کاربرد های NLP(بخش دوم)

با افزایش روز شمار جمعیت ساکنان کره‌ی زمین و در نتیجه تعداد بیماران ،اهمیت پردازش سریع اطلاعات پزشکی و تشخیص به موقع بیماری و شروع فرآیند درمان از اهمیت فراوانی برخوردار است . در مطلب هفته‌ی گذشته به معرفی۱۰ مورد از رایج‌ترین کاربردهای پردازش زبان طبیعیNLP پرداختیم اما با توجه به بحران جهانی کرونا و اهمیت وضعيت سلامت و بهداشت با هدف بقای بهتر زندگی کنونی در آخرین پست مربوط به کاربردهای NLP تصميم گرفتیم که به دنبال ردپای آن در دنیای سلامت و مراقبت‌های پزشکی بگردیم .

این روزها سازمان‌های بهداشتی بیش از پیش به نسخه‌های دیجیتالی و فناوری‌های داده محور دسترسی دارند که تحلیل و استفاده درست و نتیجه‌بخش از آن‌ها در جهت مراقبت‌های بهداشتی علاوه بر تسریع روند بهبود سلامت و درمان باعث افزایش درآمد فرصت‌های تجاری نیز می‌شود .اما برای این سازمان‌ها استخراج و پردازش تریلیون ها گیگابایت داده از منابع با فرمت‌ و حجم‌های متفاوت کار آسانی نیست اما NLP با روش‌های منحصربه‌فرد جمع‌اوری اطلاعات از زبان انسان و استخراج الگوها ، کشف معنی و فرمول بندی این اطلاعات به کمک متخصصان پزشکی آمده است.

ممکن است تا به حال برای شما نیز پیش آمده باشد که حین توضیح شرح حال خود نزد پزشک یا پرستار بخش عمده توجه آن‌ها صرف ثبت اطلاعات پزشکی و پرونده سازی شود و زمان بررسی،تشخیص و پیگیری بیماری شما به بعد موکول شود در اینجاست که NLP با تهیه‌ی نسخه دیجیتال از توضيحات و بازخورد‌های شما در حین بیان و درک مهمترین بخش‌های ان و خلاصه سازی مدارک در بهترین زمان با کمترین خطای ممکن علائم اولیه را شناسایی و در اختیار نیروی متخصص قرار می‌دهد که باعث می‌شود پزشک و پرستار، بخش بیشتری از توجه و وقت خود را در کنار بیمار سپری کنند و بابت فراموش شدن جزئیات ریز اما مهمی که ممکن است ذهن آدمی در یادآوری آنان ضعف داشته باشد نگران نباشند. این چرخه باعث افزایش چشمگیر کیفیت خدمات ارائه شده به بیمار و تسهیل روند کاری کادر درمان خواهد شد. حتی NLP پس از اتمام کار خود در این فرآیند با تحليل صدای بیماران در هنگام تشریح فرآیند درمان و توضیح خدمات ارائه شده احساسات و بازخورد کیفیت آنان را از مرکز پزشکی، کادر درمان و داروهای مصرف شده را به دیگران نشان می‌دهد که در نوع خود باعث صداقت بیشتر بین سازمان‌های پزشکی و دارویی با مخاطبان خود و در نتیجه صرفه جویی در وقت و سرمایه افراد خواهد شد.

موضوع دیگری در بحث سلامت ، ویروس کوید-19 می باشد که همه ما به نوعی درگیر آن شده ایم در ادامه این پست به سه کاربرد NLP برای مقابله با کرونا می پردازیم .

الگوریتم های NLP در حال حاضر قادر به ساخت رشته های پروتئینی شده اند به شکلی که می توانند جهش های ژنتیکی که ویروس را قادر به گریز از سیستم دفاعی بدن می کند پیشبینی کنند .

نکته کلیدی، این موضوع می باشد که بسیاری ویژگی های سیستم بیولوژیک را می توان به فرم کلمات و جملات ترجمه کرد .

در طی چند سال اخیر تعداد انگشت شماری از محققان نشان داده اند که رشته های پروتئینی را می توان با استفاده از تکنیک های NLP مدل سازی کرد . در طی آزمایشی محققان توانستند با استفاده از NLP مدلی را طراحی کنند که رشته های پروتئنینی به گونه ای در کنار هم قرار بگیرند که ویروس را در برابر سیستم دفاعی بدن ایمن می کند یعنی پیشبینی شود که ویروس با چه جهش ژنتیکی می تواند توسط آنتی بادی ها شناسایی نشود . ایده اصلی این است که تفسیر ویروس توسط سیستم ایمنی بدن مشابه تفسیر یک جمله توسط انسان است.

(نقشه ای از همه جهش های ژنتیکی ثبت شده ویروس کوید-19)

کاربرد دیگر NLP در تحلیل داده های سیستم های امنیتی نظارتی و همچنین پرسشنامه های تشخیص کرونا برای تخمین تعداد مبتلایان می باشد یعنی با شناسایی افرادی که تست کرونای آنها مثبت بوده ، ردگیری آنها در اماکن عمومی ، تشخیص افراد نزدیک به آنها که مستعد به بیماری هستند و ادامه این چرخه شناسایی و ردگیری به یک شبکه گسترده از اطلاعات فردی میرسیم که تحلیل آن به کمک الگوریتم های NLP مزیت بزرگی برای یافتن مبتلایان در یک جامعه آماری می باشد.

برای مثال دولت چین که یکی از قوی ترین سیستم های نظارتی بر شهروندان خود را دارند توانسته با استفاده از برنامه هایی که بر روی گوشی نصب می شود افراد مبتلا را زیر نظر بگیرد .این اپ های این ویژگی را دارند که اگر فردی با فرد مبتلا در تماس باشد به او اخطار می دهد و از او می خواد تا پرسشنامه ی سلامتی را به طور مجازی پر کند و وضعیت سلامتی خود را بسنجند این داده ها به طور مستقیم در دسترس وزارت بهداشت قرار میگیرد تا تشخیص داده شود که آیا این فرد نیازمند قرنطینه یا بستری شدن هست یا نه هم اکنون کشورهای دیگری از جمله سنگاپور و بریتانیا نیز از سیستم های مشابهی استفاده می کنند.

یکی دیگراز قابلیت های NLP که هفته پیش نیز در مورد آن صحبت شد تحلیل احساسات و نظرات مردم در شبکه های اجتماعی میباشد که بسیاری از شرکت های تجاری برای ارزیابی کالا و محصول خود از آن استفاده میکنند . با شیوع ویروس کوید-19 مراکز تحقیقاتی ، دانشگاه ها و بیمارستان ها نیز از این فناوری برای آگاهی از تاثیر کوید-19 بر زندگی مردم و نظرات آنها در مورد آن استفاده کردند . برای مثال طی جمع آوری نظرات کاربران در مورد شمع های معطری که در سایت آمازون در امریکا به فروش می رسد یافت شد که به مرور زمان و با افزایش تعداد مبتلایان کرونا نظرات منفی نیز افزایش یافته است به طوری که در ایالت های نیویورک و کالیفرنیا و بعد تر فلوریدا که بیشترین تعداد مبتلایان را دارند نظراتی با این مظمون که بوی شمع های کم شده و یا همچون قبل بویی را احساس نمی کنند افزایش یافته (لازم به ذکر است که یکی از نشانه های کرونا کاهش حس بویایی است)

https://www.nature.com

https://www.arcgis.com

https://nextstrain.org

https://www.statista.com

https://www.technologyreview.com

https://blog.einstein.ai/progen/