انقلاب هوش مصنوعی در سلامت در حال وقوع است!

در چارچوب “سمینارهای آموزش علوم برای جامعه” که توسط دانشگاه Üsküdar سازماندهی شده بود، معاون رئیس دانشگاه، پروفسور دکتر تورکر تکین ارگوزل سمیناری با عنوان “فناوری های جدید و حوزه های کاربردی در سلامت” ارائه کرد.

پروفسور دکتر تورکر تکین ارگوزل طی سخنانی در این سمینار ارزیابی های قابل توجهی در مورد استفاده از هوش مصنوعی در حوزه سلامت انجام داد و با تاکید بر اینکه دانش تولید شده در دانشگاه ها با جامعه دیدار می کند بسیار حیاتی است و گفت: علم نه تنها نباید در آکادمی بماند، بلکه باید قطعا به محصولی تبدیل شود که مردم را تحت تاثیر قرار دهد. او گفت.

پروفسور دکتر ارگوزل با اشاره به اینکه مشارکت اجتماعی یکی از عناصر اساسی دانشگاه های نسل چهارم است، اظهار داشت که کاربرد هوش مصنوعی در سلامت یکی از ملموس ترین نمونه های این درک است.

داده های بهداشتی هر سال 40 درصد افزایش می یابد

پروفسور دکتر ارگوزل با بیان اینکه تولید داده در جهان با سرعت سرگیجه‌آوری در حال افزایش است، به ویژه توجه را به رشد در حوزه سلامت جلب کرد. پروفسور دکتر ارگوزل با اشاره به اینکه داده های بهداشتی هر سال تقریباً 40 درصد افزایش می یابد، گفت: “تقریبا 30 درصد از داده های تولید شده در جهان امروز به بخش بهداشت تعلق دارد. این به معنی یک مجموعه داده عظیم است.” او گفت.

پروفسور دکتر ارگوزل با بیان اینکه این داده ها تا زمانی که پردازش نشوند هیچ معنایی ندارند، گفت: “اگر این داده ها را تجزیه و تحلیل نکنید، در واقع روی یک معدن نشسته اید.” او گفت.

دقت بالا در تشخیص بیماری با هوش مصنوعی

پروفسور دکتر ارگوزل با اشاره به کار خود در سخنرانی خود گفت که سیستم های پشتیبانی شده از هوش مصنوعی به موفقیت های قابل توجهی به ویژه در طبقه بندی بیماری های روانپزشکی دست یافته اند. پروفسور دکتر ارگوزل با بیان اینکه مدل های توسعه یافته بر اساس داده های EEG می توانند بسیاری از بیماری ها را با دقت بالایی تشخیص دهند، گفت: “اختلال وسواس فکری اجباری: دقت 89٪. اختلالات خوردن: 93٪ دقت و انواع اعتیاد تا 96٪ دقت دارند.” او گفت.

پروفسور دکتر ارگوزل با تاکید بر اینکه این سیستم ها در حال حاضر در حال استفاده بالینی هستند، گفت: “این مطالعات دیگر فقط آکادمیک نیستند، بلکه به شیوه هایی تبدیل شده اند که مستقیماً با بیمار تماس می گیرند.” او گفت.

داده های خصوصی هم خطر و هم فرصت هستند

پروفسور دکتر ارگوزل با اشاره به اینکه بیشتر داده های مورد استفاده در برنامه های هوش مصنوعی شخصی است، اظهار داشت که داده های صدا، چهره و بیولوژیکی از نظر حریم خصوصی حساس هستند. ارگوزل با بیان اینکه این وضعیت هم خطر و هم فرصت بزرگی است، گفت: “در صورت استفاده صحیح، این داده ها کمک بزرگی به سیستم مراقبت های بهداشتی می کنند.” او گفت.

الگوریتم های الهام گرفته شده از طبیعت

پروفسور در سخنرانی خود همچنین توضیح داد که مدل های هوش مصنوعی از طبیعت الهام گرفته شده اند. دکتر ارگوزل گفت که کلونی مورچه ها و رفتارهای ازدحام نمونه هایی از الگوریتم ها هستند. ارگوزل گفت: به لطف هوش ازدحام، ما می‌توانیم دقیق‌ترین و کارآمدترین راه را پیدا کنیم، و افزود که با این روش‌ها، معنی‌دارترین اطلاعات از داده‌ها انتخاب می‌شود.

هدف تجاری نیست، بلکه خدمات انسانی است

پروفسور دکتر ارگوزل با تاکید بر اینکه مطالعات هوش مصنوعی تنها برای منافع تجاری نیست، گفت: “اولویت ما تولید راه حل هایی برای نیازهای حوزه مراقبت های بهداشتی است. سیستم هایی که ما توسعه داده ایم به طور فعال توسط پزشکان استفاده می شود.” او گفت.

پروفسور دکتر ارگوزل اظهار داشت که هوش مصنوعی بخشی ضروری از خدمات مراقبت های بهداشتی در آینده خواهد بود و مطالعات در این زمینه بدون کاهش سرعت ادامه خواهد داشت.

پروفسور دکتر Türker Tekin Ergüzel گفت که روش های الهام گرفته از طبیعت در مطالعات هوش مصنوعی به موفقیت های چشمگیری در زمینه سلامت دست یافته است. ارگوزل تاکید کرد که تفاوت بین تصمیمات فردی و خرد جمعی هم در زندگی انسان و هم در الگوریتم ها تعیین کننده است.

خرد جمعی به جای تصمیمات فردی نتایج دقیق تری می دهد

پروفسور نمونه فرآیندهای تصمیم گیری از طریق “هوش ازدحام”. دکتر ارگوزل اظهار داشت که تصمیمات افراد به تنهایی همیشه بهترین نتایج را به همراه ندارد. ارگوزل با بیان اینکه بهره مندی از دانش و تجربه افراد با تجربه منجر به نتایج دقیق تری به خصوص در فرآیندهای حیاتی مانند انتخاب شغل می شود، گفت: تجربه جامعه اغلب نتایج بهینه تری نسبت به تصمیمات فردی دارد. او گفت.

ارگوزل با اشاره به اینکه این رویکرد به صورت ریاضی نیز مدل‌سازی شده است، گفت که رفتار گله با موفقیت در الگوریتم‌های هوش مصنوعی مورد استفاده قرار گرفت.

مدل‌های هوش مصنوعی مستقیم مورچه‌ها، پرندگان و ماهی‌ها…

پروفسور در ارائه خود به سه الگوریتم اساسی الهام گرفته از طبیعت اشاره کرد. دکتر ارگوزل; او اظهار داشت که کلنی مورچه ها، گله های پرندگان و ماهی ها و رفتار زنبورها مدل های هوش مصنوعی را شکل می دهند.

ارگوزل با بیان اینکه سبک ارتباطی زنبورها بسیار قابل توجه است، گفت که زنبورها

او توضیح داد که سه اطلاعات حیاتی را با حرکتی خاص به نام «رقص تکان دادن» به زنبورهای دیگر منتقل می کند. ارگوزل گفت: “با این اطلاعات، زنبورها می توانند با دقت 6 کیلومتری به منبع شهد برسند. این یکی از چشمگیرترین سیستم های بهینه سازی در طبیعت است.” او گفت.

گل ها سیگنال های الکتریکی را به زنبورها ارسال می کنند

ارگوزل با بیان اینکه گل ها دارای بار الکتریکی منفی و زنبورها دارای بار الکتریکی مثبت هستند، گفت: زنبورها می توانند گل های حاوی شهد را تشخیص دهند.

ارگوزل گفت: «گل هایی که شهد آنها از بین رفته است خنثی می شوند و زنبورهای دیگر سراغ آن گل نمی روند» و تاکید کرد که این مکانیسم نمونه ای از کارایی کامل در طبیعت است.

“انتخاب داده های مناسب” کلید موفقیت در هوش مصنوعی است

ارگوزل با بیان اینکه یکی از مهم ترین مشکلات کار با کلان داده، انتخاب داده های مناسب است، اظهار داشت که به لطف الگوریتم هایی که توسعه داده اند، پیشرفت جدی در بهینه سازی داده ها داشته اند.

در حالی که با 48 داده مختلف به دقت 60 درصدی دست یافتیم، الگوریتم‌ها 22 داده ارزشمند را برای ما انتخاب کردند و میزان دقت به 80 درصد افزایش یافت.» ارگوزل خاطرنشان کرد که این نرخ ها با تکنیک های یادگیری عمیق به بیش از 90 درصد می رسد.

بازوی رباتیک با کنترل ذهن توسعه یافته است

پروفسور همچنین به موضوع کنترل بازوهای رباتیک توسط سیگنال های مغزی اشاره کرد. دکتر ارگوزل گفت که در سیستم توسعه یافته با استفاده از داده های EEG، افراد می توانند تنها با فکر کردن، بازوی رباتیک را حرکت دهند و این فناوری به ویژه برای بیماران فلج امیدوارکننده است.

هوش مصنوعی که احساسات را از چهره می خواند

پروفسور دکتر ارگوزل بیان کرد که در پروژه دیگری، هوش مصنوعی می تواند احساسات را از حالات چهره تجزیه و تحلیل کند و گفت که این سیستم با 40 هزار داده آموزش دیده است. او اظهار داشت که می تواند احساسات اولیه مانند شادی، ترس، خشم، تعجب و غم را با دقت 85 تا 90 درصد تشخیص دهد.

پروفسور دکتر ارگوزل با بیان اینکه سیستم های آموزشی دانش محور ناکافی خواهند بود، گفت: “ماشین ها اکنون در پردازش اطلاعات از انسان پیشی گرفته اند. بنابراین، سیستم های آموزشی باید بر مهارت هایی مانند همدلی، ارزش ها، کار گروهی و تفکر مستقل تمرکز کنند.” او بیان کرد.

فناوری باید برای مردم استفاده شود

پروفسور دکتر ارگوزل با تاکید بر اینکه هوش مصنوعی به سرعت در حال توسعه است، اما استفاده صحیح از آن بسیار حیاتی است، اظهار داشت که مطالعات در حوزه سلامت باید انسان محور باشد و گفت: هدف ما ارائه فناوری به نفع مردم است و کاربردهای هوش مصنوعی در سلامت از این نظر پتانسیل بالایی دارد. او گفت.

ما حتی می توانیم میکرومیک ها را تحلیل کنیم

پروفسور اظهار داشت که سیستم‌های هوش مصنوعی که آنها توسعه داده‌اند می‌توانند نه تنها احساسات اولیه، بلکه میکرومیک را نیز تحلیل کنند. دکتر ارگوزل گفت که آنها با تصاویر با وضوح بالا به نتایج بسیار موفق تری دست یافتند.

پروفسور دکتر ارگوزل با بیان اینکه هوش مصنوعی می تواند احساساتی مانند شادی را نیز به زیرمجموعه هایی تقسیم کند، گفت: “اکنون نه تنها می گوییم “شاد”، بلکه می توانیم سایه های مختلف شادی را از طریق میکرومیک ها تجزیه و تحلیل کنیم. او گفت.

هوش مصنوعی در جراحی

ارگوزل در ارزیابی سوال در مورد استفاده از هوش مصنوعی در اتاق عمل تاکید کرد که تعیین تاریخ دقیق دشوار است اما روند به سرعت در حال پیشرفت است و گفت:

ما در سال 2026 هستیم. من فکر می‌کنم تا سال 2030، سیستم‌های هدایت جراحی با پشتیبانی از هوش مصنوعی بسیار سریع‌تر از حد انتظار در بیمارستان‌ها گسترش خواهند یافت، مشروط بر اینکه توسط پزشکان حمایت شوند.

موفقیت به دست آمده در روانپزشکی به جراحی امید می دهد

پروفسور دکتر ارگوزل با بیان اینکه میزان دقت بالایی که هوش مصنوعی در تشخیص بیماری های روانپزشکی به دست می آورد برای سایر رشته های پزشکی امیدوارکننده است، یادآور شد: به ویژه در بیماری های غیرقابل تشخیص مانند اختلال وسواس فکری-اجباری (OCD) تا 90 درصد موفق شدند.

پروفسور دکتر ارگوزل با بیان اینکه این پیشرفت ها راه را برای استفاده از هوش مصنوعی در سایر شاخه ها به ویژه جراحی هموار می کند، گفت: این دستاوردها نشان می دهد که هوش مصنوعی با سرعت بیشتری در کاربردهای بالینی ادغام می شود. او گفت.

پروفسور دکتر ارگوزل با جلب توجه به افزایش هوش مصنوعی در حوزه سلامت، افزود که این فناوری ها در سال های آینده هم برای پزشکان و هم برای بیماران ضروری خواهند بود.