مینویسم برای آدمها و ماشینها - توییتر: twitter.com/mojtaba2a
یادگیری عمیق و ناباروری
برای بسیاری از زنان، بارداری آنقدرها که تصور میشود آسان نیست. اغلب زنان پیش از اقدام به بارداری باید نکاتی را بیاموزند و یک سری محاسباتِ به نسبت پیچیده برای تعیین زمانِ اقدام به بارداری انجام دهند. اولین کار، محاسبهی چرخههای تخمکگذاری و تعیین روزی است که احتمال تخمکگذاری به بالاترین حد خود میرسد. تخمکگذاری زمانی اتفاق میافتد که یک تخمک از تخمدان آزاد شده و از لولهی فالوپ به پایین حرکت میکند. بیشترین شانس برای بارور شدن تخمک دو روز قبل از وقوع تخمکگذاری و خود روز تخمکگذاری (در مجموع سه روز) است. اما زنان چگونه باید زمانِ دقیقِ وقوع این اتفاق را محاسبه و پیشبینی کنند؟ دانستن این زمان برای برقراری یک رابطه جنسی به موقع ضروری است. راهحل در تعیین زمانِ شروع چرخهی قاعدگی و محاسبهی طول مدت آن است. از این طریق میتوان بالاترین احتمال تخمکگذاری را به دست آورد. چرخهی قاعدگی از اولین روز خونریزی (پریود شدن) شروع شده و تا قبل از اولین روز خونریزی در دورهی بعد ادامه مییابد؛ روزِ وسط این دوره زمانی است که به احتمال بسیار زیاد تخمکگذاری اتفاق خواهد افتاد. مثلا اگر طول چرخهی قاعدگی 28 روز باشد، 14 روز بعد از مشاهدهی اولین خونریزی، زمان تخمکگذاری است، بنابراین از دو روز قبل یعنی روز 12ام و 13ام و همچنین روز 14ام بهترین زمان برای بارور کردن تخمک و تشکیلِ رویان (جنین) است.
امروزه با گسترش استفاده از تلفن همراه، اپلیکیشنهای زیادی برای کمک به دختران، زنان و مادران به بازار آمده که دارای امکانات و ابزارهای مختلفی نظیر تعیین چرخهی قاعدگی و زمان اوج تخمکگذاری هستند. اما به نظر میرسد با ورود هوش مصنوعی به این حوزه ابزارها و اپلیکیشنها در آینده دچار تحولات اساسی خواهند شد. تفاوت نرمافزارهای بهرهمند از هوش مصنوعی با نمونههای معمولی در این است که هوش مصنوعی به مرور و با دریافت، ذخیره و پردازش انبوه اطلاعات یاد میگیرد چگونه محاسبات و وظایف پیچیده را انجام دهند. این الگوریتمها با تحلیل نتایج محاسبات قبلی، به مرور عملکرد خود را تطبیق داده و ساختار خود را تقویت و اصلاح میکنند. به عنوان مثال اپلیکیشنی به نام میرا (Mira) که از الگوریتمهای هوش مصنوعی بهره میبرد، علاوه بر اینکه از کاربر میخواهد تا اطلاعاتی در مورد سلامتی و بدن خود را وارد برنامه کند، همچنین با استفاده از یک دستگاه جانبی به کاربر امکان میدهد تا از ادرار خود نمونهگیری کند. این اپلیکیشن با جمعآوری اطلاعات از دستگاهِ نمونهگیری، الگوی هورمونها و الگوی قاعدگیِ کاربر را رهگیری و اندازهگیری میکند. اپلیکیشن میرا با استفاده از این اطلاعات، ظاهرِ برنامه را برای هر کاربر به طور ویژه شخصیسازی و زمان دقیق تخمکگذاری و شروع قاعدگی را به آنان یادآوری میکند.
قدرت هوش مصنوعی و توانایی این نوع از الگوریتمها در حل مسائل پیچیده، بسیاری از شرکتها را برای سرمایهگذاری روی هوش مصنوعی وسوسه کرده است. به عنوان مثال یکی از مسائلی که احتمالا در آینده برای حل آن از هوش مصنوعی استفاده خواهد شد، درمان ناباروری و کمک به پزشکان برای انجام عملیات لقاح خارج رحمی یا IVF است. فرایند لقاح خارج رحمی به این صورت است که در یک عمل جراحی، وقتی زن در بیهوشی کوتاه و موقت است، یک نمونه تخمک از وی دریافت شده و آن را در آزمايشگاه جنينشناسی، در محیط کشت، مجاورِ نمونهی اسپرمِ دریافتشده از مرد قرار میدهند تا اسپرم خودش، وارد تخمك شده و آن را بارور كند.
درمان ناباروری از طریق لقاح خارج رحمی محدودیتها و مشکلات خاص خود را دارد. اول اینکه انجام هر بار فرایند لقاح خارج رحمی بسیار گران است، علاوه بر آن هزینههای جانبی نظیر آزمایشهای متعدد و خرید دارو هم بر آن اضافه میشود. ممکن است در برخی موارد لازم باشد رویانها منجمد شوند و همچنین انجام آزمایش تشخیص ژنتیک پیش از لانهگزینی هم بر هزینهها خواهد افزود. بنابراین خیلی مهم است که در همان دور اول، فرایند لقاح خارج رحمی با موفقیت انجام شود وگرنه متقاضیان لقاح خارج رحمی باید مجددا آن را تکرار و مبالغ بیشتری پرداخت کنند.
مشکل دوم اینجاست که احتمال بارداری در زنان با سن بالای 35 سال به علت پايين بودن كيفيت تخمكها كاهش مییابد به طوری که شانس باروری تخمک با این شرط که نوزادی کامل با وزن مناسب از آن به وجود بیاید کمتر از 20 درصد است. این یعنی علاوه بر بار روانی و احساسی که به زوج وارد میآید، آنها باید باز هم هزینه بیشتری برای انجام فرایند لقاح خارج رحمی بپردازند.
در این مقاله شرح داده میشود که چگونه پژوهشگران 12.000 تصویر از رویانهایی که درست 110 ساعت از تشکیل شدنشان گذشته، تهیه کرده و به هوش مصنوعی (با نام STORK) دادهاند. الگوریتم بعد از تحلیل دادهها و با استفاده از فناوریِ یادگیری عمیق، میآموزد که چگونه رویانهای باکیفیت را از رویانهای بیکیفیت جدا، و شانس بارداری موفق را در هر رویان محاسبه کند. به این ترتیب پزشکان با بهره گرفتن از توان هوش مصنوعی میتوانند به دقت رویانهایی را برای انتقال به رحم مادر نشانهگذاری کنند که شانس بیشتری برای تبدیل شدن به نوزاد سالم دارند.
در ایران هنوز یک پژوهش جدی در مورد کاربرد هوش مصنوعی در لقاح خارج رحمی انجام نشده است. بنابراین ورود به این حوزه میتواند برای پژوهشگران و نوپاها جذاب باشد، به ویژه اینکه در خارج از کشور مقداری از راه قبلا طی شده مثلا در مورد همین پژوهشِ اخیر که اشاره شد، علاقهمندان میتوانند منبع کد و راهنمای تصویری الگوریتمِ هوش مصنوعیِ STORK را در وبسایت گیتهاب مشاهده و دریافت کنند. در آیندهای نزدیک و با پیشرفت الگوریتمهای یادگیریِ عمیق پزشکان قادر خواهند بود، حتی قبل از اقدام به بارداری، ریسک ناباروری را ارزیابی و محاسبه کنند. البته امروز نیز پزشکان با اندازهگیریِ عواملی همچون سن، تعداد تخمکها و سطح هورمونها، برآوردی از امکان باروری و شرایط لقاح خارج رحمی به دست میآورند اما اگر یک الگوریتم هوش مصنوعی – با امکان یادگیری و بهینه شدنِ مداوم – به پزشک یاری برساند نتیجه کار به مراتب بهتر و دقیقتر خواهد شد. به این ترتیب، میتوانیم امیدوار باشیم با افزایش سرمایهگذاریِ شرکتها و دولتها روی الگوریتمهای هوش مصنوعی در حوزهی ناباروری، در آینده هیچ خانوادهای شانس فرزندآوری را از دست ندهند!
مجتبی یکتا
برای مطالعه بیشتر به endregion.ir مراجعه کنید.
مطلبی دیگر از این انتشارات
آیا میتوان به سیستمهای هوش مصنوعی که صرفاً بر مبنای یادگیری عمیق بنا شده اند اعتماد کرد؟
مطلبی دیگر از این انتشارات
آیا الگوریتم ها می توانند خلاقیت داشته باشند؟
مطلبی دیگر از این انتشارات
هوش مصنوعی از تولد تا به امروز