آقای داوسون به پژوهش‌هایی اشاره می‌کند که نشان داده‌اند بررسی دائمی نبض توسط هوش مصنوعی ابزار بهتری برای شناسایی افرادی است که احتمال حمله قلبی بیشتری دارند. یکی از تحقیقات حتی روی متغییرهایی انگشت گذاشته بود که متخصصان قلب هرگز ارزش پیشگویانه برایشان قائل نشده بودند، مثل درخواست بیمار برای معاینه توسط دکتر خانوادگی در منزل.

نتیجه پژوهشی که اخیرا توسط شرکت گوگل صورت گرفته است نشان می‌دهد که الگوریتم‌های هوش مصنوعی در عین حال می‌توانند با نگاه کردن به چشم مردم احتمال حمله قلبی در فرد را پیش‌بینی کنند. برای آموزش این الگوریتم از تصویر شبکیه ۲۸۴٫۳۳۵ بیمار استفاده شده بود. این الگوریتم توانست با بررسی الگوهای موجود در رگ‌های در هم تنیده شبکیه تشخیص علائم زودهنگام بیماری‌های قلبی و عروقی را یاد بگیرد.

پیش‌بینی سلامتی در آینده با استفاده از علایم نامرئی

 

در ملبورن یک روز آفتابی بود و به نظر می‌رسید بهار در راه است. زنی که در این مقاله برای حفظ هویتش او را آنجلا صدا می‌کنم جلوتر از من در راهرو به طرف اتاق معاینه می‌رفت. چندین سال بود که برای کارهای پزشکی پیش من می‌آمد، اما آن روز صبح به نظرم رسید که قدم‌هایش هنگام راه رفتن طبیعی نیست. حالت چهره‌اش نسبتا بی‌روح بود و متوجه شدم که کمی می‌لرزد.

او را پیش متخصص مغز و اعصاب فرستادم و در کمتر از یک هفته به خاطر بیماری پارکینسون تحت مداوا قرار گرفت، اما از اینکه نتوانسته بودم زودتر علائم این بیماری را تشخیص دهم از دست خود عصبانی بودم.

متاسفانه بیماران در سراسر دنیا چنین وضعیتی دارند. بیماری آن‌ها تا زمانی که بدنشان پیام هشداردهنده‌ای برای پزشک ارسال نکند و علائم قابل ملاحظه‌ای از خود بروز ندهد تشخیص داده نمی‌شود. شاید اگر بشود بیماری را زودتر تشخیص داد، بیماران شانس بیشتری برای درمان زودهنگام داشته باشند و حتی بشود آن را پیش از پا گرفتن متوقف کرد. فناوری جدید در این مورد خاص امیدوارکننده است.

هوش مصنوعی می‌تواند تغییرات بالقوه در وضعیت سلامتی را ماه‌ها، یا حتی سال‌ها، پیش از بروز علائم تشخصی دهد و بیماران و پزشکان را آگاه کند.

راس داوسون، آینده‌گرا و بنیان‌گذار “شبکه اکتشافات آینده”، معتقد است که ما در سال‌‌های آتی شاهد جایگزینی مدل درمانی “مراقبت از بیمار” با مدلی خواهیم بود که تمرکزش بر پیشگیری و ردگیری مشکلات بالقوه سلامتی پیش از بسط و پیشروی آن‌ها است.

او می‌گوید “عامل محرکه این تغییرات عوض شدن گرایش‌های اجتماعی و افزایش انتظارها برای برخورداری از زندگی‌های سالم و پربار است. انفجار فناوری‌ها و الگوریتم‌های نوین در این دهه به یادگیری عمیق در مبحث هوش مصنوعی منجر شده است و آن را به ابزاری بسیار توانمندتر از انسان برای تشخیص موثر الگو تبدیل کرده است.”

استفاده از هوش مصنوعی به منظور نظارت بر ضربان قلب، تنفس، تحرک و حتی ترکیب شیمیایی بازدم ما به فناوری اجازه می‌دهد تا مشکلات بالقوه سلامتی را از مدت‌ها پبش از بروز علائم بین مردم پیدا کند. این کار می‌تواند به پزشکان و بیماران کمک کند تا با دخالت به موقع یا ایجاد تغییر در سبک زندگی از شدت بیماری بکاهند یا آن را کاملا متوقف کنند.

شاید مهیج‌ترین چیز این باشد که این سامانه‌ها می‌توانند متوجه وجود الگوهایی شوند که اصلا به چشم انسان نمی‌آیند، و به این ترتیب ابعاد جدیدی از نشانه‌های بالینی وضعیت سلامتی در آینده را برملا کنند.

تحرکات روزانه

اگر دینا خطابی، استاد مهندسی الکترونیک دانشگاه ام‌آی‌تی، به هدفش برسد، تاخیر در تشخیص نارسایی‌های ژنتیکی و بیماری‌هایی چون پارکینسون، افسردگی، آمفیزم، مشکلات قلبی و دمانس به تاریخ خواهد پیوست.

او دستگاهی طراحی کرده است که امواج کم‌قدرت بی‌سیم را در خانه منتشر می‌کند. این امواج الکترومغناطیسی توسط بدن بیمار بازتاب داده می‌شوند. هر بار که بیمار تکان می‌خورد، میدان الکترومغناطیسی پیرامون خود را تغییر می‌دهد. دستگاه دکتر خطابی این بازتاب‌های ناچیز را حس و ردگیری می‌کند، و با استفاده از روش‌های یادگیری ماشین تحرکات بیمار را از ورای دیوارها دنبال می‌کند.

خانم خطابی می‌گوید این سیگنال بی‌سیم مانند “ضربانی شگفت‌انگیز” است که در سطحی فرای حواس طبیعی ما کار می‌کند. نصب چنین دستگاهی در خانه بیمار بررسی الگوی خواب، پویایی و گام‌های او را ممکن می‌کند. می‌تواند سرعت تنفس او را تشخیص دهد – حتی وقتی چند نفر دیگر هم در اتاق هستند – و اگر کسی زمین خورد متوجه می‌شود. می‌تواند ضربان قلب او را رصد کند و حتی از وضعیت عاطفی او هم اطلاع‌رسانی کند.

به گفته او “ما این امواج را نمی‌بینیم، ولی می‌توانند به شکلی جادویی مکمل دانش فعلی ما باشند. دستگاه جدید ما می‌تواند از دیوارها عبور کند و با استخراج اطلاعات مهم بر توانایی محدود ما برای درک تغییرات بیافزایند.”

این امکان که بتوان در رفتار روزمره بیماران دنبال تغییر گشت می‌تواند سرنخ‌های زودهنگامی مبنی بر وجود مشکل به ما بدهد، شاید حتی پیش از اینکه خود بیماران متوجه شوند.

خیلی از ما همین حالا هم از وسایل گوناگونی برای نظارت بر وضعیتمان استفاده می‌کنیم، از میزان کالری مصرفی گرفته تا تعداد قدم‌هایی که در روز راه می‌رویم. نقش هوش مصنوعی در کمک به ما برای فهم این اطلاعات می‌تواند بسیار مهم باشد.

افزایش میانگین سنی جامعه به این معنی است که امکان پیش‌بینی تغییر در وضع سلامتی افراد می‌تواند بسیار مهم باشد – به گفته سازمان ملل متحد، افراد بالای ۶۰ سال یک پنجم جمعیت جهان را در سال ۲۰۵۰ تشکیل خواهند داد.

دکتر خطابی می‌گوید “تعداد افراد سالخورده‌ای که تنها زندگی می‌کنند و بیماری‌های مزمن نگران‌کننده دارند مرتب بیشتر و بیشتر می‌شود.” او عقیده دارد که پزشکان می‌توانند با استفاده از دستگاه‌اش زودتر به مسائل ورود کنند و مانع پیشامدهای اضطراری شوند.

ارزش چهره

هوش مصنوعی در عین حال می‌‌تواند از چهره ما برای پیش‌بینی امراض آینده استفاده کند. پژوهش‌های جدید نشان می‌دهد که هوش مصنوعی می‌تواند متوجه تفاوت‌های ناچیزی در چهره افراد شود که شاید نشانه بیماری باشند.

اف‌دی‌ان‌ای، استارت‌آپ مستقر در شهر بوستون، اپلیکیشینی ساخته است که با استفاده از روشی به نام “رخ‌نمود عمیق” ویژگی‌های چهره فرد را بررسی می‌کند و بیماری‌های ژنتیکی احتمالی را تشخیص می‌دهد. الگوریتم این اپلیکیشن که با شیوه یادگیری عمیق آموزش داده شده‌ است می‌تواند ویژگی‌ها و شکل‌های صورت را که معمولا در نارسایی‌های ژنتیکی مانند سندروم نونان دیده می‌شوند تشخیص دهد.

 

در دوره آمورش بیش از ۱۷ هزار عکس از بیماران مبتلا به ۲۱۶ نارسایی ژنتیکی مختلف به این الگوریتم نشان داده شده بود. بعضی از این نارسایی‌ها باعث ایجاد نشانه‌هایی در چهره فرد مبتلا می‌شوند، مانند نوع خاصی از کم‌توانی ذهنی که منجر به چشم‌های بادام‌شکل و چانه‌های کوچک در کودکان می‌شود. الگوریتم ساخت این استارت‌آپ یاد گرفته است که الگوهای خاص مربوط به صورت را که معمولا از چشم پزشکان دور می‌مانند تشخیص دهد.

آزمایش‌ها نشان می‌دهد که این اپلیکیشن در ۹۱ درصد موارد به درستی سندروم مربوطه را تشخیص می‌دهد و در کشف بیماری‌هایی چون سندروم آنجلمن و سندروم کورنلیا دی لانژ بهتر از پزشکان عمل می‌کند.

یافت زودهنگام سندورم‌های ژنتیکی نادر مانند موارد بالا می‌تواند از یک طرف به شروع بی‌درنگ درمان‌های پزشکی کمک کند و از طرف دیگر خانواده‌ها را از هفت خوانی که معمولا لازمه شناسایی این بیماری‌ها است نجات دهد.

تخمین زده می‌شود که حدود ۱۰ درصد جمعیت جهان با چنین بیماری‌های نادری درگیر است و به همین خاطر ابزارهای هوش مصنوعی مانند این اپلیکیشن به احتمال زیاد ظاهر علم پزشکی را تغییر خواهند داد.

سفر به اعماق مغز

با این حال همه بیماری‌ها عوارض بیرونی ندارند. پزشکان و جراحان سال‌ها است که برای تشخیص دلایل مریضی بیماران خود از اسکن و پرتوشناسی استفاده می‌کنند. اما اگر بتوانیم از این روش‌ها برای تشخیص بیماری پیش از بروز علائمش استفاده کنیم چه؟

بن فرانک با پرتوشناسان معمولی فرق دارد. او که استاد پرتوشناسی بالینی در دانشگاه استنفورد است می‌خواهد از رازهای نهفته در میلیون‌ها اسکن پِت (برش‌نگاری با گسیل پوزیترون) که سالانه به صورت مرتب در بخش‌های غده‌شناسی انجام می‌شود پرده بردارد.

استفاده پزشکی این تصاویر به کشف غدد سرطانی محدود می‌شود، و پزشکان در آن‌ها دنبال خطرات بالقوه بی‌ربط دیگری که ممکن است سلامتی بیمارشان را تهدید کنند نمی‌گردند. استخراج اطلاعات از این تصاویر می‌تواند اطلاعات بیشتری درباره مریضی بیمار در اختیار پزشک بگذارد، یا به تشخیص بیماری دیگری منجر شود.

دکتر فرانک و تیمش دارند در قالب یک پروژه تحقیقاتی بررسی می‌کنند که آیا می‌شود از تغییرات متابولیزم مغزی که در این تصاویر دیده می‌شوند برای پیش‌بینی احتمال بروز آلزایمر در فرد استفاده کرد یا نه. ۱۰ درصد افراد بالای ۶۵ سال به این بیماری دچار می‌شوند.

آن‌ها با استفاده از هوش مصنوعی الگوریتم‌هایی طراحی کرده‌اند که می‌توانند این تغییرات متابولیسمی ناچیز را تشخیص دهند که در این مورد خاص شامل تجمع گلوکز در نواحی خاصی از مغز می‌شود که به نظر می‌رسد در مراحل نخستین پیشرفت بیماری آلزایمر رخ می‌دهد. این الگوریتم‌ توانست در یک سری آزمایش که با استفاده از تصاویر ۴۰ بیمار که قبلا ندیده بود انجام گرفت به طور میانگین ۶ سال زودتر از پزشکان بیماری آلزایمر را تشخیص دهد.

 

حالا دارد این امکان ایجاد می‌شود که بتوانیم این بیماری مهلک را سال‌ها پیش از بروز نشانه‌هایی که امروزه موجب تشخیص آن می‌شوند کشف کنیم.

دکتر فرانک می‌گوید “رایانه‌ها می‌توانند وابستگی‌هایی را پیدا کنند که یک عمر برای انسان‌ها طول می‌کشد. هوش مصنوعی به ما فرصت می‌دهد تا دانش نهفته در میلیون‌ها پرونده پزشکی را استخراج کنیم. این می‌تواند به تشخیص زودهنگام، و اگر بخت یارمان باشد، به درمان به‌موقع و موثر بیماران منجر شود.”

و مساله تنها به بیماری آلزایمر خلاصه نمی‌شود. گروه پژوهشی دکتر فرانک اخیرا مقاله‌ای منتشر کرده است که نشان می‌دهد ترکیب داده‌های خامی که از اسکن‌های پِت و ام‌آر‌آی استخراج می‌شود می‌تواند برای پیش‌بینی نوع سرطان پستان بیمار و همچین تخمین بخت درمان بی‌بازگشت او استفاده شود.

این رشته جدید رو به رشد رادیومیکس نام دارد و با استفاده از اطلاعات خام برگرفته از این اسکن‌ها ویژگی‌هایی را شناسایی می‌کند که با چشم غیرمسلح قابل تشخیص نیستند. تعداد ویژگی‌های تصویری مستقلی که می‌توان استفاده کرد بیش از ۵ هزار عدد است و هوش مصنوعی راهی نوین و قدرتمند برای بررسی تمامی آن‌ها در اختیار ما می‌گذارد.

او می‌گوید “ما توانستیم با استفاده از یادگیری ماشین آن دسته از این ویژگی‌ها را که در این پیش‌بینی‌ها نقش ایفا می‌کنند شناسایی کنیم.” او امیدوار است که بتواند راه‌هایی برای استفاده از هوش مصنوعی در خارج از فضای بیمارستانی نیز برای پیش‌بینی سلامتی افراد پیدا کند.

یکی از چیزهایی که در ذهن دارد توالت هوشمند است که تغییرات در ادرار و مدفوع افراد را تحت نظر می‌گیرد و بیماری‌های احتمالی را پیش‌بینی می‌کند.

شیوه سخن گفتن

شاید پرتوشناسی و تصویربرداری ابزار مناسبی برای بررسی وضعیت بدنی ما باشند، اما تشخیص سلامت روانی ما همچنان با پیچیدگی‌هایی همراه است. اما مشکلات روانی روندی رو به افزایش دارند، و نه تنها در حال حاضر ۲۵ درصد جمعیت جهان را تحت تاثیر قرار می‌دهند، بلکه در بعضی از کشورها دارند ابعادی همه‌گیر به خود می‌گیرند. مشکلات روانی یکی از عوامل اصلی ناتوانی است و به همین خاطر فشار زیادی به جامعه می‌آورد.

یادگیری ماشین دارد راه‌های جدیدی برای کشف زودهنگام مشکلات مرتبط با سلامت روانی در اختیار ما می‌گذارد: کلمه‌هایی که انتخاب می‌کنیم، لحن صدا و بقیه ریزه‌کاری‌های زبانی می‌توانند حامل علائم هشداردهنده‌ای باشند.

الی، آواتار (چهرک) که توسط موسسه فناوری‌های خلاق دانشگاه کالیفرنیای جنوبی ساخته شده است، روان‌درمانگری مجازی است که می‌تواند با بررسی ۶۰ نقطه از صورت بیمار تشخیص دهد که آیا او افسرده است، اضطراب دارد و یا اینکه از اختلال تنش‌زای پس از رویداد رنج می‌برد. مقدار مکث شخص پیش از پاسخ دادن به الی، حالت بدنش و یا شکل تکان دادن سرش سرنخ‌هایی از وضعیت روانی بیمار در اختیار الی قرار می‌دهد.

نیکول مارینز-مارتین، از اساتید مدرسه اخلاق زیست‌پزشکی استنفورد، و همکارانش در مقاله‌ای که اخیرا منتشر کرده‌اند می‌گویند که انتظار می‌رود که این شیوه استفاده از یادگیری ماشین بتواند با «بهبود پیش‌بینی، تشخیص و درمان بیماری‌های روانی» پیشرفت‌های بزرگی در روان‌پزشکی ایجاد کند.

در عین حال، پیشرفت‌ هوش مصنوعی ساخت ربات‌هایی را ممکن کرده است که هوش عاطفی دارند و می‌توانند خیلی طبیعی با انسان‌ها گفت‌وگو کنند. کمبود منابع انسانی به این معنی است که این فناوری می‌تواند دسترسی به درمان را برای خیلی‌ها راحتتر کند. برای مثال، وایسا رباتی است که توسط پژوهشگران هوش مصنوعی و روان‌درمانگران طراحی شده است. این ربات از فنون محاوره‌ای مبتنی بر مدرک مانند رفتاردرمانی شناختی استفاده می‌کند تا به افراد کمک کند که مقاومت روانی خود را افزایش دهند. ایده کلی سازندگان این ربات این است که با مطرح کردن پرسش‌های کاوشی به مردم کمک کنند تا گره‌های فکری خود را بعد از یک روز سخت کاری باز کنند.

تصمیمات سخت

وقتی همه این اطلاعات بیومتریک شخصی را با پرونده ژنتیکی افراد ترکیب کنیم، نتیجه نهایی ممکن است منجر به دسته‌بندی افراد بر اساس معیارهایی شود که با دستورالعمل‌های پزشکی فعلی در تضاد است. در دنیایی که دقت پزشکی به مراتب بالاتر از زمان حال است، هوش مصنوعی ممکن است معاینه سالانه توسط پزشک را کاملا بی‌معنی کند.

 

اما وقتی پای مرگ و زندگی در میان باشد، ما تا چه اندازه حاضریم به یک الگوریتم اعتماد کنیم؟ مقاله‌‌ای که اخیرا در یکی از مجلات انجمن پزشکی آمریکا منتشر شد مساله جالبی را مطرح می‌کند: فرض کنید تصمیم‌گیری درباره نحوه پایان دادن به زندگی یک بیمار به عهده یادگیری ماشین و پیش‌بینی‌هایش گذاشته شود. نویسندگان اشاره می‌کنند “اگر الگوریتمی با اطمینان خوبی پیش‌بینی کند که ترجیح بیمار این است که دستگاه حفظ حیات را خاموش کنند، بعید است که شب خوابش نبرد.”

پرسش اصلی این است که آیا دوست داریم که تصمیمات مهم را به عهده چیزی بگذاریم که نگران انتخاب‌هایی که می‌کند نیست؟

شاید ما رفتار انسان پزشک را ترجیح دهیم، اما در آینده نزدیک هوش مصنوعی پزشک شاید بتواند مسائل را خیلی زودتر از همتای طبیعی خود تشخیص دهد. چنین پزشکی شاید به خاطر اینکه کاملا مناسب شخصیت، رفتار و عواطف فردی ما است بتواند هشدارهای زودهنگامی به ما بدهد که به نجات جانمان منتهی شود.

شاید ما از یک رایانه انتظار حس کردن نداشته باشیم، اما می‌توانیم انتظار داشته باشیم که عواطف و احساسات ما را بفهمد.