وسعت کاربردهای درمانی هوش مصنوعی شامل درمان فیزیکی نیز می‌شود


منتشر‌شده در: forbes به تاریخ ۱۰ نوامبر ۲۰۲۰
لینک منبع: The Breadth Of Healthcare Applications Of Artificial Intelligence Even Includes Physical Therapy

این ستون به بازگشت به صنعت مراقبت بهداشتی ادامه می‌دهد، زیرا بسیار پیچیده‌تر و متنوع‌تر از بسیاری دیگر است. پوشش هوش مصنوعی بر رادیولوژی متمرکز شده، به سالن عمل رفته‌است، و در پس خان مورد بحث قرار گرفته‌است. بیمه و کلاهبرداری دارویی حوزه‌هایی هستند که تحلیل ریسک هوش مصنوعی در آن‌ها مفید است. در حال حاضر، حوزه دیگری نیز وجود دارد که متمایل به راه‌حل‌های هوش مصنوعی است. این چیزی است که بسیاری از مردم آن را ثانویه می‌دانند، اما در واقع بخشی حیاتی از مراقبت‌های بهداشتی است: درمان فیزیکی.

به عنوان کسی که سال‌ها پیش یک تصادف وحشتناک با ماشین داشت، و سال‌های نه چندان پیش، ثابت کرد که به آن جوانی نیست که فکر می‌کرد، من کسی هستم که از نیاز به درمان فیزیکی (PT) بسیار آگاه هستم. اصول PT بسیار ساده به نظر می‌رسد: طراحی درمان‌هایی که باعث حرکات مکرر اعضای آسیب‌دیده بدن می‌شوند، تحلیل آن حرکت، و سپس ارائه بازخورد به بیمار و جامعه پزشکی به منظور کمک به بهبود هر دو. این ثبت و تحلیل تاثیر (بله، جناس در نظر گرفته‌شده) آن حرکت است که می‌تواند ثابت کند پیچیده است.

فیزیوتراپیست‌های انسانی می‌توانند حرکات زیادی را ببینند، اما ثبت تمام اطلاعات لازم برای آن‌ها غیر ممکن است. سلامت SWORD یک شرکت متمرکز بر این بخش مراقبت‌های بهداشتی منحصر به فرد است. چون آن‌ها یک شرکت جوان هستند، بر روی چند حوزه درمان کلیدی تمرکز می‌کنند. ویرگیلیو بنتو، مدیر عامل شرکت سلامت SWORD گفت: « مفصل ران، زانو، کمر، شانه، مچ و گردن بیش از ۹۰ درصد از کل مشکلات اسکلتی-عضلانی در ایالات‌متحده را تشکیل می‌دهند.» « احیای آن‌ها از راه دور نیازمند فن‌آوری است که بتواند آن‌ها را بیاموزد و توسعه دهد.»

یک راه در مورد سوگیری‌های جنسی در آزمایش

یک حوزه جالب که از یک بخش فراخوانی مجزا پشتیبانی می‌کند، مساله غالبا مشکل‌ساز سوگیری در تست است. ما می‌دانیم که شبکه‌های عصبی تصویری مشکلاتی در شناسایی رنگ زنان داشته‌اند. ما می‌دانیم که در خارج از هوش مصنوعی، بسیاری از آزمایش‌ها مواد مخدر شامل کودکان، زنان باردار و دیگر جمعیت‌شناسی هایی که به این مواد نیاز دارند، نمی‌شود. فیزیوتراپی یک بخش مراقبت بهداشتی است که می‌تواند از آن مشکلات اجتناب کند.

در حال حاضر مجموعه‌ای از اطلاعات PT در مورد طیف گسترده‌ای از جمعیت که PT را دریافت می‌کنند، وجود دارد. توانایی ردیابی اطلاعات بسیار بیشتر و تجزیه و تحلیل آن با اطلاعات جمعیتی (حتی برای حریم خصوصی شناخته نشده) ، به این معنی است که درمان می‌تواند با تقسیم‌بندی بسیار بیشتری براساس اطلاعات موجود شروع شود و سپس به سرعت براساس یک پایه فردی براساس نتایج مستقیم و خاص تنظیم شود. با الگوهای مبتنی بر تقسیم‌بندی جزیی‌تر شروع می‌شود و سپس تغییر درمان براساس مورد به مورد مسائل تعصب‌آمیزی که ممکن است در دیگر حوزه‌های پزشکی و یا حتی در ذهن برخی از پرسنل پزشکی ذاتی باشند را حذف می‌کند.

هوش مصنوعی در دنیای واقعی به معنای یکپارچگی با دیگر فن‌آوری‌ها

همانطور که به طور منظم ذکر شد، هوش مصنوعی یک ابزار است، نه یک راه‌حل. این شرکت تنها با یادگیری ماشین کار نمی‌کند. آن‌ها حسگرهایی می‌سازند تا اطلاعات را دریافت کنند، با جنبشی که از طریق ارتباطات بی‌سیم به سیستم فرستاده می‌شود. سپس می توان از تکنیک‌های متعددی برای پرداختن به داده‌ها استفاده کرد. ترکیبی از یادگیری عمیق و رگرسیون خطی آماری برای درک پیشرفت درمان به کار می‌رود. تغییر درمان نیز می‌تواند نیمه اتوماتیک باشد و سیستم تغییرات را پیشنهاد می‌دهد. این امر به یادگیری عمیق نیاز ندارد چون انتخاب درمان یک فرآیند مبتنی بر قوانین است.

مانند تمام حوزه‌های مراقبت بهداشتی که با بیماران سر و کار دارند، در ایالت متحده، ایالت غذا و دارو (FDA) نیز نیازمند پاک‌سازی هر دو دستگاه جدید و به روز است. تفاوت بین سخت‌افزار و هوش مصنوعی به آسانی با نحوه مدیریت هر بخش در تغییر مشخص می‌شود. زمانی که یک جز سخت‌افزاری تغییر می‌کند، مشخصات دقیق می‌تواند برای آنالیز و تایید نسبتا سریع به ایالت غذا و دارو فرستاده شود. آژانس نظارتی هنوز در تجزیه و تحلیل خود در مورد چگونگی مدیریت هوش مصنوعی، به ویژه شبکه‌های عصبی، در مراحل اولیه است، بنابراین فرآیند می‌تواند نسبت به سخت‌افزار کندتر باشد.

هوش مصنوعی هنوز یک منطقه خاکستری است که عمدتا از طریق نقص شرکت‌های هوش مصنوعی ایجاد می‌شود. در حالی که آن‌ها دوست دارند در مورد جعبه سیاه که یک شبکه عصبی است صحبت کنند، برای مثال، آن‌ها لایه‌های خود را می‌دانند، گره‌ها، کد و وزن را می‌شناسند. در حالی که برخی از این استنباط هنوز به راحتی قابل توضیح نیست، شرکت‌های بسیار بیشتری می‌توانند در صورت اجباری بودن به سازمان‌های نظارتی ارایه دهند.

در نبود چنین شفافیتی، انتظار حداقل امنیت شغلی کوتاه‌مدت برای انسان‌ها وجود دارد. آن‌ها باید در حلقه بمانند، هم به عنوان یک نظارت بر هوش مصنوعی و هم به عنوان یک پوشش قانونی برای گفتن اینکه هوش مصنوعی پیش‌آگهی ندارد اما گزینه‌هایی را برای انسان‌ها فراهم می‌کند.

یادگیری عمیق و دیگر تکنیک‌های یادگیری ماشین، جایگاه مهمی در مراقبت‌های بهداشتی دارند، اما باید در فرآیند درمان کامل بیمار، همراه با دیگر فن‌آوری‌ها گنجانده شود. بر خلاف یک سیستم یادگیری عمیق که به تنهایی در یک مرکز تحقیقاتی در حال جستجو است، هوش مصنوعی باید به خوبی با دیگر فن‌آوری‌ها و فرآیندها ارتباط برقرار کند و به بیمارانی که در آن زندگی می‌کنند، نزدیک‌تر باشد. درمان فیزیکی یک جنبه عالی از رشد مورد نیاز است، چون یک بخش منظم و مشهود از درمان بیمار است که شامل تعامل انسان، سخت‌افزار و نرم‌افزار در یک چارچوب قانونی برای بهبود پیامدهای بیمار است.

این متن با استفاده از ربات ترجمه مقالات هوش مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.