چالش عدم قطعیت برای استفاده از هوش مصنوعی در پزشکی
عضو هیئت علمی دانشگاه آزاد اسلامی گفت: چالش اصلی ما در زمینه استفاده از هوش مصنوعی در پزشکی، عدم قطعیت است. در یکی از مطالعاتی که با مشارکت دانشگاه سنت جورج لندن انجام دادیم گزارش کردیم که این عدم قطعیت به میزان زیادی وجود دارد.
به گزارش خبرنگار ایکنا، نشست «راهبری هوش مصنوعی در علوم دیگر» امروز یکشنبه 7 اسفندماه از سوی دانشگاه آزاد اسلامی واحد تهران شمال برگزار شد.
راحیل حسینی، عضو هیئت علمی دانشگاه آزاد اسلامی در این نشست با موضوع «کاربرد هوش مصنوعی در پزشکی» سخنرانی کرد و گفت: یکی از مباحث روز در دنیا در زمینه‌های پزشکی، استفاده از هوش مصنوعی برای حل مشکلات است لذا از این باب دنبال این هستیم که پیشرفت‌هایی که در این حوزه رخ داده را بررسی کنیم. همچنین اهمیت سیستم‌های پردازش تصاویر پزشکی و سیستم‌های هوشمندی که به این منظور طراحی شده را بررسی و چالش‌هایی که در این زمینه وجود دارد را ارزیابی می‌کنیم.
دلایل استفاده از هوش مصنوعی
وی ادامه داد: سؤال این است که چرا ما از هوش مصنوعی در پزشکی استفاده می‌کنیم و چگونه میتواند به حل چالش‌های پزشکی کمک کند؟ درباره دلایل استفاده باید اشاره کنیم که رادیولوژیست‌ها و پزشکان متخصص ما تشخیص‌های متفاوتی در هر فرد دارند و طبیعی است که هر متخصصی ممکن است یک مشکل را ببیند یا آن مشکل از نظر وی اهمیتی نداشته باشد یا گاهی اساسا متوجه مشکلی نشود بنابراین تجربه متخصصان متفاوت است لذا ممکن است تشخیص‌های متفاوتی داشته باشند و به همین دلیل هوش مصنوعی در این مورد میتواند کارایی زیادی داشته باشد.
سلیمانی یادآور شد: دلیل دیگر تفاوت‌هایی است که یک متخصص یا متخصصان، راجع به یک مورد مشترک دارند. طبیعی است چالش‌هایی که در یک انسان می‌توان دید در یک سیستم هوشمند وجود ندارد و این سیستم هوشمند خسته نمی‌شود بلکه یک متخصص ممکن است شب شیفت باشد یا عمل موفقیت‌آمیز نداشته باشد و به همین دلیل خسته شود اما سیستم هوشمند خسته نمی‌شود بنابراین طبیعی است که سیستم محدودیت ندارد و قدرت پردازش آن بالاست و می‌توانیم محاسبات پیچیده را با استفاده از ابزارها و تکنیک‌های خاص با دقت و قدرت بیشتر انجام دهیم.
چالش‌های هوش مصنوعی در پزشکی
عضو هیئت علمی دانشگاه آزاد تصریح کرد: در کشورهای پیشرفته دنیا بیشتر سرمایه‌گذاری بر روی پیشگیری است اما در کشورهای در حال توسعه، بیشتر بر دارو و درمان متمرکز هستیم هرچند که شعارمان این بوده که پیشگیری بهتر از درمان است. در این راستا هم هوش مصنوعی میتواند با دقت بالا و سرعت بیشتر کمک کند. نکته دیگر در زمینه تشخیص است. در این حوزه سازمان‌هایی در جهان وجود دارند که یک سیستم هوشمند را برای کمک به متخصص ارائه می‌دهند. در مرحله پیشرفت بیماری‌ها هم مشکلاتی برای شناخت بیماری وجود دارد بنابراین هوش مصنوعی در شناخت هم کمک می‌کند تا بتوانیم احیای بهتری داشته باشیم.
وی بیان کرد: مسئله دیگر که در دنیا بر آن تأکید میشود پردازش و تحلیل تصاویر پزشکی است. از این باب سیستم‌های هوشمند مختلفی مبتنی بر تکنولوژی‌های هوش مصنوعی ارائه شده که می‌توان به سیستم کامپیوتری برای کمک به شناسایی و اندازه‌گیری ضایعات و مشکلاتی همانند میزان گرفتگی رگ‌های قلب یا غده‌های سرطانی کمتر از دو میلی متر اشاره کرد. همچنین هوش مصنوعی به خوبی میتواند خوش‌خیم یا بدخیم بودن بیماری‌ها را برای ما روشن کند. البته با چالش‌هایی مواجه هستیم و چالش اصلی ما عدم قطعیت است. در یکی از مطالعاتی که با مشارکت دانشگاه سنت جورج لندن انجام دادیم گزارش کردیم که این عدم قطعیت به میزان زیادی وجود دارد.
عضو هیئت علمی دانشگاه آزاد اسلامی افزود: چالش دیگر این است که تشخیص‌های متفاوتی راجع به یک مورد مشترک وجود دارد. در یکی از تحقیقات از چهار رادیولوژیستی که مشارکت داشتند و تصاویر پزشکی که در اختیار آنها قرار گرفته بود در مجموع 174 غده سرطانی را مشاهده کرده بودند اما فقط تعداد محدودی یعنی 90 مورد از آنها به صورت مشترک بین آنها وجود داشت یعنی حدود پنجاه درصد تفاوت در زمینه تشخیص‌های پزشکی در ارتباط با موضوع مهمی همانند سرطان را شاهد بودیم. این هم مشکلی است که در زمینه طراحی سیستم‌های هوشمند با آن مواجه هستیم و باید برای آن راه حل ارائه کنیم.
چالش‌های کامپیوتر ویژن
مریم عابدی، عضو هیئت علمی دانشگاه آزاد اسلامی، درباره کاربردهای بینایی کامپیوتر در دنیای امروز صحبت کرد و گفت: درباره کامپیوتر ویژن یا بینایی کامپیوتر باید گفت هدف ما این است که ماشین خصوصیتی همانند چشم ما داشته باشد و همانند سنسور دنیای اطراف را بررسی کند و در واقع جایگزین ما شود. یعنی اگر جایی وجود دارد که ممکن است خطراتی برای ما داشته باشد خودمان آنجا نرویم و مثلاً ربات را به آنجا بفرستیم. این کاری بسیار مهم است که میتواند خطر را تشخیص داده و به ما در رفع آن کمک کند.
وی افزود: این کار چالش‌های زیادی دارد چراکه کامپیوتری که قرار است جایگزین انسان شود چیزی غیر از اطلاعاتی که ما به آن می‌دهیم در اختیار ندارد بنابراین چالش زیادی دارد که همانند ما ببیند و رفتار کند. در حالی اگر قرار است ماشین همانند ما باشد، برای مثال به خوبی رنگ‌ها را تشخیص دهد در حالی که این‌کار برای ماشین راحت نیست بنابراین اگر قرار است ماشین دقیقا همانند ما ببیند باید برای آن چاره‌اندیشی کنیم.
عابدی بیان کرد: البته بخش زیادی از علت اینکه کامپیوتر ویژن، پر از چالش است به خود ما برمی‌گردد؛ چراکه خود ما از منطقه‌ای به منطقه دیگر بر اساس منطقه جغرافیایی و فرهنگ و آب و هوای و شرایط طبیعی ممکن است ویژن‌ها متفاوتی داشته باشیم و در نتیجه دیدن کامپیوتر به جای ما دچار چالش‌های زیادی میشود.
وضعیت شبکه‌های اینترنتی آینده
همچنین مهدی امینیان، عضو هیئت علمی دانشگاه آزاد اسلامی، در این نشست به بیان نکاتی درباره استفاده از هوش مصنوعی در سیستم‌های 5G پرداخت و گفت: ما در حوزه شبکه‌های 5G نقش پررنگ و مبسوط هوش مصنوعی را شاهد هستیم بنابراین لازم است به وضعیت این شبکه‌ها اشاره کنم که امروزه در فضای مجازی نکات زیادی در مورد آنها بیان میشود. امروزه نسل‌های مختلف شبکه‌های اینترنتی، زندگی بشر را دچار تغییرات زیادی کرده‌اند. ما در حال حاضر در کشور شبکه 4G را در اکثر نقاط کشور داریم و بستر تمام اپلیکیشن‌های ده سال اخیر همین 4G بوده است بنابراین باید توجه داشته باشیم هر آنچه تحت عنوان اپلیکیشن در فضای مجازی داریم تحت شبکه مربوط به آن فعالیت می‌کند.
وی ادامه داد: شبکه 5G هم به ما نشان می‌دهد هر اپلیکیشنی که قرار است در آینده شکل بگیرد دیگر نمی‌تواند زیر شبکه 4G باشد چراکه پهنای باند آن اجازه نمی‌دهد بنابراین از سال 2016 استانداردسازی برای شبکه 5G شده است. یکی از خصوصیات آن تعداد کانکشن‌های بسیار بالاست که هوش مصنوعی نیز در این راستا کمک زیادی انجام داده است و همانند شبکه 4G دیگر قفل نمی‌کند.
عضو هیئت علمی دانشگاه آزاد اسلامی یادآور شد: انواع تکنولوژی‌ها و اپلیکیشن‌هایی که طی پنج سال آینده در دنیا تولید میشود در بستر شبکه 5G است و این نشان می‌دهد که هدفگذاری به درستی انجام شده است و نتیجتاً تمام اپلیکیشن‌ها هم توسط آن حمایت خواند شد.
انتهای پیام
