موضوع: کاربرد مهم هوش مصنوعی _ سرویس‌های سلامتی و مراقبت‌های بهداشتی

هوشمندسازی سرویس های بهداشتی هم ممکن شد! (بخش دوم)


مسواک شارژی الکتریکی پرو 3000 اورال بی
به لطف این مسواک هوشمند الکتریکی نیاز به دندانپزشک نخواهید داشت و در واقع این محصول الکتریکی ضامن سلامتی دهان و دندان کاربران است.
این محصول اورال بی از قابلیت اتصال به گوشی های هوشمند را داشته و امکان کنترل سلامتی دندان کاربران به صورت روزانه از طریق اپلیکیشن آن وجود دارد.
به علاوه، این مسواک بی نظیر با قابلیت اتصال به بلوتوث و هم چنین انتخاب سه حالت مراقبت از لثه،شسشتوی روزانه و دندان های حساس به بازار عرضه می شود.

منبع : الکا ایران

هوشمندسازی سرویس های بهداشتی هم ممکن شد! (بخش دوم) | اخبار میهن مارکت

هوش مصنوعی در مراکز درمانی

سیناپرس: امروزه با پیشرفت فناوری‌های مبتنی بر هوش مصنوعی، شاهد حضور هر چه بیشتر این فناوری در زندگی انسان هستیم. در این میان ورود هوش مصنوعی به دنیای پزشکی با چالش‌های زیادی روبه‌رو بوده و درعین‌حال فواید متعددی را نیز دارد.
دورترین سفرها از نخستین گام‌ها شروع می‌شود و داستان دستیابی به امکانات و شرایط بهتر در دنیای درمان و مراقبت پزشکی نیز از این قاعده مستثنا نیست. گام‌ها باید در پی یکدیگر برداشته‌شده و هر پژوهش به‌مانند یک گام در مسیر فوق محسوب می‌شود که انباشته‌شده و ما را هزاران کیلومتر از نقطه شروع به‌پیش می‌برد.

پیشرفت در فنّاوری‌های تصویربرداری و افزایش شیوع بیماری‌های مزمن و انواع سرطان باعث شده است تا استفاده از داده‌های تصویری برای تشخیص زودهنگام بیماری‌ها افزایش پیدا کند. الگوریتم‌های تجزیه‌وتحلیل این تصاویر توسط هوش مصنوعی، نشان‌دهنده دقت قابل‌توجهی است که از بهترین رادیولوژیست‌ها نیز در تشخیص برخی سرطان‌ها مانند سرطان پستان بهتر عمل می‌کند.

داستان هوش مصنوعی و کاربرد آن در پزشکی به‌نوعی پیش می‌رود که در آن شکست‌های بزرگ بیش از موفقیت‌های کوچک بوده و توجه به این شکست‌ها نیز متعاقباً بیشتر است. البته باید توجه داشت که این دستاوردهای محدود و هرچند کوچک در این حوزه، قادر به ‌پیشبرد هوش مصنوعی در پزشکی شده و علاوه بر تکرار نوآوری‌ها به‌بهبود شرایط بیماران و تجربه مثبت آن‌ها نیز کمک کند. در این یادداشت به معرفی برخی دستاوردهای این حوزه می‌پردازیم: تشخیص بیماری‌ها و تصویربرداری به کمک کامپیوتر هوش مصنوعی شاهد برخی از پیشرفت‌های اولیه خود درزمینهٔ مراقبت‌های بهداشتی در ارزیابی خودکار و تشخیص از تصاویر پزشکی مانند ام آر آی، تصویربرداری سی‌تی‌اسکن و تصاویر آسیب‌شناختی بوده است. پیشرفت در فنّاوری‌های تصویربرداری و افزایش شیوع بیماری‌های مزمن و انواع سرطان باعث شده است تا استفاده از داده‌های تصویری برای تشخیص زودهنگام بیماری‌ها افزایش پیدا کند. الگوریتم‌های تجزیه‌وتحلیل این تصاویر توسط هوش مصنوعی، نشان‌دهنده دقت قابل‌توجهی است که از بهترین رادیولوژیست‌ها نیز در تشخیص برخی سرطان‌ها مانند سرطان پستان بهتر عمل می‌کند. علاوه بر این، در حوزه استفاده از هوش مصنوعی نتایج قابل‌توجهی در پیش‌بینی خطر بیماری‌های قلبی عروقی و بیماری‌های مرتبط با کبد به‌دست‌آمده است. بهینه‌سازی عملیات بیمارستانی گروه‌های اورژانس در بیمارستان‌ها معمولاً دچار تراکم کاری بوده و مشکلات متعددی را درزمینهٔ مدیریت بیماران مراجعه‌کننده تجربه می‌کنند. لزوم مراقبت‌های ویژه در این شرایط، مستلزم منابع مالی مناسبی است. از سوی دیگر این تراکم کاری موجب می‌شود برخی بیماران به‌طور مناسب ویزیت نشده یا به‌طورکلی مغفول واقع شوند. این مسئله می‌تواند ضررهای زیادی را متوجه مراکز درمانی کند درحالی‌که در این مورد، استفاده از هوش مصنوعی به کمک آمده و متخصصین و پزشکان به کمک آن، داده‌های بالینی واداری را بررسی کرده و در اختیار پزشکان قرار می‌دهد. این موضوع به برنامه‌ریزی دقیق‌تر، پیش‌بینی نیازمندی‌هایی از قبیل افزودن اتاق‌های اختصاص‌یافته به بیماران و ... را در اختیار برنامه مسئولان قرار داده و باعث تنظیم اولویت‌ها و پیشرفت و بهبود شرایط بیمارستانی خواهد شد. تجربیات پیشین نشان‌دهنده درصد بهبود دورقمی در این زمینه است. بهینه‌سازی مسیر درمان همان‌گونه که کمبود امکانات ارائه‌شده به بیماران در بیمارستان‌ها می‌تواند مشکلاتی را ایجاد کند، ارائه خدمات بی‌مورد، غیر لازم و هزینه‌بر نیز امری ضروری است که با کمک هوش مصنوعی می‌توان آن را مدیریت کرد. در حال حاضر، هوش مصنوعی در حال تبدیل‌شدن به‌ یک ابزار جامع برای سامانه‌های بهداشتی به‌منظور درک چگونگی ارائه مطلوب مراقبت‌های پزشکی به بیماران است. هوش مصنوعی با ارائه راه‌حل‌های مناسب و تجزیه‌وتحلیل داده‌ها می‌تواند دسترسی به مسیر ارائه درمان و خدمات بالینی استاندارد را تسهیل کند. مدیریت خطر در بیماران هوش مصنوعی، قابلیت‌های بسیار مطلوبی را برای بررسی مجموعه‌ای از متغیرهای نامحدود و مرتبط با سلامت، شیوه زندگی و موقعیت‌های اجتماعی و اقتصادی بیماران فراهم می‌کند تا با دقت بالا، احتمال پیشرفت بیماری‌های مزمن و عوارض مرتبط ، پیش‌بینی شوند. راه‌حل‌های هوش مصنوعی همچنین به‌طور شفاف زمینه‌های خطر را معرفی کرده و در مورد رژیم‌های شخصی و بیمار پیشنهادهای مناسبی ارائه می‌دهد. چنین سامانه‌های پیش‌بینی‌شده در حال حاضر به سیستم مراقبت‌های تصمیمی و مراقبت‌های ویژه و سامانه‌های مراقبت از جمعیت واردشده‌اند. ترجمه: احسان محمدحسینی منبع: medcitynews

https://sinapress.ir/news/75058/%D9%...A7%D9%86%DB%8C

تحول فناوری مراقبت پزشکی با کلینیک خودران Aim

سیستم مفهومی Aim نه تنها به کمک هوش مصنوعی بیماری ها را تشخیص می دهد بلکه قادر است در شرایط اضطراری بیمار را به بیمارستان منتقل کند.
این فناوری جنبه‌های مختلف زندگی مثل کار کردن، خرید، عملیات بانکی، ملاقات دیگران و حتی سفارش قهوه را تغییر داده است. سرویس های شخصی‌سازی شده و دستیاران هوشمند به ما کمک می‌کنند تا از بین حق انتخاب‌های مختلف در دفتر کار، خودرو و منزل تصمیم آگاهانه بگیریم.
با وجود اینکه پیشرفت‌هایی مثل قدرت یادگیری ماشین، پردازش حجم عظیم داده‌ها و محاسبات کامپیوتری شکل گرفته است و اتصالات جهانی زندگی ما را برای همیشه دگرگون کرده‌اند، تجارب ما از مراقبت‌های بهداشتی و پزشکی در دنیای مبهم و منفرد گذشته باقی مانده است. در دنیای مراقبت‌های پزشکی امروز، بیماران مختلف، به ناچار باید از ساختار‌های خدماتی گذشته استفاده کنند. متخصصین کلینیک‌ها اغلب به اطلاعات مفید بیمار که در منابع مختلف باقی‌ می‌ماند، دسترسی ندارند و به عنوان یک جامعه، ما پرونده‌های پزشکی را بدون توانایی ارزیابی تاثیر آن‌ها توزیع و طبقه‌بندی می‌کنیم چون اقدامات را به نتایج ربط نمی‌دهیم.

در حالی که نوآوری‌های تکامل‌یافته دیجیتال بسیاری از بخش‌های جامعه را به سرعت اشغال می‌کند، پیشرفت در بخش مراقبت‌های بهداشتی کندتر به نظر می‌رسد، به عنوان مثال امروزه بسیاری از بیمارستان‌ها برای ثبت اطلاعات بیمار هنوز هم از کاغذ استفاده می‌کنند.
اوایل امسال از یک کلینیک پزشکی پر از گجت‌های مختلف که قرار است در سانفرانسیسکو راه اندازی شود رونمایی شد. همچنین پیشرفت‌های قابل توجهی در زمینه هوش مصنوعی تشخیصی اتفاق افتاده است ولی کانسپت Aim برای مراقبت از سلامت انسان، اساسا روشی متفاوت از آنچه طی 100 سال گذشته استفاده می‌شد، معرفی می‌کند.
گروه طراحی شرکت آرتیفکت سیاتل سیستم مفهومی جامعی معرفی کرده‌اند که آینده مراقبت‌های بهداشتی درمانی را پویا و سیار می‌کند. تجهیزات نظارتی مثل اپلیکیشن گوشی هوشمند، هوش مصنوعی تشخیص‌دهنده بیماری‌ها و کلینیک خودران همه با ابداعاتی نو در منزل شما حضور دارند تا فصل جدیدی را در زمینه مراقب‌های پزشکی رقم بزنند.

این سیستم کار خود را با وسایل آزمایشی و نظارتی در منزل شروع می‌کند و اطلاعات را از طریق منابع مختلفی مثل ترازوی حمام، توالت و قفسه دارو ضبط می‌کند. هدف از این کار ایجاد وسایل به هم پیوسته‌ای شامل ابزار نظارتی پوشیدنی است که داده‌های بیمار را به صورت یکپارچه و مشترک ثبت می‌کنند. پس از آن هوش مصنوعی‌ای که به طور مداوم در حال یادگیری و ذخیره اطلاعات است شرایط بیمار را بررسی و نتایج غیرمعمول را گزارش می‌کند.
در مواقع لازم، یک مینی کلینیک خودران موقعیت شما را پیدا می‌کند و در محل حاضر می‌شود. این کلینیک امکانات تشخیصی کامل‌تری مثل ترموگرافی یا تشخیص دمای بدن، آنالیز تنفسی و ریتم قلب دارد. داخل این کلینیک سیار هوش مصنوعی وظیفه تشخیص بیماری‌ها را بر عهده دارد و حتی می‌تواند آنتی بیوتیک‌ها و داروهای ضد بارداری را به دست فرد برساند. اگر شرایط شخص وخیم یا تشدیدشده گزارش شود، سیستم Aim او را به یک متخصص آنکال وصل کرده یا به بخش اورژانس بیمارستان منتقل می‌کند.
طراحان Aim می‌گویند:

ماموریت Aim نزدیک کردن داده‌ها، تجربه و شکاف‌های لجستیکی بین منزل شخص و محیط‌های بالینی است.

در حال حاضر ممکن است این پروژه کمی دست نیافتنی به نظر بیاید ولی پیشرفت‌های سریع در زمینه سیستم‌های نظارت بر سلامت شخصی و هوش مصنوعی نویدبخش عملی شدن سیستم Aim در آینده‌ای نه چندان دور است و البته بخشی از این سیستم را میتوان بدون زحمت زیاد در پروسه‌های مراقبتی امروزه پیاده‌سازی کرد. با توجه به سختی‌هایی که بیمار و کارمندان بخش مراقبت برای حضور در محل و انتقال و درمان بیمار متحمل می شوند، سیستم Aim می‌تواند بار زیادی را از روی دوش آن‌ها بردارد. ابزار شناسایی و درمان به کمک هوش مصنوعی برای نظارت بر حال افراد با خطر و دردسر کم برنامه‌ریزی شده‌اند، کلینیک خودران سیار هم با بررسی شرایط بیمار و انتقال وی به بیمارستان قبل از اینکه بیماری تشدید شود و مستلزم پذیرش باشد، تاثیر بسزایی در کاهش استفاده از منابع بیمارستان‌ها دارد.
مسلما طراحی چنین سیستم پیچیده‌ای ارزان نخواهد بود، اما رشد موشک‌وار هزینه‌های مراقبت، لزوم تشویق و استقبال از این سیستم را بیشتر می‌کند. شبیه به "فوروارد کلینیک" سانفرانسیسکو، سیستمی با این قابلیت که در هزینه‌ها اثرگذار باشد می‌تواند به افرادی که توان مالی استفاده از بیمه‌های سلامت گران‌قیمت و خدمات آن‌ها را ندارند کمک کند و به آن‌ها دسترسی بیشتری به امکانات درمانی پزشکی بدهد.


https://cafesokhan.com/post/view/12753

ارزیابی رشد مغز نوزادان زودرس با هوش مصنوعی

تهران – ایرنا – محققان دانشگاه هلسینکی در فنلاند موفق به توسعه یک نرم‌افزار مبتنی بر یادگیری ماشین شده‌اند که قادر است با تفسیر سیگنال‌های مغزی نوزاد زودرس، عملکرد و رشد مغز وی را ارزیابی کند.

به گزارش روز یکشنبه گروه اخبار علمی ایرنا از ساینس دیلی، یادگیری ماشین (Machine learning) یکی از شاخه‌های وسیع و کاربردی هوش مصنوعی است که با تنظیم و اکتشاف روش ها و الگوریتم‌ها، توانایی یادگیری را در اختیار نرم‌افزارها و سامانه‌ها قرار می‌دهد.
یکی از مهمترین مشکلات کودکانی که پیش از موعد متولد می‌شوند، عدم توسعه مغز و اعصاب است. محققان برای ارزیابی دقیق عملکرد و رشد مغز نوزادان زودرس، از یک نرم‌افزار مبتنی بر هوش مصنوعی استفاده‌ کرده‌اند. این روش بسیار دقیق و کاملا خودکار است و با تفسیر امواج مغزی (EEG) نوزاد، رشد مغز وی را ارزیابی می‌کند.
در حال حاضر برای بررسی رشد نوزاد از جدولی استفاده می‌شود که شامل وزن، قد و اندازه دور سر نوزاد است. ولی با استفاده از این نرم افزار به طور عملی و دقیق می‌تواند توسعه و رشد سیستم عصبی نوزاد را بررسی کرد و در صورت نیاز اقدامات مراقبتی لازم را صورت داد.
در واقع با این روش برای اولین بار است که می‌توان بلوغ مغز نوزاد زودرس را قبل و بعد از مراقبت‌های ویژه بررسی کرد.
از هر 10 نوزاد، یکی پیش ازموعد متولد می‌شود. اواخر دوران بارداری در رشد مغز جنین بسیار با اهمیت است و فعالیت الکتریکی مغز تقریبا هر هفته تغییر می‌کند بنابراین آگاهی از رشد مغز و مراقبت های لازم در سلامت نوزاد نقش مهمی دارد.
نتایج این مطالعه در نشریه Scientific Reports منتشر شده است.

ایرنا - ارزیابی رشد مغز نوزادان زودرس با هوش مصنوعی

اطلاعاتی در مورد محدودیت های هوش مصنوعی


از 10 سال پیش دانشمندان برای اینکه بتوانند فعالیت های مغز انسان را رمزگشایی کنند از روش هوش مصنوعی استفاده می کنند. در این مقاله از دکتر سلام اطلاعاتی در خصوص رمزگشایی برای نشان دادن محدودیت های هوش مصنوعی را آماده کرده ایم. توصیه می کنیم که این مقاله را حتما مطالعه کنید و از دست ندهید. با ما همراه شوید.
از حدود 10 سال قبل محققان براي رمزگشايي فعاليت‎هاي مغز انسان تكنيك‎هاي هوش مصنوعي به‎نام يادگيري ماشين را به‎كار گرفته‌اند. در واقع دانشمندان سيستم هوش مصنوعي جديدي را توسعه داده‌اند كه مي‌تواند سيگنال‌هاي مغز را رمزگشايي كند. براساس اطلاعات به دست‎ آمده از تصويربرداري عصبي اين الگوريتم مي‎تواند آنچه كه مي‎بينيم، مي‎شنويم و حتي آنچه كه فكر مي‎كنيم را دوباره سازمان‌دهي كند. به‎عنوان مثال اين داده‎ها نشان مي‎دهند كه كلماتِ داراي معناي مشابه در قسمت‎هاي مختلف مغز در داخل محدوده‎هاي مغزي باهم دسته‌بندي مي‎شوند.
اكنون تحقيقات دانشمندان در سوئيس نشان مي‎دهد مغز لزوماً از همان مناطقي كه يادگيري ماشين براي اجراي يك وظيفه مشخص مي‌كند استفاده نمي‎كند. فراتر از آن اين نواحي منعكس‎كنندۀ تداعي‎هاي ذهني مرتبط با آن وظيفه هستند. در حالي كه يادگيري ماشين براي رمزگشايي فعاليت ذهني مؤثر است لزوماً نمي‌تواند براي درك مكانيسم‎هاي پردازش اطلاعات خاص در مغز مؤثر باشد. اين نتايج در ژورنال PNAS موجود است.
اخيراً تكنيك‎هاي اطلاعاتي علم عصب‎شناسي مدرن توجه خود را بر اين موضوع متمركز كرده است كه مغز چگونه تجسم نام آواها را به‎ صورت فضايي سازمان‎دهي مي‎كند و محققان را قادر به نقشه‎يابي دقيق منطقۀ فعاليت مي‎كند. دانشمندان عصب‌شناس از خود پرسيدند زماني‎كه مغز وظايف خاصي را اجرا مي‎كند چگونه از اين نقشه‌هاي فضايي استفاده مي‎كند. آنه ليز گراد پروفسور بخش عصب‎شناسي پايۀ دانشكدۀ پزشكي مي‌گويد: «براي دستيابي به پاسخ اين سؤال از تمام تكنيك‎هاي تصويربرداري عصبي استفاده كرده‎ايم.»
دانشمندان علم عصب‌شناسي كه طي تحقيقي حدود 50 نفر را در اختيار داشتند وادار به گوش كردن هجاها كردند. واج‎هاي مركزي بسيار مبهم بودند و تمايز قائل شدن بين دو انتخاب مشكل بود. سپس دانشمندان از MRI كاركردي و آنسفالوگرافي مغناطيسي استفاده كردند تا به چگونگي رفتار مغز زماني‎كه محرك‎هاي صوتي (آكوستيك) بسيار واضح هستند يا برعكس زماني‏كه اين محرك‎ها مبهم بوده و نيازمند بازنمود ذهني و فعال صوت و تفسير آن توسط مغز هستند پي ببرند.

پروفسور آنه ليز گراد خاطرنشان مي‎كند: «مشاهده كرديم صرف‌نظر از مشكل بودن دسته‎بندي هجاهاي شنيده‎ شده، بين BA و DA، هميشه تصميم‌گيري بخش كوچكي از لوب گيجگاهي خلفي بالاتر را به‎كار مي‎گيرد» اما همان‌طور كه آزمايش‎هاي اين گروه از دانشمندان دانشگاه ژنوا نشان داده است آيا اطلاعات دربارۀ هويت هجا به‌صورت محلي ارائه شده است يا براساس نقشه‎هاي به‌دست آمده از طريق يادگيري ماشين به‌صورت كلي در مغز ما ارائه مي‎شود؟ براي پاسخ به اين سؤال دانشمندان عصب‎شناس افرادي را در اختيار داشتند كه براي اهداف پزشكي الكترودهايي را در مغز آنها به‌صورت مستقيم كار گذاشتند. اين تكنيك مي‎تواند فعاليت مركزي مغز را جمع‎آوري كند. يك آناليز تك متغيري اين امكان را فراهم مي‎كند تا ببينيم درطول انجام اين وظيفه كدام ناحيه از مغز الكترود به الكترود و تماس به تماس به‌كار گرفته مي‎شوند. تنها تماس‏هاي لوب گيجگاهي خلفي بالاتر فعال بودند و در نتيجه نتايج مطالعات دانشگاه ژنوا را تأييد كردند.
اين تحقيق درك بهتري از چگونگي توصيف مغز از هجاها ارائه مي‎دهد و با نشان دادن محدوديت‎هاي هوش مصنوعي در شرايط تحقيقاتي خاص بازتاب خوشايندي از چگونگي تفسير داده‎هاي توليدشده توسط الگوريتم‎هاي يادگيري ماشين را در ذهن مي‎پروراند. محققان اين پژوهش اظهار كردند: چشم‌انداز ما براي آينده ارائه الگوريتم‌هاي خوديادگيري است كه مي‌توانند تصميمات مختلف كاربر را بر اساس سيگنال‌هاي مغزي آنها به سرعت تشخيص دهند.
منبع: روزنامه جوان

اطلاعاتی در مورد محدودیت های هوش مصنوعی

در تکنولوژی پزشکی انقلابی در راه است

دسترسی بیماران به اطلاعات و سوابق پزشکی‌شان موجب تشخیص بهتر بیماری‌ها و افزایش کارآمدی سیستم مراقبت‌های بهداشتی می‌شود. از سوی دیگر، جمع‌آوری داده‎های پزشکی بیماران، پیشرفت سریع‌ترِ علم پزشکی را به دنبال دارد. اگرچه ممکن است این سیستم معایبی هم داشته باشد، اما به نظر می‌رسد مزایای آن در مقایسه با اشکالاتش بیشتر است.
شعارسال : امروز افرادی که در کشورهای ثروتمند به مراکز مراقبت‌های بهداشتی مراجعه می‌کنند به خوبی می‌دانند که قرار است با چه چیزی مواجه شوند: آزمایش‌های بی‌پایان، پزشکان فوق متخصص، اصطلاحات ثقیل پزشکی، هزینه‌های کمرشکن و مهم‌تر از همه انتظارهای طولانی. بنابراین جای تعجب ندارد که آنها را بیمار بخوانیم.
البته بخشی از این انتظارات و تحمل کردن‌ها در چنین شرایطی ضروری است؛ چراکه عمدتا مسائل مربوط به بهداشت، سلامت و پزشکی امری پیچیده و مستلزم توجه و مراقبت‌های ویژه است. با این وجود، سرخوردگی و ناامیدی در میان بیماران بسیاری دیده می‌شود.
سه شرکت بزرگ آمریکایی یعنی آمازون (Amazon)، برکشایر هاتاوی (Berkshire Hathaway) و جی‌پی‌مورگن چیس (JP Morgan Chase) به تازگی اقدام به تاسیس شرکتی کردند که قرار است خدمات بهداشتی-درمانیِ ارزان‌تر و بهتری را در اختیار کارکنانشان قرار دهند و دسترسی آنها به داده‌های پزشکی خود را ممکن سازند.
یک مشکل اساسی در سیستم امروزی این است که بیمارانْ فاقد دانش و کنترل در مورد امراض خود هستند.
دسترسی به داده‌های پزشکی قطعا می‌تواند راه‌حلی مناسب برای هر دو مشکل باشد.
اینترنت در حال حاضر بیماران را قادر می‌سازد تا در صورت نیاز در هر زمان و مکانی به مشاوره آنلاین دسترسی داشته باشند.
بیماران قادرند بدون مراجعه به پزشک، آزمایش خون و سلسله مراتب توالی ژنوم، خود را تجزیه و تحلیل کنند. آنها همچنین می‌توانند به شناسایی باکتری‌ها و علائم عفونت روده خود بپردازند.
با این حال، ایجاد تغییراتی چنین رادیکال در سیستم پزشکی، مستلزم تغییراتی بزرگ‌تر است. مثلا میزان اهمیت باید از ارائه‌دهندگان خدمات پزشکی به بیماران و از پزشکان به داده‌ها تغییر کند.
اگرچه چنین تغییراتی به تدریج در حال وقوع است. تکنولوژی‌هایی همانند موبایل‌های هوشمند به کاربران این امکان را می‌دهد تا سلامت خود را کنترل کنند.
حال اگر، عناصری چون دسترسی به سوابق پزشکی و توانایی برای به اشتراک گذاشتن این اطلاعات با کسانی که به آنها اعتماد دارید فراهم شود، میزان کنترل به مراتب افزایش می‌یابد.
به این ترتیب، بیمار قادر خواهد بود تا ناکارآمدی را در امر درمان خود کاهش دهد و همچنین اطلاعات را برای آموزش الگوریتم‌های پزشکی فراهم آورد.
در نهایت کاربر می‎تواند به نحو بهتری از خود و اطرافیانش مراقبت کند.
پزشک خودتان باشید

دسترسی به داده‌های پزشکی، خود به تنهایی موجب بروز انقلاب در سیستم پزشکی نمی‌شود. اما این جریان می‌تواند منجر به روش‌هایی در پزشکی شود که نتایج مثبتی را به دنبال داشته باشد.
یکی از این روش‌ها، تشخیص بهتر بیماری‌هاست.
به عنوان مثال، شخصی که در مورد قلب خود نگران است، می‌تواند تنها با خریداری یک بند ساعت که به مانیتور کوچک پزشکی متصل است، متوجه بی‌نظمی ضربان قلب خود باشد.
گزارش‌ها نشان می‌دهد، بخش اعظمی از ۲۵۰ هزار مرگ‌ومیر سالانه در آمریکا، مربوط به خطاهای پزشکی است.






اپلیکیشن‌های مختلف در رقابتند تا بتوانند همه چیز از سرطان پوست و ضربه مغزی تا بیماری پارکینگسون را تشخیص دهند. دانشمندان در حال انجام تحقیقاتی هستند تا بتوانند بدون انجام آزمایش‌ خون‌های تهاجمی، و تنها با بررسی عرق انسان بیومارکرهای سرطانی را تشخیصی دهند.
مزیت دوم استفاده از چنین روش‌هایی مدیریتِ بهتر بیماری‌های پیچیده است.
به عنوان مثال، اپلیکیشن‌های دیابت می‌توانند از طریق کنترل سطح گلوکز خون و مصرف غذا، بیمار را کنترل کنند و به طور بالقوه باعث کاهش آسیب‌های طولانی‌مدت نظیر نابینایی و قانقاریا شوند.
اخیرا استار‌ت‌آپی به نام اکیلی اینتراکتیو (Akili Interactive) به دنبال تایید قانونی برای یک بازی ویدئویی است.
این بازی ویدئویی برای تحریک بخشی از مغز که با اختلال کم‌توجهی-بیش‌فعالی ارتباط دارد، طراحی شده است؛ یک بازی کامپیوتری که می‌تواند این اختلال را درمان کند و توجه و کنترل مهارکننده را در کودکان بهبود ببخشد.
بیماران با دسترسی به اطلاعات پزشکی خود همچنین می‌توانند میزان کارآمدی مراقبت‌های پزشکی را در خود افزایش دهند.
اگرچه امروزه پرونده‌های پزشکی به طور فزاینده‌ای الکترونیکی شده‌اند، اما بسیاری از آنها حاوی اطلاعاتی هستند که ماشین‌ها قادر به خواندنشان نیستند و این می‌تواند منجر به تاخیر در امر درمان و یا حتی بدتر، مرگ شود.
گزارش‌ها نشان می‌دهد، بخش اعظمی از ۲۵۰ هزار مرگ‌ومیر سالانه در آمریکا، مربوط به خطاهای پزشکی است.
اگر بیمار، به اطلاعات و مدارک پزشکی خود دسترسی داشته باشد، به راحتی می‌تواند این داده‌ها را با افراد قابل اعتماد به اشتراک بگذارد. این امر انگیزه‌ای قوی برای درمان و یافتن راه‌حل سریع تلقی می‌شود. به این ترتیب احتمال اینکه بیماران سریع‌‌تر خطاهای پزشکی را کشف کنند، افزایش می‌یابد.


پیش‌بینی‌ می‌شود، هوش مصنوعی‌های آینده بتوانند تنها با توصیف علائم بیماری، به تشخیص آن بپردازند؛ یا با شناسایی برخی رفتارها به کاربر بگویند که از افسردگی رنج می‌برد.









در ۲۴ ژانویه، اپل به ارائه طرحی پرداخت که طی آن به بیماران اجازه داده می‌شود، از طریق موبایل‌های هوشمند به دانلود پرونده‌های پزشکی خود بپردازند.
و اما مزیت نهایی. جمع‌آوری داده‌ها برای پیشرفت علم پزشکی در آینده نیز مفید است.
به عنوان مثال، آلفابت (شرکت مادر گوگل) در حال آموزش هوش مصنوعی برای شناسایی آسیب‌های سرطانی و آسیب شبکه است.
این بدان معناست که همان‌طور که اطلاعات و داده‌های بیمار از گوشی‌های هوشمند و گجت‌های پوشیدنی در جریان است، دانشمندان نیز به توسعه هوش مصنوعی برای انجام امور بیشتر در زمینه پزشکی می‌پردازند.
به عنوان مثال‌، پیش‌بینی‌ می‌شود، هوش مصنوعی‌های آینده بتوانند تنها با توصیف علائم بیماری، به تشخیص آن بپردازند؛ یا با شناسایی برخی رفتارها به کاربر بگویند که از افسردگی رنج می‌برد و یا در معرض خطر بیماری‌های قلبی است.
جمع‌آوری داده‌ها همچنین باعث می‌شود، شما افراد مبتلا به بیماری‌های مشابه را بیابید و چگونگی واکنش آنها به درمان‌های مختلف را مشاهده و مقایسه کنید.
سیب، اپل و سلامتی

در انگلیسی ضرب‌المثلی هست که می‌گوید: اگر روزانه یک سیب بخورید نیازی به دکتر نخواهید داشت.
اگرچه تکنولوژی کمک‎های فراوانی در امر پزشکی به بیماران می‌کند اما در این مسیر دام‌ها و تله‌هایی هم بر سر راه کاربران وجود دارد.
برنامه‌نویسان ممکن است اپلیکیشن‌های خطرناکی را طراحی کنند که نیازهای پزشکی را رفع نمی‌کنند. با این وجود، رگولاتورها می‌توانند خواستار نظارت بر اپ‌های خطرناک برای بیماران باشند. در این صورت احتمالا کاربران تنها از نظر مالی در معرض آسیب خواهند بود.
شفافیت بیشتر در مورد بیماری‌ها موجب می‌شود افراد سالم برای بیمه درمانی اقدام نکنند.






از سوی دیگر، این‌طور نیست که همه کاربران تمایل داشته باشند کنترل فعالانه مراقبت‌های بهداشتی خود را به دست بگیرند. افراد زیادی هستند که می‌خواهند شخصی حرفه‌ای بیماری‌های آنها را مدیریت کند. همچنین، این نگرانی از سوی افراد معمولی جامعه وجود دارد که عمدتا ثروتمندان نخستین کسانی هستند که از مزایای تکنولوژی‌های جدید بهره می‌برند.
اما ترس‌هایی از این دست راه‌حل دارند. با ایجاد انگیزه‌هایی از سوی کارفرمایان، دولت‎ها و بیمه‌گران که در مراقبت‌های پیشگیرانه کم‌هزینه برای کارکنانشان سرمایه‎‌گذاری می‌کنند، این نگرانی‌ها کاهش می‌یابد.
به طور مثال آلفابت اخیرا شرکتی به نام سیتی‌بلاک هلث (Cityblock health) راه‌اندازی کرده و قصد دارد از طریق جستجو در اطلاعات بیمار، مراقبت بهتری برای ساکنان کم‎درآمد شهرهای آمریکا فراهم کند. بسیاری از این افراد تحت پوشش بیمه مدیکید (Madicaid) در آمریکا هستند.
خطرات دیگری هم در این زمینه وجود دارد. به عنوان مثال، شفافیت بیشتر در مورد بیماری‌ها موجب می‌شود افراد سالم برای بیمه درمانی اقدام نکنند. و یا حتی، شرکت‌های بیمه ممکن است فرآیند بیمه درمانی را برای افراد با بیماری‌های سخت دشوار کنند.
وضع مقررات در این زمینه می‌تواند تا حدی چنین روندی را کاهش دهد اما قطعا نمی‌تواند آن را به طور کامل متوقف کند. مثلا مقرراتی که طی آن شرکت‌های بیمه‌ای اطلاعات پزشکی بیماران را برای پوشش بیمه در نظر نگیرند.
یک نگرانیِ دیگر امنیت است.
هرچه داده‌های بیمارانِ بیشتری تجزیه و تحلیل شود یا با شرکت‌های مختلف به اشتراک گذاشته شود، احتمال هک شدن یا مورد سوءاستفاده قرار گرفتن هم افزایش می‌یابد.
مطالعات نشان می‌دهد که بیماران مبتلا اگر به داده‌ها و مدارک پزشکی خود دسترسی داشته‌ باشند، درک بهتری نسبت به بیماری‌ها پیدا می‌کنند و درمان آنها هم موفق‌تر است.








تقریبا یک‌چهارم از تمامی نقض حریم‌ خصوصی داده‌ها در آمریکا در حوزه مراقبت‌های بهداشتی رخ می‌دهد. از این رو وضع جریمه‌های سنگین برای مراکز بهداشتی و درمانی که از قوانین سرپیچی می‌کنند، می‌تواند راه‌حل مناسبی باشد. اگرچه بسیار ساده‌لوحانه است که تصور کنیم این موضوع هیچ گاه رخ نخواهد داد.
حال سوال این است که آیا مزایای در دسترس قرار دادن داده‌ها به طور گسترده بیشتر از معایب و ریسک‌های آن است؟
بر اساس نشانه‌های موجود، این‌طور به نظر می‌رسد که مزایای آن در مقایسه با معایبش بیشتر است.
در حال حاضر، چنین سیستمی در کشورهای بسیاری آغاز شده است، اما تنها تعداد کمی از آنها به اندازه سوئد در این زمینه پیشرفت کرده‌اند.
در سوئد قرار است، دسترسی الکترونیکی تمام شهروندان به سوابق پزشکی‌شان تا سال ۲۰۲۰ مهیا شود.
بیش از یک‌سوم سوئدی‌ها حساب‌های کاربری خود را باز کرده‌اند.
مطالعات نشان می‌دهد که بیماران مبتلا اگر به داده‌ها و مدارک پزشکی خود دسترسی داشته‌ باشند، درک بهتری نسبت به بیماری‌ها پیدا می‌کنند و درمان آنها هم موفق‌تر است.
اینکه پزشکان در ارتباط کمتری با بیماران باشند و سوالات کمتری از آنها بپرسند، موجب شده در کانادا و آمریکا نه تنها افرادِ بیمار خوشحال‌تر باشند، بلکه حتی هزینه‌های کمتری هم بپردازند.
و البته جای تعجب هم ندارد. چراکه هیچ‌کس بیش از شخص بیمار به سلامتی‌اش علاقمند نیست. بنابراین به خود اعتماد کنید و پزشک خود باشید

در تکنولوژی پزشکی انقلابی در راه است

سال 2018؛ سال نفوذ هوش مصنوعی به دنیای ما

هوش مصنوعی زندگی، کار و بازی را در سال 2018 متحول می‌کند. حتماً تا کنون زیاد در مورد هوش مصنوعی شنیده‌اید. همه متخصصان علم و فناوری در سال 2017 بی وقفه مدام از این فناوری صحبت کردند؛ از ایلان ماسک گرفته تا مارک زاکربرگ. اما امسال دیگر قرار است این فناوری جدید زندگی شما را زیر و رو کند. رییس مایکروسافت در آسیا بر این باور است که امسال این جریان به طور واقعی شکل خواهد گرفت و بر بسیاری از جنبه‌های زندگی ما به شیوه‌ای جدی و فراگیر تأثیرگذار خواهد بود. به گفته رالف هاپتر، ایده هوشمند بودن کامپیوترها چیز جدیدی نیست و به سال 1950 برمی‌گردد که نابغه کامپیوتر، آلن تورینگ، به این موضع می‌اندیشید که آیا دستگاه‌ها قادر به فکر کردن هستند یا نه. حدود 70 سال طول کشیده است که ترکیب درستی از عوامل کنار هم گرد آیند تا جنبش هوش مصنوعی آغاز شود و از ایده مفهومی به واقعیتی فراگیر مبدل شوند.
توسعه هوش مصنوعی داستان نسل‌های آتی خواهد بود نه فقط امسال، اما با آغاز سال 2018، بهتر است با هشت روشی که هوش مصنوعی زندگی را متحول می‌کند آشنا شوید:

• هر کس یک دستیار مجازی خواهد داشت که بسیار هوشمند خواهد بود.

هوش مصنوعی دستیارهای شخصی روز به روز هوشمندتر می‌شود. وقت دستیارهای شخصی روز به روز بیشتر با عادات زندگی روزمره ما آشنا می‌شوند و از آنها یاد می‌گیرند، می‌توان تصور کرد که در آینده‌ای نزدیک نگران آماده کردن شام نباشیم. هوش مصنوعی می‌داند که چه چیزی دوست دارید، در آشپرخانه و یخچالتان چه چیزی هست و چه چیزهایی ندارید، کدام روزهای هفته در خانه آشپزی می‌کنید و مطمئن می‌شود که وقتی به خانه برگردید همه مواد غذایی لازم را دارید که در انتظار شما هستند با آنها یک غذایی خوشمزه آماده کنید.

• همه دستگاه‌های الکترونیکی که بر پایه فرمان صوتی هستند با هم کار می‌کنند شاید هم گیج بزنند!

به دلیل رواج و محبوبیت دستیارهای شخصی مجهز به فرمان صوتی، این فناوری را در گستره وسیعی از دستگاه‌ها خواهیم دید: از لامپ‌ها و ماشین‌ها گرفته تا خیلی از دستگاه‌های دیگر. علاوه بر این، پس از آزمایشات اولیه روی یک دستگاه، بسیاری از مردم بلندگوهای هوشمند را در همه جای خانه خود کار گذاشته‌اند. نتیجه این شبکه کاربردی چیزی است که در سال 2018 خود را بروز خواهد دهد؛ درصد بالایی از کاربران دستیارهای شخصی دسترسی به چندین دستیار را به صورت هم‌زمان و در پلت‌فرم‌های گوناگون خواهند داشت. در سال 2018، خواهید دید که فروشندگان مردم را تشویق به خرید دستگاه‌های دستیار شخصی می‌کنند.

• فناوری تشخیص چهره کارت اعتباری جدید شما خواهد بود!

به لطف هوش مصنوعی، چهره شما به منزله کارت اعتباری جدید شما، گواهینامه رانندگی جدید و بارکد جدیدتان خواهد بود. فناوری تشخیص چهره امکانات امنیتی و بیومتریک را کاملاً دستخوش تغییر و تحول کرده است و خواهید دید که چطور فناوری و فروش درست مثل آمازون و Whole Foods در هم ادغام می‌شوند. روزی خواهد رسید که دیگر برای خرید مواد غذایی یا هر چیز دیگری لازم نباشد در صف‌های طولانی بایستند.

• رئیس شما هم در مورد هوش مصنوعی حرف خواهد زد

با نفوذ هوش مصنوعی در شرکت‌ها، از مدیرعاملان و رهبران کسب‌ و کارهای مختلف گرفته تا مدیران میان‌رده و کارمندان ارشد و مسئول هر بخش، باید در برخی اصطلاحات اساسی و پایه هوش مصنوعی تبحر کافی را داشته باشند. آنها باید به همان زبانی حرف بزنند که سازمان‌ها حرف می‌زنند و به نقش پررنگ هوش مصنوعی و اهمیت آن در فرایند کسب و کار و کارگران واقف باشند.

• هوش مصنوعی رسانه‌های خاصی بر حسب اولویت‌های شما ایجاد می‌کند

تحقیقات نشان می‌دهد که هوش مصنوعی رسانه جدیدی باب سلیقه شما ایجاد می‌کند؛ مثلاً موسیقی. فرض کنید سرویس موسیقی در آینده نه تنها آهنگ‌هایی که دوست دارید را پخش می‌کند بلکه آهنگ‌های زیادی طبق سلیقه شخص شما می‌سازد.

• هوش مصنوعی اخبار و گزارش بازار را مخصوص شما ایجاد خواهد کرد.

فرض کنید گزارش بازار سهام بر حسب درخواست شما نوشته شود نه زمانی که بازار تعطیل شد. این گزارش‌ها چیزی بیش از عملکرد بازار خواهد بود اما با مقایسه عملکرد هر فرد با عملکرد بازار وسیع علت کسب نتیجه حاصله را به شما نشان می‌دهد. به نظرتان ما چقدر به چنین فناوری نزدیک هستیم؟ خبر خوش این که این فناوری بسیار بسیار نزدیک است و اتاق‌های خبر از این قابلیت‌ها و فناوری‌های جدید استقبال می‌کنند.

• کامپیوتر با شما همدردی می‌کند

پیشرفت‌های کاربردی در هوش مصنوعی شکل درون‌متنی بیشتری از محاسبات را در برخی از دستگاه‌های ما مخصوصاً در تلفن‌های هوشمند و بلندگوهای هوشمند به وجود خواهند آورد. لوازم هوشمند دیگر فقط شامل پرسش و پاسخ‌های ساده و انتزاعی نمی‌شوند بلکه حالت تعاملی‌تری پیدا می‌کنند و پاسخ آنها بیشتر شبیه پاسخ‌های انسانی به درخواست‌های ما خواهد بود. مکالمات چندبخشی، پاسخ‌ها کامل‌تر و حتی ارائه پیشنهاداتی بر حسب سلایق شما و کارهایی که تصمیم دارید انجام دهید این حس را به شما می‌دهد که دستگاه‌های شما هوشمندتر شده است. بخشی از این شیوه شکل‌گیری به یادگیری بیشتر از ما انسان‌ها و شیوه تفکر ما اختصاص پیدا می‌کند که در واقع نوعی ایجاد حس همدردی از نوع دیجیتال است.

• پزشک شما هم از هوش مصنوعی استفاده خواهد کرد.

سال 2018 سالی خواهد بود که هوش مصنوعی برای طبابت با واقعیت پیوند خواهد خورد. تا پایان سال میلادی جدید گمان می‌رود نیمی از سیستم‌های درمانی و بهداشتی و مراقبت از سلامت از اشکالی گوناگونی از هوش مصنوعی در گروه‌های تشخیصی استفاده کنند. با این که چنین سازگاری ابتدا در تخصص‌ها و پزشک تشخیصی است اما احتمالاً راهکارهای زیادی در سلامت افراد، عمل‌های بیمارستان و گستره وسیعی از تخصص‌ها به دنبال آن ایجاد خواهد شد. در سال 2018، فناوری هوش مصنوعی شیوه کار همه سازندگان و تأمین‌کنندگان را تغییر خواهد داد و تجربه بیماران از سلامت و اقدامات درمانی را در سرتاسر جهان دستخوش تحول می‌کند.

• منبع
• cnbc

http://mag.plaza.ir/139610/31760/%D8...C%D8%A7%DB%8C/