آیا هوش مصنوعی می تواند تنوع بیشتری در توسعه دارو ایجاد کند؟ - اخبار ورزشی

هوش مصنوعی (AI) برای ایجاد الگوریتم ها (یا دستورالعمل های رایانه ای) برای توسعه برترین شیوه ها و پیش بینی ها، بر مقادیر زیادی داده متکی است؛ اما دستورالعمل ها فقط به مقدار داده هایی هستند که برای ایجاد آن ها استفاده می گردد و مردم هستند که داده ها را ایجاد می نمایند.

ناهید کورجی، رئیس هیئت مدیره اتحاد برای هوش مصنوعی در مراقبت های بهداشتی، می گوید: اساس توسعه فناوری های هوش مصنوعی، افراد هستند و آن افراد تعصبات خاص خود را دارند. در نتیجه، الگوریتم ها سوگیری های خاص خود را خواهند داشت. فناوری که از گفتار برای تشخیص بیماری استفاده می نماید نمونه ای از آن است.

کورجی می گوید: موارد زیادی وجود دارد، مثال هایی که شرکت ها نتوانسته اند تفاوت های گفتار در فرهنگ های مختلف را تشخیص دهند. وقتی فناوری مبتنی بر الگو های گفتاری جمعیتی محدود است، وقتی آن مدل در دنیای واقعی برای جمعیتی متفاوت با لهجه متفاوت اعمال می گردد، شکست می خورد. در نتیجه، این نماینده نیست.

مثال دیگر داده های ژنتیکی و ژنومی است.

بیش از 90 درصد از داده های ژنتیکی و ژنومی از مردم اروپایی تبار منشاء گرفته است. کورجی، که بعلاوه رئیس و مدیر عامل Cyclica Inc، یک شرکت کشف دارو مبتنی بر داده مستقر در تورنتو است، می گوید: این شامل افراد قاره آفریقا، آسیای جنوب شرقی، آسیا یا آمریکای جنوبی نمی گردد

بنابراین، بسیاری از تحقیقاتی که در آن سطح از داده ها اجرا شده است، ذاتاً مغرضانه هستند.

منصف بودن

ایجاد داده هایی که تنوع، برابری و افراد و فرهنگ های سراسر دنیا را در نظر می گیرد، چالش ناامیدنماینده ای نیست؛ اما کارشناسان می گویند که زمان می برد. هنگامی که این امر محقق شد، هوش مصنوعی باید به عاری از تعصبات انسانی و سیستمی نزدیک گردد.

کورجی می گوید: راه چاره این مشکل از آنجا ناشی می گردد که مردم ذاتاً درک می نمایند که سوگیری وجود دارد و سپس تنها داده های منصفانه و متعادل را شامل می گردد که آزمون تنوع را با موفقیت پشت سر می گذارند.

انتخاب عاقلانه تر

یکی دیگر از راه های امیدوارنماینده برای هوش مصنوعی، ساده سازی فرآیند توسعه دارو، محدود کردن نامزد های دارویی بالقوه و ارزان تر کردن آزمایش های بالینی است.

ساستری چیلوکوری، مدیر عامل شرکت آزمایشات بالینی مبتنی بر داده مدیتاتا و بنیانگذار و رئیس هوش مصنوعی Acorn AI، می گوید: اگر داده های منبع دارای چالش ها و محدودیت هایی هستند، پس هوش مصنوعی به انتشار این محدودیت ها ادامه می دهد. داده های منبع باید نماینده بیشتری داشته باشند و باید عادلانه تر شوند تا هوش مصنوعی آنچه را که در حال رخ دادن است منعکس کند.

آنجلی مولر، دکترا، سرپرست داده ها و ادغام ها که بینش هایی را در Roche در برلین ایجاد می نماید، می گوید: وقتی صحبت از تعصبات انسانی یا سیستمی در فراوری دارو می گردد، اگر بگوییم هوش مصنوعی یا یادگیری ماشینی می تواند آن را رفع کند، بسیار ساده تر است. اما استفاده مسئولانه از هوش مصنوعی و یادگیری ماشینی می تواند به ما در شناسایی سوگیری ها و یافتن راه هایی برای کاهش اثرات منفی که ممکن است ایجاد کند، یاری کند.

شرکای خاموش

کارشناسان می گویند در عین حال هدف هوش مصنوعی ساده سازی توسعه دارو است، این فناوری بعلاوه می تواند به بهبود همه پزشکان در شغلشان یاری کند. برای مثال، هوش مصنوعی با توسعه دانش و تخصص در همه جا، به اشتراک گذاشتن برترین روش ها از پزشکان با تجربه زیاد در بیماران پیچیده تر یاری می نماید. این به هدایت کسانی یاری می نماید که هر سال فقط چند بیمار از این قبیل را درمان می نمایند.

چیلوکوری می گوید که حجم جراحی در شهر نیویورک یا دهلی می تواند به صد ها بیمار در سال برسد، اما اگر به فضا های داخلی ایالات متحده مانند نبراسکا بروید، جراح آنقدر حجم بیمار را نمی بیند.

او می گوید هوش مصنوعی می تواند به پزشکان با ارائه ابزار هایی که به آن ها امکان می دهد مراقبت های درجه یک را با سرعت بسیار بیشتری به همه جمعیت خود ارائه دهند یاری کند.

افزایش کارایی

هوش مصنوعی می تواند با استفاده از داده ها برای شناسایی بیماران در معرض خطر، به درمان هدفمند یاری کند. کورجی می گوید این فناوری بعلاوه می تواند بعضی از نقاط تنگنا در پزشکی را بهبود بخشد، مانند زمان لازم برای تفسیر تصاویر رادیولوژی.

او خاطرنشان می نماید که یک شرکت هوش مصنوعی وجود دارد که کل مدل کسب و کار آن جایگزینی رادیولوژیست شما نیست، بلکه بهتر کردن رادیولوژیست ها است. یکی از اهداف این شرکت جلوگیری از مرگ یا بیماری شدید ناشی از اسکن های رادیولوژی است که از دست رفته اند یا به مقدار کافی سریع برای آن بیمار عمل نمی نمایند.

چیلوکوری می گوید رادیولوژیست ها آنقدر مشغول هستند که ممکن است تنها 30 ثانیه یا کمتر فرصت داشته باشند تا هر اسکن را تفسیر نمایند. هوش مصنوعی می تواند یک ضایعه نگران نماینده بالقوه را علامت گذاری کند، اما بعلاوه می تواند یک تصویر را با اسکن های قبلی روی همان بیمار مقایسه کند. این دیدگاه ارائه شده به وسیله هوش مصنوعی نه تنها در خصوص رادیولوژی بلکه در سراسر حوزه های پزشکی مبتنی بر داده ها نیز اعمال می گردد.

پیشبرد پزشکی شخصی

چیلوکوری می گوید هوش مصنوعی می تواند رویکرد شخصی را برای جراحی هدایت نموده و پیشنهاد دهد؛ زیرا اینطور نیست که انسان ها در ابعاد کوچک، میانه و بزرگ باشند. این فناوری می تواند به جراحان یاری کند تا دقیقاً محل جراحی هر بیمار را معین نمایند.

مولر موافق است که هوش مصنوعی پتانسیلی برای تقویت پزشکی شخصی دارد.

مولر که بعلاوه نایب رئیس هیئت مدیره اتحاد برای هوش مصنوعی در مراقبت های بهداشتی است، می گوید: هوش مصنوعی می تواند به تشخیص و پیش بینی خطر یاری کند که می تواند به معنای مداخلات زودهنگام باشد. برای مثال این احتمال وجود دارد که او به علت ادم ماکولا دیابتی دچار مسائل چشمی گردد؟

این فناوری بعلاوه می تواند به آنالیز تصویر بزرگ یاری کند.

مولر می گوید: یادگیری ماشینی می تواند در پی الگو هایی در جمعیتی باشد که ممکن است در کتاب پزشکی شما نباشد.

چیلوکوری پیش بینی می نماید که علاوه بر تشخیص و درمان، هوش مصنوعی می تواند با شخصی سازی توانبخشی برای هر بیمار به بهبودی یاری کند.

اینطور نیست که همه افراد دقیقاً به همان روش بازپروری نمایند. بنابراین، شما برنامه های هوش مصنوعی کاملاً فردی دارید که به شما امکان می دهد در مسیر خود بمانید و پیش بینی کنید به کجا می روید.

منبع: سلامت نیوز