انقلاب هوش مصنوعی در درمان لوسمی حاد/ امیدهای تازه برای درمان سرطان خون

یک پژوهشگر دانشگاه علوم پزشکی تهران با بیان اینکه هوش مصنوعی توانسته مسیر درمان را متحول کند، گفت: ما موفق شدیم با مدل‌سازی داده‌های بیماران، ابزاری بسازیم که میزان موفقیت پیوند سلول‌های بنیادی را با دقتی چشمگیر پیش‌بینی می‌کند. این دستاورد می‌تواند به پزشکان کمک کند تا تصمیمات درمانی دقیق‌تری بگیرند و بیماران را با اطمینان بیشتری به سمت بهبودی هدایت کنند.

به گزارش دبیرخانه سمینار بین المللی هوش مصنوعی، «مائده روزبهانی»، پزشک و پژوهشگر دانشگاه علوم پزشکی تهران در گفتگو با برنامه «نویار» شبکه رادیویی سلامت با بیان اینکه کاربرد هوش مصنوعی در حوزه پزشکی گامی انقلابی در درمان بیماری‌های پیچیده محسوب می‌شود، گفت: ما با همکاری مرکز تحقیقات هماتوانکولوژی بیمارستان شریعتی، و استاد پروفسور مریم برخوردار و استاد پروفسور محمد واعظی موفق شدیم داده‌های مربوط به بیش از ده هزار بیمار مبتلا به لوسمی حاد را طی یک دوره ده‌ساله جمع‌آوری کنیم. این اطلاعات به ما امکان داد تا با استفاده از تکنیک‌های یادگیری ماشینی، مدل پیش‌بینی دقیقی طراحی کنیم که میزان موفقیت پیوند سلول‌های بنیادی را تخمین بزند.

وی با تأکید بر اینکه این پروژه اولین تلاش جدی برای استفاده از هوش مصنوعی در پیش‌بینی نتایج پیوند سلول‌های بنیادی محسوب می‌شود، افزود: امروزه هوش مصنوعی در بسیاری از زمینه‌های پزشکی، از تصویربرداری گرفته تا تجزیه‌وتحلیل داده‌های کلینیکی، حضور دارد. اما اینکه بتوانیم این فناوری را برای پیش‌بینی میزان موفقیت پیوند سلول‌های بنیادی به کار ببریم، یک رویکرد جدید و ارزشمند است که برای اولین بار اجرایی شده است.

روزبهانی گفت: داده‌های بیماران گذشته، در این مدل نقش حیاتی ایفا می‌کنند و ابزار طراحی‌شده بر اساس اطلاعات این بیماران، میزان موفقیت درمان را برای بیماران جدید محاسبه می‌کند. وی توضیح داد: «در واقع، این مدل مانند پزشکی فوق‌العاده باتجربه عمل می‌کند که سال‌ها بیماران مختلف را بررسی کرده و حالا با تمرکز بالا، برای هر فرد جدید احتمال موفقیت پیوند را مشخص می‌سازد.

وی با اشاره به عواملی که بر موفقیت پیوند تأثیر دارند، عنوان کرد: اینکه یک پزشک بتواند میزان موفقیت درمان را پیش‌بینی کند، کار پیچیده‌ای است. چرا که این موضوع به متغیرهای متعددی از جمله نوع سلول‌های پیوندی، ویژگی‌های زمینه‌ای بیمار، مشخصات ژنتیکی و نوع سیستم ایمنی وی بستگی دارد. اما مدل طراحی‌شده، با تحلیل دقیق تمامی این عوامل، می‌تواند به طور دقیق شانس موفقیت درمان را تخمین بزند.

این پژوهشگر جوان با اشاره به میزان دقت این مدل گفت: پس از آزمایش‌های متعدد، به نتایج قابل‌توجهی دست یافتیم. میزان دقت پیش‌بینی‌های این مدل بین ۸۵ تا ۹۰ درصد بوده که نشان‌دهنده قابلیت بالای هوش مصنوعی در تحلیل داده‌های پزشکی است.

روزبهانی در ادامه افزود: برای اطمینان از صحت نتایج، این مدل روی داده‌های بیماران گذشته آزمایش شده و سپس میزان موفقیت پیش‌بینی‌ها با نتایج واقعی مقایسه شده است. این موضوع باعث شد که اعتماد بیشتری به دقت مدل داشته باشیم، چرا که نتایج به دست آمده کاملاً قابل استناد بودند.

وی با تأکید بر اهمیت این پژوهش در آینده پزشکی، اظهار کرد: این فناوری نه‌تنها در حوزه پیوند سلول‌های بنیادی، بلکه در سایر بخش‌های پزشکی نیز قابلیت کاربرد دارد. انتظار می‌رود که مدل‌های مشابه در درمان بیماری‌های مزمن و پیچیده مورد استفاده قرار گیرند و بتوانند به پزشکان در تصمیم‌گیری‌های دقیق‌تر کمک کنند.

این پژوهش نوآورانه نشان می‌دهد که علم داده و هوش مصنوعی چگونه می‌توانند در جهت بهبود فرآیندهای درمانی به‌کار گرفته شوند. پزشکان امیدوارند که با توسعه بیشتر این فناوری، بتوانند ابزارهای پیشرفته‌تری برای پیش‌بینی نتایج درمانی بیماران طراحی کنند و رویکردهای درمانی را هوشمندتر و دقیق‌تر کنند.

تحول پزشکی با هوش مصنوعی؛ امیدی تازه برای نجات بیماران سکته مغزی

دانشجویان بیوانفورماتیک دانشگاه صنعتی شریف، با بهره‌گیری از هوش مصنوعی سیستمی را طراحی کرده که به پزشکان کمک می‌کند تشخیص و مدیریت سکته مغزی را سریع‌تر و دقیق‌تر انجام دهند. این فناوری که در مرحله پایلوت قرار دارد، امید تازه‌ای برای افزایش سرعت درمان بیماران و کاهش آسیب‌های ناشی از تأخیر در تشخیص به همراه دارد.  

دبیرخانه سمینار بین المللی هوش مصنوعی //  ابوالفضل ملک احمدی، دانشجوی کارشناسی ارشد بیوانفورماتیک دانشگاه صنعتی شریف در گفت‌وگو با برنامه "نویار" شبکه رادیویی سلامت درباره اهمیت این پروژه و تأثیر آن بر روند درمان بیماران سکته مغزی توضیح داد و گفت: سکته مغزی یکی از عوامل اصلی مرگ‌ومیر در ایران است و روزانه حدود ۴۰۰ نفر به این عارضه دچار می‌شوند. با وجود تأکید بر "ساعات طلایی" درمان، یعنی چهار تا شش ساعت اولیه پس از سکته، نبود پزشک متخصص در لحظه و عدم یکپارچگی در فرآیندهای تصویربرداری پزشکی منجر به تأخیر در روند درمان می‌شود که می‌تواند آسیب‌های جبران‌ناپذیری به بیمار وارد کند.

وی افزود: سیستمی که طراحی کرده‌ایم، با گردآوری داده‌های تصویربرداری از بیمار شامل سی‌تی‌اسکن، ام‌آر‌آی و آنژیوگرافی، امکان دسترسی پزشکان متخصص را از راه دور فراهم می‌کند. این فناوری با کمک الگوریتم‌های هوش مصنوعی، تصاویر مغزی بیمار را به‌صورت خودکار تحلیل کرده و اطلاعات حیاتی درباره شدت سکته، میزان آسیب و محل دقیق درگیری مغز را ارائه می‌دهد. این ابزار به پزشکان کمک می‌کند تا در کمترین زمان ممکن تصمیم‌گیری کرده و بهترین روند درمان را انتخاب کنند.

ملک احمدی درباره مکانیسم عملکرد این سیستم توضیح داد و گفت: «این نرم‌افزار علاوه بر یکپارچه‌سازی داده‌های بیمار، امکان مانیتورینگ فرآیند درمان را نیز فراهم کرده است. پزشک می‌تواند با انتخاب یک الگوریتم مانیتورینگ از میان گزینه‌های موجود، روند درمان بیمار را بهینه‌سازی کند. این قابلیت، تصمیم‌گیری در مورد روش‌های درمانی از جمله دارو درمانی، مداخلات پزشکی یا روش‌های جراحی را تسریع می‌کند.»  

وی درباره مراحل اجرایی این پروژه گفت: در حال حاضر، نسخه MVP (محصول اولیه) این سیستم در بیمارستان‌های شهدای تجریش، گلستان قم، الزهرا اصفهان و برخی بیمارستان‌های دیگر در حال بررسی است. اگر این مرحله موفقیت‌آمیز باشد، روند تجاری‌سازی آن آغاز شده و این فناوری می‌تواند به‌طور گسترده در بیمارستان‌های سراسر کشور به کار گرفته شود.

ملک احمدی در پایان تصریح کرد: هدف ما این است که هوش مصنوعی را به ابزاری کارآمد برای پزشکان تبدیل کنیم تا نه‌تنها روند تشخیص سریع‌تر انجام شود، بلکه دقت تصمیم‌گیری در مراحل درمان بیماران سکته مغزی نیز افزایش یابد. در آینده قصد داریم الگوریتم‌های سیستم را بهبود داده و دامنه کاربرد آن را در سایر بیماری‌ها نیز گسترش دهیم. امیدواریم این فناوری بتواند نقشی مهم در کاهش مرگ‌ومیر و افزایش کیفیت زندگی بیماران ایفا کند.

پیام دبیر

اگر علاقمند به تولید علم هستید، 

شما را در تحقیقات و انتشار در نشریات علمی همراهی می کنیم.

نش یاتی مانند Springer-Nature، Taylor Fancies و Atlantis Press و دهها نشریه دیگر در دانشگاههای مدیریت-حقوق-فناوری اطلاعات-مالی-اقتصاد-بازرگانی-کشاورزی-ورزش-تربیت بدنی-پزشکی-بهداشت-محیط زیست-روانشناسی-صنایع و...

==

ارادتمند:دانش آموز مادام العمر ایرانی 

حجت بقایی(مشاور تحقیق و توسعه)

hojjat baqaee