوعی باید یکی از روشهای زیر را انتخاب کنید :
- ابزار آماده خریداری کنید و همانگونه که آموزش دیده استفاده نمایید.
- یک مدل هوش مصنوعی را از ابتدا بسازید.
- یک راه حل آماده را سفارشی سازی یا بازآموزی کنید.
ناگفته نماند که در نسل جدید هوش مصنوعی ، برای تولید یک مدل هوش مصنوعی از پایه بسیار گرانقیمت و غیر ممکن می باشد اما شرکت های توسعه هوش مصنوعی می توانند یک مدل پایه در دسترس در اختیار شما قرار دهد تا بتوانید آن را بر اساس اطلاعات سفارشی خود باز آموزی کنید.
مقالات دیگر : بررسی هوش مصنوعی در انواع تصویربرداری پزشکی
·جهت گیری داده ها
این چالش بدین معناست که در صورتی که الگوریتم هوش مصنوعی بر اساس تصاویر پزشکی از یک نژاد خاص آموزش داده شود ، بر روی نژاد دیگر دقت کمتری خواهد داشت. از طرفی در صورتی که از هوش مصنوعی در یک موسسه استفاده شود ، برای انتقال به موسسه دیگر باید احتیاط بعمل آورد.
قابل ذکر است که مطالعه ای در هاروارد بر روی الگوریتم های آموزش دیده در حوزه سی تی اسکن نشان داد که یان الگوریتم ها می توانند نسبت به تولید کنندگان دستگاه سی تی نیز جهت گیری داشته باشند.
2.معضل شناسایی موارد استفاده تجاری جذاب
شناسایی و متقاعد کردن تصمیم گیرندگان برای اینکه از هوش مصنوعی در رادیولوژی کمک بگیرند از سخت ترین موانع است. باید این افراد را متقاعد کرد که هوش مصنوعی در رادیولوژی ارزشمند می باشد هر چند به سرمایه گذاری سنگین نیاز دارد و بازگشت سرمایه سریعا صورت نمی گیرد. از سوی دیگر پزشکان رادیولوژیست باید با نحوه استفاده از هوش مصنوعی در رادیولوژی آشنا شوند که نیاز به زمان دارد.
در توضیح باید گفت در صورتی که تنها استفاده از هوش مصنوعی به رادیولوژی محدود شود ، الگوریتم های هوش مصنوعی به تفسیر سریع تصاویر و اسکن آنها کمک می کنند. گرچه این موضوع تنها کارایی بوده و واجد شرایط سرمایه بزرگ نیست اما راهکار در اینجاست که همه بخش های تصویربرداری پزشکی از هوش مصنوعی استفاده کنند تا بازگشت سرمایه محدود به رادیولوژی نشود.
مقالات دیگر : کاربردهای هوش مصنوعی در رادیولوژی
3.ماهیت جعبه سیاه هوش مصنوعی
هوش مصنوعی که به عنوان جعبه سیاه ساخته شود ، توصیه خود را نمی تواند بخوبی توضیح دهد و این موضوع زمانی که جان بیمار در خطر است ، نیازمند پزشک رادیولوژیست انسانی است تا تصمیمات نهایی را برعهده بگیرد و هوش مصنوعی باید تنها به عنوان مشاور عمل کند.
قابل ذکر است که بسیاری از مدل های هوش مصنوعی زمانی که در حال کار هستند هم یادگیری دارند و می توانند منطق نادرست تری کسب کنند. ازین رو ممکنست در تشخیص علائم اشتباه نمایند.
4.از لحاظ اخلاقی و مقررات
- رفتار غیرمنتظره : عملکرد الگوریتم غیرقابل پیش بینی است خصوصا در نسل جدید هوش مصنوعی. بعنوان مثال در اوایل کار چت جی پی تی ، داده های اختصاصی سامسونگ درز پیدا کرد چرا که مهندسان آن اطلاعات خطوط کد محرمانه را برای مدل آموزش استفاده کرده و به اشتراک گذاشتند بطوریکه اطلاعات به کاربران دیگر رسید.
- مسئولیت : ممکنست هوش مصنوعی باعث تشخیص اشتباه و همچنین تجویز درمان اشتباه شود که منجر به آسیب بیمار می گردد اما مسئولیت نهایی آن بر عهده کیست؟ توسعه دهندگان هوش مصنوعی ؟ آموزش اشتباهی بر اساس داده های مغرضانه یا توصیه اشتباهی
معرفی نرم افزار
فیلم رادیولوژی PPQ
فیلم رادیولوژی PPQ نرم افزاری است تحت وب که برای مشاهده تصاویر پزشکی از آن استفاده می شود. این نرم افزار با ارائه لینک تصاویر یا بارکد دوبعدی و اسکن آن با موبایل قابلیت دسترسی به تصاویر بیمار بصورت اینترنتی در موبایل یا تبلت را لپ تاپ یا کامپیوتر را دارد.
مطالب بیشتر در این صفحه
برای کسب اطلاعات بیشتر با شماره 09111366703 تماس حاصل فرمایید.
نرم افزار پزشکی سپاس
اینستاگرام : https://instagram.com/sepas92
نویسنده : مهندس محمد شیخی نژاد
دارای مدرک MCSE
دستاوردها : مقالات علمی در زمینه IT و طراح نرم افزارهای پزشکی
عضو شرکتهای دانش بنیان زیرنظر معاونت پژوهشی دانشگاه گیلان
