چکیده
هوش مصنوعی و یادگیری ماشینی، می توانند تقریبا بر روی تمام ابعاد شرایط انسان تاثیر داشته باشند و دانش قلب شناسی هم از این قاعده مستثنی نیست. این مقاله یک راهنمای خوب برای متخصص های بالینی در رابطه با ابعاد مربوط به هوش مصنوعی و یادگیری ماشینی فراهم می کند و بعضی از کاربرد های انتخابی این روش را در قلب شناسی تا به امروز شناسایی می کند و این موضوع را بررسی می کند که داروهای قلبی عروقی چطور میتوانند از هوش مصنوعی در آینده استفاده کنند. به صورت خاص، این مقاله نخست مفاهیم مدل سازی پیش بینی را که مرتبط با قلب شناسی می باشد را شناسایی می کند مانند گزینش ویژگی و مشکلات رایج مانند دوشعبه سازی نا مناسب. دوم این که ما در این مقاله الگوریتم های رایج مورد استفاده در یادگیری با سرپرست را بررسی می کنیم و کاربرد های انتخاب شده را در قلب شناسی و زمینه های علمی مربوطه، بررسی می کنیم. سوم، ما پیشرفت یادگیری عمقی و روش های مربوطه که به صورت کلی با نام یادگیری بدون سرپرست شناخته می شود را بررسیمی کنیم که نمونه های زمینه ای را در پزشکی عمومی و پزشکی قلب و عروق ارائه می کند و سپس نشان می دهیم که این روش ها را چطور می توان مورد استفاده قرار داد تا موجب بهبود دانش قلب و عروق شد و خروجی های به دست آمده را ارتقا داد.
نوید هوش مصنوعی (AI) و یادگیری ماشینی در قلب و عروق و ایجاد کردن مجموعه ای از ابزار برای تقویت و توسعه کارایی قلب و عروق و پزشکی در این زمینه، بسیار مهم می باشد. این موضوع به چند دلیل مورد نیاز می باشد. مقدمه بالینی از تکنولوژی های مبتنی بر داده ها مانند بیومتریک با دستگاه های موبایل و تعیین توالی های کلی ژنوم، به زودی مستلزم این خواهد بود که متخصص های قلب و عروق اطلاعات را از زمینه های بسیار مختلف پزشکی و زیست شناسی، تحلیل کرده و از آن ها در عملیات خودشان استفاده کنند [1 تا 4]. در عین حال، شکل گیری فشار خارجی در پزشکی باعث شده که نیاز عملیاتی بیشتری برای پزشکان و سیستم های خدمات درمانی ایجاد شود [5]. در نهایت، بیماران نیز نیازمند و خواهان خدمات درمانی سریع تر و فردی تر می باشند [6و7]. به صورت خلاصه، پزشکان در معرض داده های بسیار زیادی قرار دارند که مستلزم تفسیر های پیچیده تر می باشد و در عین حال، باعث می شود که آن ها عملیات موثرتری را ارائه کنند. راه حل ما نیز استفاده از روش های یادگیری می باشد که می تواند تمام مراحل ارائه خدمات درمانی به بیمار را ارتقا دهد- از جستجو گرفته تا کشف و تشخیص روش های درمانی. در نتیجه، فعالیت های بالینی کارایی، سهولت و حالت فردی بیشتری خواهد داشت. علاوه بر این، داده های آتی فقط در زمینه های خدمات درمانی جمع آوری نمی شوند. تکثیر سنسور های موبایل باعث شده که متخصص های پزشکی در آینده بتوانند جریان های اضافی از داده های پزشکی را تحت نظارت داشته باشند، آن ها را تفسیر کنند و گاهی به صورت راه دور و یا خودکار نسبت به آن ها واکنش نشان دهند. در این حوزه فنی، ما روش های رایج برای یادگیری ماشینی را ارائه می دهیم، چندین کاربرد مختلف در دانش قلب و عروق را نشان می دهیم و مشخص می کنیم که پزشکی قلب و عروق چطور می تواند از هوش مصنوعی در آینده استفاده کند ( طرح اصلی).
پزشکی قلب و عروق، چطور می تواند از یادگیری ماشینی و هوش مصنوعی استفاده کند؟
متخصص های قلب و عروق می توانند برای خدمات درمانی بیماران با استفاده از داده های مختلف تصمیم گیری کنند و قطعا آن ها مایل هستند که به کمیت های بیشتری از داده ها در مقایسه با متخصص های دیگر، دسترسی داشته باشند. با وجود بعضی از مشکلات موجود، کاملا مشخص است که بهترین روش برای تصمیم گیری بر اساس داده ها، استفاده از تکنیک های به دست آمده از AIمی باشد. متخصص های قلب و عروق ازین رو، باید از AI و یادگیری ماشینی استفاده کنند. در واقع، مادامی که مقدار داده های موجود از بیماران افزایش پیدا می کند و مادامی که ما از جریان های داده های پیچیده پزشکی استفاده می کنیم، کاملا مشخص است که هوش مصنوعی می تواند کاربرد بسیار زیادی در این زمینه داشته باشد. این موضوع دیر یا زود اتفاق می افتد، درست مانند استفاده از الگوریتم های خودکار برای زمینه های علمی در رادیولوژی و آسیب شناسی [52].
اما، استفاده از هوش مصنوعی در قلب و عروق چیزی نیست که متخصص های بالینی بخواهند نگران آن باشند بلکه تغییری است که باید آن را به آغوش بکشند. AI باعث ارائه خدمات درمانی بهتر به مریض ها می شود زیرا پزشک می تواند داده ها را با عمق بیشتری تحلیل کند. الگوریتم های یادگیری تقویتی نیز به یکی از کمک های متخصص ها تبدیل میشود که به آن ها در خدمات درمانی و تحلیل داده ها کمک کند. پیشرفت در یادگیری بدون سرپرست باعث میشود ما بتوانیم بیماری های افراد را بهتر توصیف کنیم و باعث می شود که بتوان درمان بهتری ارائه کرد و نتایج بهتری به دست آورد. در واقع، AI ممکن است ملالت و یکنواختی پزشکی مدرن را کاهش دهد، مانند تعامل با EHR ها و صورت حساب ها که احتمالا به زودی توسط نرم افزار های خودکار انجام می شوند. اگرچه یادگیری های ماشینی فعلی معمولا توسط پرسنل با تمرین های خاص انجام می شود، اما در آینده استفاده از این روش ها قطعا ساده تر می شود. دانش تخصصی آسیب شناسی فیزیولوژیک و نمایه های بالینی که پزشکان در طول تمرین خودشان به دست می آورند قطعا اهمیت بالایی خواهد داشت . پزشکان ازین رو باید نقش اساسی در تصمیم گیری برای استفاده و تفسیر نتایج این مدل ها داشته باشند.
این مقاله ISI در سال 2018 در نشریه الزویر و در مجله کالج آمریکایی قلب و عروق، توسط موسسه مراقبت های بهداشتی نسل بعدی منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله هوش مصنوعی در کاردیولوژی در سایت ای ترجمه مراجعه نمایید.
