هوش مصنوعی (AI) یکی از قدرتمندترین ابزارها در تاریخ پزشکی است که قادر به تسریع تشخیص، شخصیسازی درمان و متحول کردن مراقبتها در مقیاسی بیسابقه است. اما تاکنون بیشتر پیشرفتها برای بزرگسالان صورت گرفته است.
سلامت کودکان دانشگاه استنفورد برای از بین بردن این شکاف و ساختن آیندهای که در آن هر کودکی بتواند از تمام پتانسیل هوش مصنوعی بهرهمند شود، در حال رقابت است.
استنفورد در حال راهاندازی «مرکز هوش مصنوعی در پزشکی کودکان» است که کاملاً به توسعه و استقرار راهحلهای هوش مصنوعی برای سلامت کودکان اختصاص دارد. این مرکز تضمین خواهد کرد که پیشرفتها در تحقیقات و فناوریهای پیشرفته میتواند استاندارد مراقبت از کودکان در بیمارستان کودکان استنفورد و فراتر از آن را به روشهایی ایمن، عادلانه و بیمارمحور تغییر دهد.
هیچ موسسهای برای رهبری این کار در موقعیت بهتری نیست. استنفورد محققان پیشگام، یک بیمارستان کودکان در سطح جهانی و تخصص بینظیر علوم کامپیوتر را در مرکز صنعت فناوری جهانی گرد هم آورده است. استنفورد در حال حاضر در حال متحول کردن مراقبتهای کودکان در زمینههای مختلف، از سرطان گرفته تا بیماریهای مادرزادی قلب و عوارض ناشی از تولد زودرس است.
تاکنون، این تلاشها عمدتاً به صورت موازی عمل میکردهاند. این مرکز این وضعیت را تغییر خواهد داد و پزشکان، محققان، مهندسان، اخلاقگرایان و دانشمندان داده را متحد میکند تا پیشرفتی را که هیچ تیمی به تنهایی نمیتواند به آن دست یابد، ممکن سازد.
یک کاتالیزور $10 میلیون هدیه از خیریههای آلفرد ای. مان به استخدام یک رهبر در سطح جهانی کمک خواهد کرد تا نیروی رابط باشد و این کار را پیش ببرد.
نتیجه، دوران جدیدی در سلامت کودکان خواهد بود، دورانی که در آن قدرتمندترین ابزارهای پزشکی میتوانند به کودکانی که بیشترین نیاز را به آنها دارند، در منطقه خلیج سانفرانسیسکو و سراسر جهان، برسند.
راختراع ام آر آی برای کودکان
اگر آزمایش MRI انجام داده باشید، میدانید که چقدر میتواند ناراحتکننده باشد که گاهی اوقات نزدیک به یک ساعت در یک لوله باریک و پر سر و صدا بیحرکت دراز بکشید.
حالا تصور کنید که این برای یک کودک خردسال چقدر دشوار خواهد بود. بسیاری از بیماران کودک برای بیحرکت ماندن در طول MRI نیاز به آرامبخش دارند. اما آرامبخشی میتواند هزینه و پیچیدگی را افزایش دهد، در حالی که خطرات پزشکی را نیز افزایش میدهد.
دکتر شریاس واساناوالا (تصویر بالا) و همکارانش در استنفورد و منطقه خلیج سانفرانسیسکو، با پیشگامی در استفاده از هوش مصنوعی برای سریعتر، ارزانتر و حتی دقیقتر کردن اسکنهای MRI کودکان، در حال مقابله با این چالش هستند.
آزمایشگاه واساناوالا از یادگیری ماشینی برای امکانپذیر کردن این امر استفاده میکند. با آموزش هوش مصنوعی بر روی اسکنهای MRI متعدد، سیستم یاد میگیرد که تصاویر دقیق چگونه باید باشند. سپس میتواند یک اسکن بسیار کوتاهتر و با دقت کمتر انجام دهد و اطلاعات از دست رفته را پر کند و یک تصویر واضح، کامل و دقیق را از دادههای محدود بازسازی کند. اکنون زمان اسکن میتواند به جای یک ساعت، تنها چند دقیقه باشد.
“واساناوالا میگوید: ”الگوریتمهای هوش مصنوعی که ما توسعه دادهایم، اکنون میتوانند سطح بیسابقهای از جزئیات را بازیابی کنند. شما میتوانید یک شریان کوچک را در یک نوزاد ببینید که در غیر این صورت تار دیده میشد. و در برخی موارد، این جزئیات به ما امکان میدهد تشخیصی انجام دهیم که در گذشته غیرممکن بود.“
یکی از این الگوریتمها قبلاً توسط سازمان غذا و دارو تأیید شده است و تصویربرداری برای کودکان مبتلا به بیماری مادرزادی قلب را بهبود میبخشد. این الگوریتم روزانه در بیش از ۱۶۰ کشور مورد استفاده قرار میگیرد و تاکنون به بیش از ۸۰ میلیون بیمار دسترسی پیدا کرده است.
تأثیر آن بر بیماران قابل توجه است. اسکنهای کوتاهتر به این معنی است که کودکان کمتری به بیهوشی نیاز دارند. و حتی در صورت نیاز به آرامبخش، عمق و مدت زمان آن میتواند کاهش یابد.
معاینات سریعتر همچنین به معنای زمان انتظار کوتاهتر برای تعیین وقت برای MRI است، که از نظر تاریخی در برخی مناطق ماهها طول میکشید. اسکنهای پیشرفته هوش مصنوعی همچنین به تکنسینهای MRI این امکان را میدهد که معاینات پیچیدهتری را انجام دهند، به این معنی که بیماران بیشتری میتوانند به اسکنهای با کیفیت بهتر دسترسی داشته باشند، حتی در کشورهایی با منابع کمتر.
در همین حال، آزمایشگاه واساناوالا همچنان به نوآوری ادامه میدهد. هدف نهایی تیم او خودکارسازی کل فرآیند تصویربرداری است، از شناسایی نوع اسکن مورد نیاز و تعیین دقیق محل مورد نظر گرفته تا انجام اسکن و اصلاح اعوجاج تصویر به صورت بلادرنگ - همه اینها در عرض چند دقیقه.
“واساناوالا میگوید: ”چه میشد اگر انجام MRI به سادگی اندازهگیری فشار خون بود؟ این وعدهی هوش مصنوعی است: توانمندسازی پزشکان با ابزارهایی برای دیدن واضحتر، عمل سریعتر و در نهایت تغییر زندگیها.“
عصر جدیدی در مراقبت: سه پیشرفت هوش مصنوعی که شانس مادران و کودکان را از نو رقم میزند
تشخیص زودهنگام خطر—ایوانا ماریچ، دکترا
پره اکلامپسی - فشار خون بالای خطرناک در دوران بارداری - حدود ۸۱TP3T از مادران باردار را در سراسر جهان تحت تأثیر قرار میدهد. با تقریباً ۱۰ میلیون مورد در سال، این بیماری یکی از علل اصلی مرگ و میر مادران و زایمان زودرس است و عوارض مادام العمری را برای میلیونها نفر ایجاد میکند.
نیاز مبرمی به شناسایی زودهنگام، دقیق و مقرونبهصرفه خطر پرهاکلامپسی و ایجاد مداخلات مؤثر برای حفظ سلامت مادر و نوزاد وجود دارد.
دکتر ایوانا ماریچ و تیمش در حال توسعه یک آزمایش ساده و کمهزینه برای تشخیص خطر پرهاکلامپسی مدتها قبل از بروز علائم هستند. تیم او از یادگیری ماشینی برای مطالعه صدها نشانگر بیولوژیکی در خون استفاده کرد. سپس، آنها یک نسبت پروتئین خاص را شناسایی کردند که میتواند با یک آزمایش ادرار ساده در اوایل 10 تا 12 هفته بارداری، خیلی قبل از بروز علائم و به موقع برای مؤثرترین درمانهای پیشگیرانه مانند رژیم آسپرین با دوز پایین، اندازهگیری شود.
این آزمایش اکنون در دو مطالعه بزرگتر - که یکی از آنها بینالمللی است - در حال اعتبارسنجی است. پس از تکمیل این مرحله، این آزمایش میتواند غربالگری زودهنگام و شخصیسازیشده قبل از تولد را برای زنان در همه جا، صرف نظر از محل زندگی یا منابع موجود، در دسترس قرار دهد.
“ماریچ میگوید: ”اگر بتوانیم در اوایل بارداری پیشبینی کنیم که چه کسی در معرض خطر پرهاکلامپسی است، میتوانیم برای آن مادران درمان پیشگیرانه ارائه دهیم. این میتواند به جلوگیری از پیامدهای غمانگیز برای مادران و عوارض زایمان زودرس برای نوزادان کمک کند.“
حفاظت از شکارچیان - دکتر نیما آقایی پور
نوزادان نارس میتوانند در ماههای اول زندگی خود، اغلب بدون هیچ هشداری، دچار عوارض تهدیدکننده زندگی شوند. دکتر نیما آقایی پور، یکی از رهبران جهانی در زمینه به کارگیری هوش مصنوعی در سلامت مادران و نوزادان، در تلاش است تا این وضعیت را تغییر دهد.
آقایی پور و همکارانش در استنفورد در کارهای قبلی خود روشی برای استفاده از هوش مصنوعی برای شخصیسازی تغذیه وریدی برای نوزادان نارس آسیبپذیر ابداع کردند - که خطاهای پزشکی را کاهش داده و مراقبت در محیطهای کمدرآمد را بهبود میبخشد. اکنون او بر پیشبینی و تلاش برای پیشگیری از جدیترین عوارضی که نوزادان نارس ممکن است با آن مواجه شوند، تمرکز دارد.
تیم او نمونههای خون معمول بیش از ۱۳۰۰۰ نوزاد بسیار نارس را به همراه سوابق پزشکی آنها تجزیه و تحلیل کردند. آنها بررسی کردند که کدام نوزادان به یکی از چهار نوع عارضه اصلی مرتبط با نارس بودن، مانند دیسپلازی برونکوپولمونری، یک بیماری ریوی یا خونریزی مغزی، مبتلا میشوند.
در مطالعهی خود که در مجلهی Science Translational Medicine منتشر شد، آنها از هوش مصنوعی برای شناسایی الگوهایی در مولکولهای خون استفاده کردند که با ابتلای نوزاد به یک عارضهی جدی در آینده مرتبط بودند.
بر اساس این اطلاعات، تیم ابزاری ساخت که میتواند این عوارض را با قطعیت 85% پیشبینی کند. در آینده، این ابزار میتواند به پزشکان کمک کند تا نوزادانی را که بیشتر در معرض خطر هستند شناسایی کنند و به آنها اجازه دهد تا زودتر مداخله کنند تا از مشکلات سلامتی تهدیدکننده زندگی جلوگیری کنند.
“دکتر دیوید استیونسون، مدیر مرکز تحقیقات نوزادان نارس در استنفورد، میگوید: ”این یک تغییر کامل در نحوه تفکر ما در مورد نوزادان نارس است.».
گسترش مراقبت از دیابت - دیوید ماهس، دکترا، دکترا، و پریا پراهالاد، دکترای دکترا
مدیریت دیابت به معنای نگه داشتن سطح قند خون در محدوده سالم است. اما برای تیمهای مراقبت، پیگیری چندین بیمار زمانبر است. محققان به رهبری دکتر دیوید ماهاس و دکتر پریا پراهالاد، از ابزارهای هوش مصنوعی برای ایجاد یک داشبورد هوشمند برای بهبود مراقبت از نوجوانان مبتلا به دیابت نوع 1 استفاده کردند.
این داشبورد، چندین داده را از بسیاری از بیماران به طور همزمان جمعآوری و فیلتر میکند. این داشبورد نشان میدهد که چه کسی به طور مداوم از مانیتورهای مداوم گلوکز خود استفاده میکند و قند خون خود را در محدوده هدف نگه میدارد. این امر به تیم مراقبت اجازه میدهد تا روی بیمارانی که به کمک بیشتری نیاز دارند تمرکز کنند - به عنوان مثال، برای دریافت نسخه جدید مانیتور گلوکز یا تنظیم دوز انسولین.
نتایج چشمگیر است. مطالعهی ماهاس و پراهالاد نشان داد که پس از معرفی داشبورد، تعداد بیمارانی که قند خون خود را در سطح سالم نگه میدارند، بیش از دو برابر شده است. نکتهی مهم این است که بیماران از هر پیشینهای، صرف نظر از وضعیت بیمهشان، به طور مساوی از این مزایا بهرهمند شدند.
“ماهس میگوید: ”اغلب، وقتی فناوری پزشکی جدیدی در دسترس قرار میگیرد، برخی از بیماران جا میمانند. بسیار دلگرمکننده است که بیماران از هر پیشینهای از این برنامه بهرهمند شدهاند.“
ارائه شده توسط خیریه
برای کسب اطلاعات بیشتر در مورد پیشرفتهای علمی در این زمینه در استنفورد و فرصتهای بشردوستانه برای حمایت از مرکز هوش مصنوعی، با Charlie.White@LPFCH.org تماس بگیرید.