هوش مصنوعی و تاثیر آن در چشم پزشکی

 هوش مصنوعی و تاثیر آن در چشم پزشکی

Artificial Intelligence in Ophthalmologyنقش هوش مصنوعی در چشم پزشکیما اکنون با هوش مصنوعی بیگانه نیستیم. با فناوری هایی مانند تشخیص چهره، دستیارهای صوتی شخصی و تبلیغات دیجیتال کاملاً مدیریت شده، .هوش مصنوعی (AI) بخشی از زندگی روزمره ماست. اما آیا می دانستید که هوش مصنوعی راه خود را به بخش مراقبت های بهداشتی از جمله چشم پزشکی نیز باز کرده است؟.

هوش مصنوعی چیست؟.

هوش مصنوعی دسته ای از فناوری های رایانه ای است که به منظور تقلید از هوش یا الگوی رفتاری انسان ها است. هوش مصنوعی یک سیستم بسیار پیچیده است که از دو زیر مجموعه تشکیل شده است. اولاً، .یادگیری ماشین تکنیکی است که توصیف می کند چگونه رایانه ها می توانند از داده ها بدون مجموعه ای پیچیده از قوانین یاد بگیرند. ثانیا، .یادگیری عمیق راهی برای انجام یادگیری ماشینی است که از شبکه عصبی خود مغز ما الهام گرفته شده است.

چگونه از هوش مصنوعی در چشم پزشکی استفاده می شود؟.

Artificial Intelligence in Ophthalmologyنقش هوش مصنوعی در چشم پزشکیهوش مصنوعی قبلاً در مراقبت های بهداشتی به ویژه برای تجزیه و تحلیل تصویربرداری پزشکی استفاده شده است. به عنوان مثال، .هوش مصنوعی به تشخیص بیماری سل از طریق اشعه ایکس قفسه سینه و برخی سرطان های پوست و ریه کمک می کند.
چشم پزشکان در حال حاضر از فناوری بسیار پیچیده ای برای بررسی، .تشخیص و درمان بیماری های مختلف چشم استفاده می کنند، .اما هوش مصنوعی پیشرفت هیجان انگیزی را در این زمینه ارائه می دهد. یادگیری عمیق با استفاده از عکس‌های فوندوس .(عکس‌های پشت چشم، .از جمله شبکیه.او سی تی (OCT)  و میدان‌های بینایی به منظور تشخیص رتینوپاتی دیابتی، .دژنراسیون ماکولا وابسته به سن (AMD) .و گلوکوم استفاده شده است، .که همگی از مهمترین علل جهانی نابینایی هستند.هوش مصنوعی و تاثیر آن در چشم پزشکی
چندین نمونه از هوش مصنوعی در چشم پزشکی در حال فعالیت است:.
     DeepMind، .یک شرکت انگلیسی هوش مصنوعی که توسط گوگل خریداری شده است، با بیمارستان چشم مورفیلد Moorfields در لندن برای پیش‌بینی توسعه AMD اگزوداتیو، .یعنی شکل وخیم این بیماری، همکاری می‌کند.
    همچنین یک الگوریتم هوش مصنوعی که توسط محققان در بیمارستان چشم و گوش نیویورک در بیمارستان کوه سینا برای شناسایی سریع و دقیق AMD به کار گرفته شده است. این فناوری همچنین راه حل ارزانی برای پزشکی از راه دور ارائه می دهد که در آن دوربین هایی را می توان در کیوسک ها برای معاینه چشم بیماران نصب کرد. مزیت این است که معاینه چشم نیازی به تأخیر ندارد .و غربالگری برای بیماریهای وخیم می تواند ادامه یابد و به حفظ بینایی برای بسیاری کمک می کند.
هوش مصنوعی در چشم پزشکی
در سال 2018، اولین سیستم تشخیص مستقل برای تشخیص رتینوپاتی دیابتی در ایالات متحده تایید شد. برنامه هوش مصنوعی IDx-DR که توسط متخصص شبکیه، Michael Abràmoff ایجاد شد، توانست در حدود 87 درصد موارد رتینوپاتی دیابتی در مراحل پیشرفته تر از مرحله خفیف را شناسایی کند و در 90 درصد مواقع افراد بدون این بیماری را به درستی شناسایی کند.
به طور کلی، نقطه قوت هوش مصنوعی در زمینه چشم پزشکی، توانایی آن در تجزیه و تحلیل تصاویر است. معاینات چشم معمولاً شامل گرفتن تصاویر و نقشه های با کیفیت بالا از قسمت های مختلف چشم است. اگر الگوریتم هوش مصنوعی برای تشخیص بیماری در این نوع تصاویر آموزش داده شود، می تواند سرعت و دقت برنامه های غربالگری در مقیاس بزرگ را بهبود بخشد. همچنین می‌تواند دسترسی به چنین معایناتی را با امکان تصویربرداری از راه دور بهبود بخشد.
در یک مطالعه منتشر شده در مجله چشم پزشکی بریتانیا، 30000 اسکن بیمار (120000 تصویر) در برنامه غربالگری چشم دیابتی انگلستان (DESP) برای جستجوی علائم آسیب ناشی از رتینوپاتی دیابتی استفاده شد. این فناوری در تشخیص آسیبی که نیاز به ارجاع به متخصص دارد (95.7٪) و تشخیص رتینوپاتی متوسط تا شدید که می تواند منجر به از دست دادن بینایی شود (100٪) بسیار دقیق بود.
با توجه به اینکه تا سال 2040، حدود 600 میلیون نفر به دیابت مبتلا خواهند شد که یک سوم از آنها به رتینوپاتی دیابتی مبتلا هستند، این روش بسیار مفید است. از آنجایی که تنها حدود نیمی از دیابتی‌ها طبق برنامه پیشنهادی، سالانه چشم‌هایشان را معاینه می‌کنند، فناوری مانند این می‌تواند به کاهش زمان انتظار، پیش‌بینی پیش‌آگهی و کاهش از دست دادن بینایی یا نابینایی غیرضروری کمک کند.

چالش های هوش مصنوعی

هوش مصنوعی محدودیت های خاصی دارد. از آنچه به آن داده می شود یاد می گیرد، بنابراین به مجموعه داده های به اندازه کافی بزرگ (مثلاً تصاویر) نیاز دارد تا پیچیدگی یک موقعیت خاص را درک کند (مثلاً یک بیماری چشمی خاص چگونه به نظر می رسد). بدون اطلاعات کافی برای یادگیری، هوش مصنوعی ممکن است مواردی را تشخیص ندهد.
چالش بزرگ دیگر هوش مصنوعی، به ویژه در محیط های بیمارستانی، این است که باید اعتماد بیماران و پزشکان را جلب کند. اصطلاحی که اغلب در هوش مصنوعی به آن اشاره می شود «مشکل جعبه سیاه» است. این اصطلاح توضیح می دهد که ما واقعاً نمی دانیم چگونه یا چرا یک الگوریتم تصمیم خود را می گیرد؟ ما فقط می توانیم ورودی ها و خروجی ها را مشاهده کنیم اما عملکرد داخلی را نمی بینیم.هوش مصنوعی و تاثیر آن در چشم پزشکی

آیا هوش مصنوعی جایگزین چشم پزشکان خواهد شد؟

نه، اما می تواند به چشم پزشکان کمک کند. هوش مصنوعی فقط به دنبال چیزی است که شما از آن می خواهید، بنابراین برای مثال استفاده از آن در طول معاینات معمول چشم، همچنان یک فرآیند مشترک با چشم پزشک خواهد بود. با این حال، می‌تواند باعث صرفه‌جویی قابل توجهی در زمان غربالگری شود و به پزشکان این امکان را می‌دهد که زمان بیشتری را صرف مراقبت‌های اختصاصی کنند. تشخیص سریع با هوش مصنوعی همچنین به این معنی است که می توانید افراد بیشتری را درمان کنید. در نهایت، هوش مصنوعی امکان تشخیص از راه دور را در شرایط خاص فراهم می کند، که می تواند در مواردی که زمان انتظار طولانی است یا بیمار قادر به انجام آزمایشات فیزیکی نیست کمک کننده باشد.
حوزه هوش مصنوعی در چشم پزشکی بسیار هیجان انگیز است. پیشرفت های شگفت انگیز قبلی ما در بیش از 30 سال گذشته در زمینه فناوری روش های اصلاح بینایی با لیزر به ما این امکان را داده است تا بیش از 40 میلیون عمل لیزیک را انجام دهیم. در واقع، تعداد قابل توجهی از بیماران در این مرکز توسط دکتر نادری از مزاحمت های عینک رهایی یافته اند و این سابقه ای است که ما به آن افتخار می کنیم.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


Warning: call_user_func_array() expects parameter 1 to be a valid callback, function 'wp_ob_end_flush_all' not found or invalid function name in /home/drnader1/domains/dr-naderi.ir/public_html/wp-includes/class-wp-hook.php on line 324