پیشرفت‌های صورت گرفته در زمینه‌ی هوش مصنوعی باعث شده است که از هوش مصنوعی بتوان برای تشخیص بیماری‌هایی مانند تومور‌های سرطانی بافت سینه، ریه، پوست، مغز و بیماری‌های دیگر استفاده کرد؛ اما در دنیای پزشکی، یکی از چالش‌های پیش روی استفاده از هوش مصنوعی برای تشخیص، این است که بدانیم چه موقعی باید به نظر هوش مصنوعی توجه کنیم و چه زمانی باید تشخیص را به طور کامل بر عهده‌ی پزشکان متخصص بگذاریم.
البته موضوع این نیست که در زمینه‌ی تشخیص پزشکی کدام یک می‌توانند بهتر عمل کنند بلکه مسأله‌ی مهم در نظر گرفتن فاکتور‌هایی مانند تجربه‌ی کاری و سطح تخصص پزشکان در زمان تشخیص است. با توجه به این موضوع محققان علم کامپیوتر و آزمایشگاه هوش مصنوعی دانشگاه MIT الگوریتمی را بر پایه «یادگیری ماشینی» (machine learning) در زمینه‌ی پزشکی توسعه داده‌اند. این الگوریتم می‌تواند تصمیم بگیرد که در رابطه با یک بیماری، تشخیص لازم را انجام دهد یا اینکه این کار را بر عهده متخصصان بگذارد.
از همه مهم‌تر اینکه این الگوریتم توسعه داده شده می‌تواند با توجه به در دسترس بودن تیم پزشکی، تجربه و دوره‌های باز‌آموزی گذرانده شده توسط این تیم خودش را سازگار کند. به عنوان نمونه، در زمان شلوغی یک بیمارستان می‌توان این الگوریتم را به گونه‌ای تنظیم کرد که تنها در مواقع خیلی ضروری از کمک تیم پزشکی برای تصمیم‌گیری استفاده کند.
محققان MIT این الگوریتم را برای انجام دادن کارهای مختلفی آماده کرده‌اند. از جمله کارهای پزشکی قابل انجام توسط این الگوریتم می‌توان به پردازش عکس‌های گرفته شده از قفسه سینه برای تشخیص «پنوموتوراکس» (Pneumothorax) اشاره کرد. پژوهش‌های انجام داده شده نشان می دهند زمانی که از این الگوریتم هوش مصنوعی برای تشخیص بزرگ شدن بیش از حد قلب (Cardiomegaly) همراه با کمک تیم پزشکی استفاده شد، دقت تشخیص در حدود ۸ درصد بهتر از زمانی بود که از هوش مصنوعی یا تیم پزشکی به تنهایی برای تشخیص استفاده شده بود.
David Sontag نویسنده‌ی ارشد مقاله ارائه شده توسط این محققان در کنفرانس بین‌المللی یادگیری ماشینی در رابطه با هوش مصنوعی MIT گفت: «موانعی مانند قابل اعتماد بودن و مسؤولیت پذیری وجود دارند که نمی‌گذارند از سیستم‌های تمام اتوماتیک در زمینه‌های پزشکی استفاده شود. ما امید داریم که دیگر توسعه‌دهندگان هوش مصنوعی با الهام از هوش مصنوعیِ ما بتوانند به صورت خلاقانه‌تری از تخصص افراد مختصص در الگوریتم هوش مصنوعی خود استفاده کنند.»
در مرحله‌ی بعد، این محققان می‌خواهند که هوش مصنوعی توسعه داده شده را به قابلیت همکاری هم‌زمان با چندین مختصص مجهز کنند. به عنوان نمونه، آن‌ها می‌خواهند که هوش مصنوعی توسعه داده شده با متخصصان رادیولوژی مختلفی که دارای تجربه‌ی تشخیص در بیماران مختلف هستند همکاری کند.
این تیم تحقیقاتی باور دارند که از هوش مصنوعی توسعه داده شده می‌توان برای نظارت بر محتوای تولیدی کاربران در شبکه‌های اجتماعی هم استفاده کرد، زیرا این الگوریتم توانایی تشخیص متن یا عکس‌های نامناسب را دارد. با توجه به اینکه شبکه‌های اجتماعی درگیر بر طرف کردن موضوعاتی مانند اطلاعات غلط و دشمنی کاربران در شبکه‌ی اجتماعی خود هستند، استفاده از ابزار‌هایی مانند این هوش مصنوعی می‌تواند بدون نیاز به استفاده از سیستم‌های تمام اتوماتیک، از فشار کاری نظارت‌کنندگان بر روی محتوای کاربران کم کند.
منبع: Engadget
