به پژوهشگران جوان اعتماد کنیم
دکتر هاله فاتح در گفتوگو با روابط عمومی سازمان جهاد دانشگاهی علوم پزشکی تهران، اظهار کرد: هوش مصنوعی، امکان استخراج دانش کاربردی از دادههایی را فراهم میکند که سالها در نظام سلامت جمعآوری شدهاند و میتوانند برای پیشگیری، تشخیص زودهنگام بیماریها و بهبود کیفیت زندگی مردم استفاده شود.
این پژوهشگر با بیان اینکه با حجم بالای دادهها مواجه هستیم، توضیح داد: حدود ۲۵ درصد دادههای جمعآوریشده در دنیا برای حوزه سلامت است و شرایط کشور ما نیز مشابه این شرایط است. اطلاعات حوزه سلامت از پروندههای الکترونیک سلامت تا دادههای آزمایشگاهی و تصویربرداریهای پزشکی جمعآوری شدهاند. استفاده از هوش مصنوعی، توانایی شناسایی الگوهای پیچیده و پنهان در دادهها را فراهم میکند که روشهای آماری سنتی قادر به تشخیص این دادهها نیستند.
او با بیان اینکه هدف استفاده از این روشها، حرکت نظام سلامت از درمانمحوری به پیشگیریمحوری است، اظهار کرد: چرا که پیشگیری و تشخیص زودهنگام بیماریها به کاهش هزینهها و تصمیمگیری دقیقتر پزشکان و مدیران سلامت کمک میکند.
این پژوهشگر درباره طرحهای مرکز انفورماتیک سازمان جهاد دانشگاهی علوم پزشکی تهران گفت: طرح «توسعه و ارزیابی مدل یادگیری ماشین برای پیشبینی خطر پوکی استخوان» در دانشگاه علوم پزشکی بوشهر اجرا کردهایم. در این پروژه، با تحلیل عوامل جمعیتشناختی، بالینی و سبک زندگی، مدلی هوشمند طراحی شده تا افراد در معرض خطر پوکی استخوان شناسایی شوند. پوکی استخوان، یک بیماری خاموش است اما عوارض آن میتواند باعث ناتوانی سالمندان و افزایش هزینههای نظام سلامت شود.
فاتح درباره طرح دیگر مرکز انفورماتیک سازمان جهاد دانشگاهی علوم پزشکی تهران گفت: «پیشبینی افت عملکرد سالمندان با استفاده از یادگیری ماشین» را اجرا کردهایم و هدف آن شناسایی زودهنگام افرادی است که در معرض افت عملکرد هستند تا مداخلات پیشگیرانه و توانبخشی به موقع انجام شود. روند سریع سالمندی جمعیت کشور، این طرحها را برای نظام سلامت حائز اهمیت میکند.
او ادامه داد: مدلها بر اساس دادههای واقعی و بومی کشور توسعه یافته و حاصل همکاری بین پزشکان، متخصصان حوزههای مختلف و پژوهشگران هوش مصنوعی است. چنین رویکردی سبب میشود پژوهشها فراتر از تولید مقاله علمی باشند و به تصمیمگیری و اقدام در نظام سلامت نزدیک شوند. هدف اصلی هوش مصنوعی این است که فرد پیش از بیمار شدن دیده شود، نه بعد از آن.
وی درباره مهمترین چالشهای حوزه هوش مصنوعی در سلامت گفت: دسترسی به دادههای با کیفیت، کامل و قابل اعتماد، بزرگترین چالش این حوزه است. هوش مصنوعی بدون داده خوب نمیتواند تصمیمگیری مناسبی داشته باشد. متاسفانه، دادهها در نظام سلامت پراکنده و ناقص هستند و بخش عمدهای از کار پژوهشی صرف پاکسازی، استانداردسازی و آمادهسازی دادهها میشود. حل این چالش، نیازمند همکاری نظام سلامت، پزشکان و سیاستگذاران است تا زیرساخت داده و فرهنگ استفاده از دادهها به صورت استاندارد شکل بگیرد.
او درباره خواستههای خود از سیاستگذاران گفت: تقویت زیرساخت داده و اعتماد به فناوریهای نوین علمی میبایست در کانون توجه سیاستگذاران قرار گیرد و ب ظرفیت پژوهشگران و اساتید جوان در حوزه هوش مصنوعی استفاده شود. اطلاعات در این حوزه لحظهای بهروز میشوند و برای پیشرفت مشابه کشورهای پیشرفته، استفاده از دانش روز و ایجاد کارگروههای تخصصی ضروری است.
انتهای پیام
هیچ نظر! یکی از اولین.