الگوریتم‌های مبتنی بر هوش مصنوعی به‌زودی تحولی شگرف را در دنیای تصویربرداری پزشکی رقم می‌زنند.
به نقل از فوربس، یکی از قدرتمندترین ابزار‌هایی که ارائه مراقبت‌های بهداشتی مدرن را امکان پذیر می‌کند، تکنیک‌های تصویربرداری پیشرفته است. اغلب، این ابزار‌ها برای تایید معاینات فیزیکی و به تصویر کشیدن آناتومی داخلی استفاده می‌شوند.
مطالعه‌ای که به تازگی در مجله هلث‌کر منتشر شده، نشان می‌دهد تنها در دهه گذشته، میزان سی‌تی‌اسکن و سونوگرافی تقریباً دو برابر شده و همین‌موضوع نشان‌دهنده روند رو به رشد استفاده از تصویربرداری در ارائه مراقبت‌های بهداشتی است.
دلایل بالقوه زیادی برای روند رو به رشد کنونی وجود دارد، ازجمله این واقعیت که تکنیک‌های تصویربرداری پزشکی به‌طور باورنکردنی پیشرفته شده‌اند به این معنی که پزشکان می‌توانند از این ابزار‌ها برای تعیین دقیق مشکل و هدایت سریع درمان استفاده کنند. بر این اساس، سرمایه گذاری قابل توجهی و علاقه فزاینده‌ای برای هوشمندسازی، استفاده آسان و در دسترس بودن این ابزار‌ها وجود دارد.
سازمان‌ها نیز به سرعت از این فراخوان برای اقدام استقبال می‌کنند. هفته گذشته، شرکت جنرال الکتریک که ردپای برجسته‌ای در مراقبت‌های بهداشتی دارد، اعلام کرد که کمک مالی ۴۴ میلیون دلاری از بنیاد بیل و ملیندا گیتس برای توسعه فناوری فراصوت با کمک هوش مصنوعی دریافت کرده است.
بیانیه مطبوعاتی این شرکت به این موضوع می‌پردازد که چگونه یکی از اهداف اصلی در پشت این ابتکار ایجاد یک رابط کاربر پسندتر است که پزشکان را قادر می‌سازد تا از طیف گسترده‌ای از تکنیک‌های غربالگری مراقبت‌های بهداشتی، با نگاهی خاص به بهبود نتایج مراقبت‌های بهداشتی و دسترسی کم به آن، بهتر حمایت کنند.
رولاند روت، رئیس و مدیرعامل فراصوت در شرکت تجهیزات پزشکی جی‌ای هلث کر توضیح می‌دهد که اگرچه فناوری فراصوت یک ابزار فوق‌العاده قدرتمند برای غربالگری و تشخیص در این زمینه است، اما یک محدودیت کلیدی دارد و آن راهنمایی کاربران کم‌مهارت برای استفاده مؤثر از روش‌های مقرون‌به‌صرفه است.
اوایل سال جاری، مطالعه‌ای در مجله رادیولوژی منتشر شد که نشان داد یک الگوریتم هوش مصنوعی بسیار تخصصی قادر به پیش‌بینی خطر سرطان سینه با دقتی قابل توجه است. تأثیر این مطالعه بسیار مهم است، اگرچه کارشناسان سال‌ها است که درباره استفاده از ابزار‌های هوش مصنوعی در پزشکی بالینی بحث می‌کنند، نمونه‌هایی از این دست، سناریو‌های بسیار واقعی را در مورد نحوه گنجاندن این ابزار در جریان کار پزشک ارائه می‌دهند.
همچنین، این ابزار‌ها پتانسیل بالایی در استفاده مستقیم توسط بیماران دارند. به عنوان مثال، ابزار «درم اسیست» (DermAssist) را در نظر بگیرید که توسط گوگل‌هلث برای کمک به کاربران برای یافتن اطلاعات مربوط به نگرانی‌های پوستی خود توسعه یافته است. بدین شکل که کاربران می‌توانند ۳ عکس از وضعیت پوست خود آپلود کنند و به چند سوال الگوریتم پاسخ دهند؛ ابزار توسعه یافته با استفاده از آنچه از میلیون‌ها تصویر مرتبط با پوست آموخته است، در عکس‌ها و اطلاعات ارسالی فرد به دنبال علائم بیماری‌های پوستی مختلف می‌‌شود.
این الگوریتم هوش مصنوعی اگرچه هنوز در مراحل اولیه است؛ اما ظرفیت باورنکردنی برای تغییر رویکرد مردم به مراقبت‌های بهداشتی دارد.
این ابزار و الگوریتم‌های توسعه یافته مبتنی بر هوش مصنوعی فقط چند نمونه از مواردی هستند که روش‌های تصویربرداری را به کمک دنیای هوش مصنوعی و یادگیری ماشین آسان کرده‌اند؛ البته این فناوری هنوز راه درازی در پیش دارد و نیاز به توسعه بیشتر دارد. با این حال، اگر به درستی انجام شود، این ابزار‌ها ظرفیت بسیار زیادی دارند.
اگرچه یک پزشک توانایی منحصر به فرد برای در نظر گرفتن سایر ملاحظات مربوط به بیمار را دارد، اما ابزار‌های هوش مصنوعی مانند موارد ذکر شده ممکن است همچنان برای تریاژ موارد یا عمل به عنوان تصمیم بالینی مفید باشند. از آنجایی که تصویربرداری به بخشی جدایی ناپذیر از عمل پزشکی مدرن تبدیل شده است، این حوزه از نوآوری می‌تواند واقعاً بر دنیای ارائه مراقبت‌های بهداشتی تأثیر بگذارد.
