هوش مصنوعی بینایی کامپیوتر میتواند مراقبت از بیمار را بهبود بخشد، اما بهرهبرداری کامل از مزایای آن متکی به آموزش دقیق، حفاظت از دادهها و اعتبارسنجی توسط متخصصان پزشکی است.
بینایی کامپیوتر (Computer Vision) نوعی هوش مصنوعی است که برای شبیهسازی نحوه دیدن و درک دنیای اطراف توسط انسان طراحی شده است. دوربین هوش مصنوعی اطلاعات بصری را دریافت میکند و الگوریتم دادهها را پردازش کرده و از آن برای انجام وظایف یاد میگیرد.
انتظار میرود استفاده از بینایی کامپیوتر در مراقبتهای بهداشتی به سرعت در دهه آینده رشد کند. بر اساس گزارش Precedence Research، ارزش بازار جهانی پیشبینی میشود که از ۲.۶ میلیارد دلار در سال ۲۰۲۴ به بیش از ۵۳ میلیارد دلار تا سال ۲۰۳۴ افزایش یابد.
مانند تمام هوشهای مصنوعی، بینایی کامپیوتر تنها به اندازه اطلاعاتی که به آن داده میشود قابل اعتماد است، بنابراین سازمانها باید کیفیت دادهها و آزمایش را برای اطمینان از دقت در اولویت قرار دهند. با این حال، کارشناسان میگویند اگر از بینایی کامپیوتر به صورت استراتژیک استفاده شود، میتواند به طور قابل توجهی کیفیت مراقبت را پیشرفت داده و به حل چالشهای طولانیمدت مانند افزایش تقاضای بیمار و کمبود پرسنل کمک کند.
دکتر اندرو گوستین، مدیرعامل Artisight و متخصص بیهوشی مراقبتهای ویژه، میگوید: «بینایی قویترین قابلیت حسی ما است و تا ۹۰٪ از مغز ما به طور مستقیم یا غیرمستقیم در پردازش اطلاعات بصری شرکت دارد. به طور مشابه، بینایی کامپیوتر ارزشمندترین شکل ادراک مبتنی بر هوش مصنوعی است.» «پردازش تصویر با پهنای باند بالا با بینایی کامپیوتر تنها راه برای پیشبرد اتوماسیون مراقبتهای بهداشتی در مقیاسی است که برای رفع بسیاری از مشکلات دسترسی و کارایی مراقبتهای بهداشتی مورد نیاز است.»
بینایی کامپیوتر در مراقبتهای بهداشتی چیست؟
هوش مصنوعی بینایی کامپیوتر به گونهای طراحی شده است که مانند یک پزشک، پرستار یا دانشمند، موقعیتها را تفسیر کرده و به آنها واکنش نشان دهد. این فناوری این پتانسیل را دارد که نظارت بر بیمار را بهبود بخشد، به ارائهدهندگان خدمات اجازه دهد بیماریها را خیلی زودتر تشخیص دهند و به انجام جراحیها با دقت بیشتری کمک کند.
هوش مصنوعی بینایی کامپیوتر همچنین این پتانسیل را دارد که خطاها را کاهش دهد، زیرا بر خلاف انسان، کامپیوترها پلک نمیزنند و خسته نمیشوند. دکتر کریستوفر لانگهرست، مدیر ارشد بالینی و نوآوری در UC San Diego Health و مدیر اجرایی مرکز نوآوری جیکوبز، هشدار میدهد: «مهم است که بدانیم این ابزارها عصای جادویی یا گلوله نقرهای نیستند.» «آنها تنها زمانی نتیجه میدهند که افراد از آنها به طور موثر در گردش کار برای ارائه مراقبتهای بهتر به بیمار استفاده کنند.»
کاربردهای کلیدی بینایی کامپیوتر در مراقبتهای بهداشتی
راههای مختلفی وجود دارد که هوش مصنوعی بینایی کامپیوتر در مراقبتهای بهداشتی پیادهسازی میشود.
تصاویر پزشکی و تشخیص
بخشهای رادیولوژی هوش مصنوعی بینایی کامپیوتر را برای کمک به ارائهدهندگان خدمات در تجزیه و تحلیل تصاویر پزشکی و تشخیص ناهنجاریها زودتر، پذیرفتهاند که منجر به نتایج بهتر برای بیمار میشود.
لانگهرست میگوید که این فناوری به UC San Diego Health کمک کرد تا در طول همهگیری، ذاتالریه COVID-19 را شناسایی کند. او مثالی از یک بیمار نارسایی قلبی میزند که هنوز علائم تنفسی نداشت، اما یک اشعه ایکس قفسه سینه عفونت بالقوه را برجسته کرد و تیم پزشکی را بر آن داشت تا آزمایش COVID-19 را انجام دهد. «هوش مصنوعی به تشخیص بسیار زودتر کمک کرد و بیمار بدون نیاز به مراقبتهای ویژه تحت درمان قرار گرفت و به خانه رفت.»
او میگوید UC San Diego Health همچنین از هوش مصنوعی بینایی کامپیوتر برای کمک به اولویتبندی معاینات پرخطر استفاده میکند. لانگهرست توضیح میدهد: «هوش مصنوعی میتواند بیماری را پیدا کند که به طور بالقوه قبلاً سکته مغزی تشخیص داده نشده است و آن را به بالای لیست کار رادیولوژیست میآورد.»
دقت و کمک جراحی
دوربینهای هوش مصنوعی به جراحان در روشهای کم تهاجمی لاپاراسکوپی و رباتیک کمک میکنند. این فناوری به شناسایی آناتومی حیاتی کمک میکند و حرکت ابزارهای جراحی را ردیابی میکند. علاوه بر این، لانگهرست میگوید از هوش مصنوعی بینایی ماشین برای تأیید اینکه همه مواد، مانند اسفنجها، قبل از بستن برش از بدن بیمار خارج شدهاند، استفاده میشود.
هوش مصنوعی بینایی کامپیوتر همچنین فرصتهایی را برای گسترش دسترسی به مراقبتهای بسیار تخصصی در هر نقطه از کشور ایجاد میکند. گوستین میگوید که دوربینها میتوانند به متخصصان اجازه دهند از راه دور در جراحیهای پیچیده شرکت کنند.
«ما سختافزار را در اتاق عمل قرار میدهیم و فیدهای ویدیویی و صوتی را به یک میز کنترل پخش میکنیم. این اصطکاک در ارتباطات را کاهش میدهد.» گوستین میگوید: «ما سپس الگوریتمهای بینایی کامپیوتر را روشن میکنیم تا ضبط دادهها را برای موارد استفاده از کارایی OR و کاهش ضایعات گرفته تا بهبود کیفیت و ایمنی بیمار هدایت کنیم.»
نظارت در زمان واقعی
انسانها فقط یک جفت چشم دارند و نمیتوانند همهجا به طور همزمان باشند، اما یک دوربین هوش مصنوعی میتواند شکافها را پر کند. هوش مصنوعی بینایی کامپیوتر میتواند به بهبود نظارت بر بیمار و کاهش مشکلات قابل پیشگیری مانند زمین خوردن کمک کند — که طبق گزارش مراکز کنترل و پیشگیری از بیماری، سالانه تا ۵۰ میلیارد دلار برای سیستم مراقبتهای بهداشتی هزینه دارد.
یک مثال از این فناوری، راه حل اتاق بیمار Artisight است. یکی از ویژگیهای آن این است که وقتی تشخیص میدهد بیمار در تلاش است از رختخواب خارج شود، میتواند هشدارهای خودکار ارسال کند. یک پرستار مجازی میتواند از طریق یک فید دو طرفه فعال با بیمار صحبت کند و یک زنگ هشدار میتواند به کارکنان نزدیک اتاق هشدار دهد. با یادگیری هوش مصنوعی، باید شرایط بیماران را بهتر پیشبینی کند.
گوستین میگوید: «من به عنوان یک پزشک، میتوانم حداکثر ۲۰۰۰ بیمار در سال را درمان کنم، اما شما میتوانید یک الگوریتم را روی صدها میلیون برخورد بیمار آموزش دهید.» «این مقدار باورنکردنی از بینش است که در دوربینی تعبیه شده است که کمتر از یک دلار در روز هزینه دارد.»
ملاحظات برای پیادهسازی بینایی کامپیوتر در مراقبتهای بهداشتی
هنگام پیادهسازی هوش مصنوعی بینایی کامپیوتر، سازمانهای مراقبتهای بهداشتی باید از این فناوری برای کمک به گردش کار موجود برای عملکرد کارآمدتر استفاده کنند. لانگهرست میگوید: «ابزارهایی که با گردش کار یکپارچه هستند معمولاً بهترین عملکرد را دارند.» «این ممکن است به معنای ادغام با سوابق الکترونیکی سلامت یا با سیستم PAC برای تصویربرداری رادیولوژی باشد.»
یکی دیگر از ملاحظات مهم بر این متمرکز است که الگوریتم هوش مصنوعی چگونه آموزش داده میشود. گستین استدلال میکند که هنگام آموزش هوش مصنوعی در مورد نحوه پاسخگویی به سناریوهای بیمار، شبیهسازیها به اندازه کافی پیش نمیروند زیرا «محیط واقعی بیمارستان را به طور کامل شبیهسازی نمیکنند.» او توضیح میدهد که با آموزش بینایی کامپیوتر هوش مصنوعی در یک بیمارستان واقعی، سیستم یاد میگیرد که چگونه بهتر در کنار پزشکان و پرستاران در محیطهای بالینی زنده کار کند.
گوستین اضافه میکند که آموزش الگوریتمها در یک محیط بالینی زنده شامل ملاحظات اضافی برای حفظ حریم خصوصی بیمار است. او توضیح میدهد: «ما یک تکنیک اختصاصی برای آموزش الگوریتمها با استفاده از دادههای مصنوعی ایجاد کردهایم که از استانداردهای حفظ حریم خصوصی تعریفشده توسط HIPAA برای شناسایی دادههای بیمار فراتر میرود.»
آینده بینایی کامپیوتر در مراقبتهای بهداشتی
گوستین خوشبینی خود را ابراز میکند که هوش مصنوعی بینایی کامپیوتر در آینده نزدیک بسیار مفیدتر و قدرتمندتر خواهد شد. او میگوید: «در طول هشت سال آینده یا کمتر، با افزایش میزان محاسبات، افزایش هزار برابری دیگری در هوش این الگوریتمها خواهیم داشت.» او پیشبینی میکند که «بینایی کامپیوتر حسگر عمومی برای تقریباً هر جنبهای از مراقبتهای بهداشتی خواهد بود.»
لانگهرست پیشبینی میکند که استفاده از هوش مصنوعی در مراقبتهای بهداشتی برای اهداف تشخیصی افزایش یابد. او انتظار دارد که تخصصهایی مانند چشم پزشکی و پوست از هوش مصنوعی بینایی کامپیوتر به طور قابل توجهی بهرهمند شوند.
لانگهرست میگوید: «من فکر میکنم هوش مصنوعی تأثیر بیشتری بر مراقبتهای بهداشتی خواهد داشت تا هر چیزی که از زمان آنتیبیوتیکها دیدهایم، اما باید آزمایشهای بیشتری برای اندازهگیری نتایج و تعیین نحوه عملکرد این فناوری در محیطهای مختلف انجام شود.» «حتی اگر از هوش مصنوعی بینایی کامپیوتر به عنوان پشتیبانی از تصمیمگیری بالینی استفاده میکنیم، در نهایت بیمارستانها و پزشکان همچنان مسئول ارائه استاندارد مراقبت هستند.»
اعتبار تصویر: ماریا پتریشینا/گتی ایمیج