هوش مصنوعی یکی از تاثیرگذارترین رشته ­های روز دنیا محسوب می ­شود. کاربردهای کلیدی آن در صنعت و تجارت و نتایج موفقیت آمیز آن، محققان را به سمت استفاده از ابزارهای هوش مصنوعی در پزشکی سوق داده است. امروزه پژوهشگران از داده­ کاوی و ابزارهای یادگیری ماشین برای پیش بینی و تشخیص بیماری­ ها استفاده می­ کنند. داده ­کاوی یکی از اساسی ترین ابزارها برای آنالیز اطلاعات و کسب دانش از داده­ ها است. پیش­بینی و تشخیص بیماری­ ها یکی از زمینه هایی است که ابزارهای داده­ کاوی در آن نتایج مسرت بخشی از خود نشان داده اند. تشخیص و پیش­ بینی بیماری­ ها یک کار بسیار پیچیده و نیازمند تجربه و دانش بالاست.

داده­ کاوی در مسائل پزشکی بیشتر برای پیش ­بینی بیماری ­ها با استفاده از داده ­های آماده پزشکی استفاده می شود. داده های پزشکی شامل تمام سوابق بیماران قبلی است که خود شامل علائم حیاتی و تشخیص بیماری آنها است. این داده­ ها همان اطلاعات پرونده افراد در بیمارستان­ ها، بهداری ­ها و مراکز درمان سراسر جهان است. امروزه بیمارستان­ ها و درمانگاه ­ها دارای حجم عظیمی از داده­ های پزشکی بیماران هستند. این داده ­ها شامل اطلاعاتی است که توسط انسان­ های عادی قابل شناسایی نیست. به همین دلیل از ابزارهای داده کاوی برای کسب دانش استفاده می­ شود که در مباحث پزشکی دانش مورد نظرمان تشخیص بیمار بودن یا نبودن هر شخص است. با استفاده از داده­ کاوی و الگوریتم­ های یادگیری ماشین می­ توان خطای پزشکی را به حداقل رساند و طبیعتا کیفیت تشخیص بیماری بیشتر می ­شود.

پیش بینی بیماری­ های قلبی

برای نمونه در چندسال اخیر از هوش مصنوعی برای پیش بینی و تشخیص بیماری ­های قلبی عروقی، سرطان سینه، سرطان پستان، دیابت و … استفاده ­های زیادی شده است. بطور مثال در پیش بینی بیماری­ های قلبی از الگوریتم ­های مختلف Classification استفاده می­ شود به این دلیل که متوجه شوند کدام الگوریتم مقدار دقت و صحت بیشتری را دارا می ­باشد. در پژوهش­ های پزشکی پایین آمدن نرخ خطا بسیار حیاتی است زیرا در واقع حوزه پژوهش تاثیر مستقیم به روی جان انسان ­ها دارد. برای بیماری­ های قلبی الگوریتم­هایی مثل درخت تصمیم، ماشین بردار پشتیبان (SVM)، شبکه عصبی RBF ، الگوریتم Naïve Bayes و چندین الگوریتم هوش مصنوعی دیگر استفاده شده اند و نتایج آن­ها با هم مقایسه شده اند. در اواخر سال ۲۰۱۶ پژوهش­ ها نشان داده است که استفاده ترکیبی از بهترین الگوریتم­ های یادگیری ماشین در حوزه پزشکیِ مورد نظر (بصورت Ensemble) بهترین نتایج را در بر دارد.

داده­ ها و ابزارهای پیاده ­سازی

خوشبختانه دانشگاه ها و پژوهش_­­سراهای مختلفی در سطح جهان وجود دارند که به جمع آوری مجموعه داده (Dataset) می پردازند. یکی از معروف ترین آنها UCI  است که یک مرجع دانلود بزرگ برای مجموعه داده ­ها با موضوعات مختلف است. این سایت مجموعه داده ­ای بیماران زیادی را در خود گنجانده است و امکان دانلود رایگان به پژوهشگران داده می­ شود.

برای ابزارهای پیاده سازی می­توان از نرم افزارها و ابزارهای Matlab ، Weka ، Rapid Miner و … نام برد. مزیتی که Weka و Rapid Miner نسبت به Matlab و Python و R و زبان­های برنامه نویسی دیگر دارند این است که در weka و Rapid Miner نیاز به کد زدن وجود ندارد و تمام الگوریتم ­ها از قبل آماده و پیاده ­سازی شده هستند و فقط کافی است الگوریتم مورد نظر را انتخاب کنید و تنظیمات مورد نظرتان را وارد کنید و اجرا کنید. اما در استفاده از زبان های برنامه نویسی Python ، R و نرم افزار Matlab کار شما سخت تر است به دلیل اینکه شما باید با کد نوشتن، الگوریتم ­های موردنظر خود را پیاده کنید. اما طبیعتا با استفاده از برنامه نویسی دست شما برای تغییرات بازتر است و تغییرات را بیشتر لمس خواهید کرد.

شرکت ­های خارجی فعال در این زمینه

دو شرکت معروف در زمینه پیش بینی بیماری به فعالیت می­ پردازند. به گفته سایت رسمی این شرکت، Aime.life در وهله اول شرکت فعال در زمینه امراض مسری است و بعد از آن در زمینه­ های فناوری کار می­ کند. این شرکت داده­ های پزشکی فرد را می­ گیرد و سپس با دقت ۸۶.۳۷% پیش بینی می­ کند که فرد مورد نظر بیماری ای را می­گیرد یا خیر. هم اکنون این شرکت در دو کشور به سرویس دهی می­ پردازد.

از طرف دیگر، Zebra Medical Vision  شرکت دیگری است که در زمینه تحلیل عکس های پزشکی کار می ­کند بطوری که از ترکیب Medical Image  و یادگیری ماشین پیشرفته، به پیش بینی بیماری می­ پردازد. امتیاز مثبتی که این شرکت نسبت به شرکت قبلی دارد این است که این شرکت از” یادگیری عمیق” (Deep Learning)  هم در پردازش خود بهره می ­برد.

بطور کلی هوش مصنوعی در زمینه­ های مختلفی مورد استفاده قرار می­گیرد و در پاره ای از موارد بسیار حیاتی است. امروز یکی از کاربردهای ابزارهای هوش مصنوعی و داده­ کاوی را در زمینه پزشکی مورد بررسی قرار دادیم.