هوش مصنوعي به سيستم‌هايي اطلاق مي‌شود كه مي‌توانند واكنش‌هايي مشابه رفتارهاي هوشمند انساني از جمله درك شرايط پيچيده، شبيه‌سازي فرايندهاي تفكري و شيوه‌هاي استدلالي انسان و پاسخ موفق به آن، يادگيري و توانايي كسب دانش و استدلال براي حل مسائل داشته باشند. گسترش دانش در حوزه پزشكي و پيچيدگي تصميمات مرتبط با تشخيص و درمان (به عبارتي حيات انسان) توجه متخصصين را به استفاده از سيستم‌هاي پشتيبان تصميم‌گيري در امور پزشكي جلب نموده است. در اين بين، استفاده از انواع مختلف سيستم‌هاي هوشمند در پزشكي رو به افزايش است، به طوري كه امروزه تأثير انواع سيستم‌هاي هوشمند در پزشكي مورد مطالعه قرار گرفته است.

هوش مصنوعی شاخه‌ای گسترده از علوم کامپیوتر است که منجر به تولید ماشین‌های هوشمند می‌گردد. یک ماشین هوشمند قادر به انجام مواردی است که معمولا به هوش انسانی نیازمندند، مواردی از قبیل ادراک بصری، تشخیص گفتار، تصمیم‌گیری و.... هوش مصنوعی، مجموعه‌ای از کدهای برنامه‌نویسی شده است که کامپیوتر را قادر می‌سازد تا همانند یک انسان بیندیشد، احساس کند و رفتار نماید. در توصیف این فناوری می‌توان گفت که انسان، خود در حال توسعه هوشی فراتر از هوش انسانی است. زیرا یک ربات هوشمند بر اثر آموزه‌هایی که از دانشمندان انسانی فرامی‌گیرد، می‌آموزد که چگونه مانند یک انسان و یا حتی بهتر از آن عمل نماید. هوش مصنوعی قادر به خودکار‌سازی امور، پردازش داده‌های پیچیده، پیش‌بینی اعمال، علامت‌گذاری دستورات، برچسب‌گذاری خطاها و... است.

کاربرد هوش مصنوعی

پیش‌بینی و پیشگیری ریسک بیماری‌های قلبی_عروقی، تست عملکرد ریوی، کنترل تست‌های قند خون،  پیش‌بینی GFR و بیماری‌های کلیوی، تصویربرداری تشخیصی در مشکلات گوارشی، نورولوژی(مغز و اعصاب)، تشخیص صرع و مانیتور تشنج، ارزیابی راه رفتن، وضعیت بدن و لرزش، تشخیص سرطان در هیستوپاتولوژی، تصویربرداری پزشکی و اعتبارسنجی فناوری‌های مبتنی بر هوش مصنوعی.

کاربرد هوش مصنوعی در پزشکی

هوش مصنوعی به عنوان یکی از جدیدترین و پرکاربردترین حوزه‌های علوم رایانه، بر آن است تا با هوشمند‌سازی رایانه‌ها و ماشین‌ها، کاربردهای حیاتی در فناوری‌های مختلف و از جمله علم پزشکی به منظور ضریب عملکرد موفق بالا در تشخیص و درمان بیماری‌ها ارائه دهد. عبارت «تکنولوژی پزشکی» به طور گسترده برای پرداختن به طیف وسیعی از ابزارها استفاده می‌شود که می‌تواند متخصصان سلامت را قادر سازد تا با انجام تشخیص زودهنگام، کاهش عوارض، کاهش مدت بستری شدن در بیمارستان، بهینه‌‌سازی درمان و یا ارائه گزینه‌های کمتر تهاجمی، کیفیت زندگی بهتری را برای بیماران و جامعه فراهم کنند.

نخستین فناوری بر پایه هوش مصنوعی در پزشکی، نامگذاری برگرفته از پسوند نام آنتی بیوتیک‌ها بود که در دهه 70 میلادی در دانشگاه پرینستون برای تشخیص عفونت‌های منتقل شونده از طریق خون مورد استفاده قرار گرفت، ولی به دلیل تعدد و پیچیدگی بالای الگوریتم‌های ارائه شده و عدم موفقیت قابل قبول، عملا استفاده از آن با شکست روبه رو شد. امروزه با اصطلاحات و مطالعات گسترده و همچنین افزایش توان رایانه‌ها در پردازش اطلاعات، کاربرد هوش مصنوعی در پزشکی و شاخه‌های مرتبط مانند دارو‌سازی و ژنتیک تا حد زیادی بهبود و توسعه یافته است. به عنوان مثال به مواردی مانند تجربه اخیر کاربرد هوش مصنوعی در تشخیص و تفسیر نتایج حاصل از روش‌های مختلف تصویربرداری پزشکی در درمان بیماری‌هایی مانند کرونا، کشف ملکول‌های مؤثرتر در ساخت داروهای جدید، توانایی تشخیص الگوهای ژنتیکی منجر به بیماری‌های خاص و غیره اشاره کرد که درصد عملکرد صحیح بالایی از خود نشان داده است.

تأثیر هوش مصنوعی در مهار کرونا

چالش‌هایی که همه‌گیری COVID-19 برای بسیاری از سیستم‌های بهداشتی ایجاد کرد، بسیاری از سازمان‌های مراقبت‌های بهداشتی در سراسر جهان را به آزمایش میدانی فناوری‌های جدید پشتیبانی شده از هوش مصنوعی، مانند الگوریتم‌های طراحی‌شده برای کمک به نظارت بر بیماران و ابزارهای مجهز به هوش مصنوعی برای غربالگری COVID-19 سوق داد.

تحقیقات و نتایج این آزمایش‌ها هنوز در حال جمع‌آوری است و استانداردهای کلی برای استفاده از هوش مصنوعی در پزشکی هنوز در حال تعریف است. با این حال، فرصت‌های هوش مصنوعی برای بهره‌مندی از پزشکان، محققان و بیمارانی که به آنها خدمات می‌دهند به طور پیوسته در حال افزایش است. در این مرحله، تردید کمی وجود دارد که هوش مصنوعی به بخش اصلی سیستم‌های سلامت دیجیتالی تبدیل خواهد شد که پزشکی مدرن را شکل داده و از آن پشتیبانی می‌کند.

یکی از بهترین مزیت‌های هوش مصنوعی، امکان تشخیص و درمان بیماری کرونا از راه دور بود که خطر ابتلا کادر درمان را نیز کاهش می‌داد.همچنین پیش‌بینی کانون‌های نوظهور کووید ۱۹ با استفاده از ردیابی تماس و داده‌های مسافران پرواز، از دستاوردهای مؤثر هوش مصنوعی بود. ردیابی تماس به‌عنوان یک اقدام کنترل بیماری، توسط مقامات دولتی برای محدود کردن گسترش این بیماری استفاده می‌شد. این فرآیند به‌منظور تماس و اطلاع‌رسانی به افرادی که در معرض ابتلا به این بیماری قرار گرفته‌اند و نیاز به‌ قرنطینه آنها بود، کاربرد داشت.

فوریت‌های پزشکی و هوش مصنوعی

در صورت بروز یک حمله قلبی ناگهانی، فاصله زمانی تماس با آمبولانس تا رسیدن آن به مقصد بسیار حیاتی است. اگر تکنیسین فوریت پزشکی بتواند بموقع علائم ایست قلبی را تشخیص بدهد،‌ شانس زنده ماندن بیمار بیشتر خواهد شد؛ این‌جاست که هوش مصنوعی با شناسایی سرنخ‌های کلامی و غیرکلامی تماس گیرندگان، قادر به تشخیص علائم بیمار از راه دور خواهد بود.

به عنوان مثال Corti یک ابزار هوش مصنوعی است که به کارکنان پزشکی اورژانس کمک می‌کند تا علائم را شناسایی کند. این ربات از طریق تجزیه و تحلیل صدای تماس‌گیرنده، صدای پس‌زمینه و سابقه پزشکی بیمار، در صورت تشخیص حمله قلبی به کارکنان اورژانس هشدار می‌دهد. در برخی از شهرهای اروپایی، علی‌رغم تشخیص درست ۷۳ درصدی ایست قلبی از طریق سنتی، هوش مصنوعی این آمار درست را افزایش داد. بنابراین کاربرد هوش مصنوعی در پزشکی از راه دور یکی دیگر از موارد استفاده از هوش مصنوعی در زمینه درمان و پزشکی است.

کاربرد هوش مصنوعی در توانبخشی

کاربرد دیگر این سيستم‌ها در حوزه توانبخشي حرکتي است. توانبخشي حوزه‌ای است که در آن با استفاده از یک ساختار رباتيک به همراه یک واسطه کامپيوتری کمک مي‌کنند تا بيماری که بخشي از توانایي حرکت خود را از دست داده است زودتر بهبود یابد. روش عمده در این کار استفاده از بازی‌های ساده‌ای است که علي‌رغم درگير کردن بيمار و ترغيب او به انجام تمرین، با تغييراتي که بر روی ميزان سختي سامانه رباتيک متصل به بدن بيمار مي‌کند، سعي در برگرداندن تدریجي توانایي عضلات بيمار به او بنماید.

چالش‌ها و نگرانی‌های 

کاربرد هوش مصنوعی در علم پزشکی

 هوش مصنوعی این پتانسیل را دارد که روش تشخیص، درمان و پیشگیری از بیماری‌ها را متحول کند. پیشرفت این فناوری درحالی رو به افزایش است که هنوز نگرانی‌ها و چالش‌های متعددی درمورد آن وجود دارد. در ادامه به برخی از مهم‌ترین چالش‌ها و نگرانی‌های کاربرد هوش مصنوعی در صنعت پزشکی اشاره خواهد شد؛ با وجود مزاياي زياد، به كارگيري سيستم‌هاي هوش مصنوعي در پزشكي با موانع و چالش‌هاي بسيار زياد و جدي روبه رو است. از جمله اين محدوديت‌ها مي‌توان به محدوديت تكنولوژي و هزينه سيستم اشاره كرد. از طرفي، عملكرد آنها مستلزم به روزرساني مداوم است. برخي بر اين باورند كه وابستگي به سيستم هوشمند ممكن است در بلندمدت ميزان ابتكار را كاهش دهد.

 سيستم‌هاي هوش مصنوعي در حوزه مشخصي كاربرد دارند و براي نمونه برای تشخيص يك بيماري خاص مورد استفاده قرار مي‌گيرند. اين موضوع سؤالاتي را پيش مي‌آورد: «آيا براي تمام بيماري‌ها چنين سيستم‌هايي مورد نياز است؟ در مورد كدام بيماري‌ها بايد چنين سيستم‌هايي را طراحي كرد؟ آيا سيستم‌هاي مختلف براي تشخيص‌هاي مختلف بايد با يكديگر يكپارچه شوند؟ يكپارچگي آنها چگونه بايد انجام شود؟ آيا بايد پايگاه دانش جامع و مشترك در حوزه‌هاي مختلف طراحي گردد؟» در ظاهر اين موارد باعث شده‌اند تا سيستم‌هاي هوش مصنوعي به طور عمومي در قالب امور پژوهشي مطرح باشند و كمتر ديده مي‌شود كه چنين سيستم‌هايي به طور واقعي در عمل مورد استفاده قرار گيرند. در صورتي كه اين سيستم‌ها بايد با امور باليني جاري ادغام شوند تا بتوان انتظار داشت كه بر كيفيت تصميم‌ها تأثير بگذارند.