علماء كينيون يختبرون تطبيقا الذكاء الاصطناعي لتشخيص السل
تاريخ النشر: 26th, February 2024 GMT
معهد كينيا للبحوث الطبية ، تجري الأبحاث لإنشاء تطبيق للهاتف المحمول يستخدم الذكاء الاصطناعي لتشخيص السل وأمراض الجهاز التنفسي الأخرى.
في غرفة هادئة خاصة ، يسجل الدكتور فيديليس ندوبا وفريقه السعال من الأشخاص المصابين بأمراض الجهاز التنفسي مثل السل وكذلك الأشخاص غير المصابين بالأمراض.
الهدف هو إنشاء برنامج يمكنه التمييز بين الاثنين وإنشاء تطبيق للهاتف المحمول يمكنه التعرف بدقة على السعال المرتبط بالسل والأمراض الخطيرة الأخرى.
يتم جمع السعال الطبيعي أو القسري باستخدام ثلاثة ميكروفونات ، بما في ذلك نسخة رخيصة وأخرى عالية الدقة وميكروفون على الهاتف الذكي.
يتم إرسال النتائج إلى جامعة واشنطن التي تضعها من خلال نظام برمجيات كمبيوتر موجود يسمى ResNet 18.
يوضح ندوبا الباحث الرئيسي: "يستخدم هذا النوع من البرامج الذكاء الاصطناعي وما يفعله هو أنه يحاول تحليل السعال ، نسميها الجرامات الطيفية للسعال ثم يتراجعها، لذا فهي طريقة رياضية لنمذجة صورة السعال لتحديد ما إذا كان هناك فرق بين شخص مصاب بالسل عندما يسعل وشخص غير مصاب بالسل عند السعال".
يعتقد ندوبا أنه إذا كان من الممكن إثبات أن البرنامج في التجارب يعمل بدقة ، فيمكنه تقصير الوقت قبل أن يتمكن المريض من الحصول على التشخيص والعلاج ، وهذا سيساعد في الحد من انتشار مرض السل.
"أكبر إنجاز هو تقليل الوقت اللازم للتشخيص لذلك ، من عندما يصاب شخص ما بأعراض السل ، إلى عندما يقرر الطبيب أنه مصاب بالسل ويحتاج إلى علاج في بعض الأحيان ، يمكن أن يتراوح المتوسط من 3 إلى 2 أشهر إلى سنة واحدة.
وعندما يكونون في المجتمع يكونون معديين وينقلون السل، في اللحظة التي يصابون فيها بالسعال ، إذا كان بإمكانك فقط تعريضهم لهذا البرنامج وتحديد أنه مرض السل ، فإن هذا سيقلل من انتقال السل في المجتمع والكثير من السل يرجع إلى انتقال العدوى ".
لكن البرنامج ليس دقيقا بما يكفي لتلبية المعايير المطلوبة من قبل منظمة الصحة العالمية.
وتقول منظمة الصحة العالمية إن التطبيق يجب أن يكون دقيقا بنسبة 90٪ على الأقل في التعرف على عدوى السل ويجب أن يكون دقيقا بنسبة 80٪ على الأقل في اكتشاف ما إذا لم تكن هناك إصابة.
أظهرت تجارب ندوبا حتى الآن دقة بنسبة 80٪ في الكشف عن السل ودقة 70٪ للكشف عن عدم وجود مرض السل.
ترغب منظمة الصحة العالمية في إجراء اختبار قد يكون لديه قدرة 90٪ للكشف عن مرض مثل السل ولديه فرصة أكثر من 80٪ للقول إن هذا ليس سل عندما لا يكون سل لذلك ، أظهر برنامجنا حتى الآن أكثر من 80٪ اختبار مقارنة ب 90٪ ، لسنا بعيدين نحتاج فقط إلى ضبطه.
وقد أظهرت تنبؤات بنسبة 70٪ بأنه لا يوجد سل عندما لا يكون هناك سل مرة أخرى قريبة جدا من مواصفات المنتج المستهدف لمنظمة الصحة العالمية بنسبة 80٪ ".
ويشارك مريض السل السابق جونسون مونوري في البحث.
لقد عولج ولم يعد معديا ، لكنه عاد إلى العيادة لإجراء فحوصات.
لم يدرك مونوري أنه مصاب بالسل حتى تم تشخيصه من قبل الطبيب الذي طلب منه المشاركة في برنامج البحث.
وهو يعتقد أن التطبيق سيكون مفيدا.
في السابق لم أكن أعرف أنني مصاب بالسل حتى عندما جئت للفحص ، وذلك عندما تم تشخيص إصابتي بالسل ثم جئت وقيل لي إن هناك تقنية جديدة يمكننا استخدامها لتشخيص السل من خلال تسجيل السعال، فعلت ذلك وأكدوا حالتي وبدأت في تناول الدواء، لقد تناولت الدواء وانتهيت، إنها تقنية مريحة للغاية، التكنولوجيا الجديدة التي أعتقد أنها ستساعد الكثير من الناس ".
كريم أوموجي متخصص في الصحة العامة في جامعة أمرف الدولية.
ويقول إن استخدام الذكاء الاصطناعي في الطب آخذ في الازدياد.
بقدر ما سنستخدم الذكاء الاصطناعي في تشخيص هذا ، نعم هذا ممكن جدا. ليس من الممكن فقط استخدامه حاليا لأننا نتحدث من قبل المتخصصين في الرعاية الصحية أينما كانوا ، والدردشة GPTs التي يتم استخدامها حاليا للتشخيص، لذلك ما سيحدث مع هذه التكنولوجيا هو أنها ستساعد لأن تذكر في المجال الطبي هناك ما نسميه ما يحتاج الناس إلى اتباعه من حيث العلاج وبالتالي فإن الذكاء الاصطناعي وكل هذه التطبيقات هي في الأساس للتنشيط والمساعدة أكثر من ذلك في التأكيد واثنان في الوقت الفعلي البيانات.
بحيث يمكن مساعدة المريض على الجانب الآخر بسرعة وممكن. دعونا لا ننظر إليها على أنها تشخيص.
دعونا نلقي نظرة على مقدار الوقت الذي يستغرقه المريض على الجانب الآخر للحصول على المساعدة.
ما مدى فعالية التكلفة؟ ما مدى سرعة ذلك؟ كم هو رخيص؟ هذه هي فائدة هذا وبالتالي نعم يمكن استخدامه ".
تم تمويل التجربة من قبل المعاهد الوطنية للصحة ، لكنها لم تحصل بعد على أي موافقة تنظيمية.
المصدر: بوابة الوفد
إقرأ أيضاً:
الدماغ البشري يتفوّق على الذكاء الاصطناعي في حالات عدّة
لا شك أن أنظمة الذكاء الاصطناعي قد حققت إنجازات مذهلة، بدءًا من إتقان الألعاب وكتابة النصوص وصولًا إلى توليد الصور ومقاطع الفيديو المقنعة.
وقد دفع ذلك البعض إلى الحديث عن إمكانية أن نكون على أعتاب الذكاء الاصطناعي العام (AGI)، وهو نظام ذكاء اصطناعي يمتلك قدرات معرفية شاملة تشبه قدرات الإنسان.
في حين أن بعض هذا الحديث ما هو إلا ضجة إعلامية، إلا أن عددًا كافيًا من الخبراء في هذا المجال يأخذون الفكرة على محمل الجد، مما يستدعي إلقاء نظرة فاحصة عليها.
تحديات تعريف الذكاء الاصطناعي العامتدور العديد من النقاشات حول مسألة كيفية تعريف الذكاء الاصطناعي العام، وهو أمر يبدو أن الخبراء في هذا المجال لا يتفقون عليه.
ويساهم هذا في ظهور تقديرات متباينة حول موعد ظهوره، تتراوح بين "إنه موجود عمليًا" إلى "لن نتمكن أبدًا من تحقيقه". وبالنظر إلى هذا التباين، يستحيل تقديم أي نوع من المنظور المستنير حول مدى قربنا من تحقيقه.
لكن لدينا مثال موجود على الذكاء العام بدون "الاصطناعي" - وهو الذكاء الذي يوفره دماغ الحيوان، وخاصة الدماغ البشري.
ومن الواضح أن الأنظمة التي يتم الترويج لها كدليل على أن الذكاء الاصطناعي العام قاب قوسين أو أدنى لا تعمل على الإطلاق مثل الدماغ. قد لا يكون هذا عيبًا قاتلًا، أو حتى عيبًا على الإطلاق. من الممكن تمامًا أن يكون هناك أكثر من طريقة للوصول إلى الذكاء، اعتمادًا على كيفية تعريفه.
لكن من المحتمل أن تكون بعض الاختلافات على الأقل مهمة من الناحية الوظيفية، وحقيقة أن الذكاء الاصطناعي يسلك مسارًا مختلفًا تمامًا عن المثال العملي الوحيد الذي لدينا من المرجح أن يكون ذا مغزى.
مع وضع كل ذلك في الاعتبار، دعونا نلقي نظرة على بعض الأشياء التي يقوم بها الدماغ والتي لا تستطيع أنظمة الذكاء الاصطناعي الحالية القيام بها.
أشارت أرييل جولدشتاين، الباحثة في الجامعة العبرية في القدس، إلى أن أنظمة الذكاء الاصطناعي الحالية "مجزأة" في قدراتها. فقد تكون جيدة بشكل مدهش في شيء ما، ثم سيئة بشكل مدهش في شيء آخر يبدو مرتبطًا به.
وأكدت عالمة الأعصاب كريستا بيكر من جامعة ولاية كارولينا الشمالية على هذه النقطة، مشيرة إلى أن البشر قادرون على تطبيق المنطق في مواقف جديدة دون الحاجة إلى إعادة تعلم كل شيء من الصفر.
ذكر ماريانو شاين، مهندس جوجل الذي تعاون مع جولدشتاين، أن أنظمة الذكاء الاصطناعي تفتقر إلى الذاكرة طويلة المدى والمخصصة للمهام، وهي القدرة على نشر المهارات المكتسبة في مهمة ما في سياقات مختلفة.
أشارت بيكر إلى وجود تحيز نحو تفضيل السلوكيات الشبيهة بالسلوك البشري، مثل الردود التي تبدو بشرية والتي تولدها نماذج اللغات الكبيرة.
في المقابل، يمكن لذبابة الفاكهة، بدماغها الذي يحتوي على أقل من 150 ألف خلية عصبية، دمج أنواع متعددة من المعلومات الحسية، والتحكم في أربعة أزواج من الأطراف، والتنقل في بيئات معقدة، وتلبية احتياجاتها من الطاقة، وإنتاج أجيال جديدة من الأدمغة، وأكثر من ذلك.
الاختلافات الرئيسية بين الدماغ البشري والذكاء الاصطناعيتستند معظم أنظمة الذكاء الاصطناعي الحالية، بما في ذلك جميع نماذج اللغات الكبيرة، على ما يسمى بالشبكات العصبية.
تم تصميم هذه الشبكات لتقليد كيفية عمل بعض مناطق الدماغ، مع وجود أعداد كبيرة من الخلايا العصبية الاصطناعية التي تأخذ مدخلات وتعدلها ثم تمرير المعلومات المعدلة إلى طبقة أخرى من الخلايا العصبية الاصطناعية. لكن هذا التقليد محدود للغاية.
فالخلايا العصبية الحقيقية متخصصة للغاية، وتستخدم مجموعة متنوعة من الناقلات العصبية وتتأثر بعوامل خارج الخلايا العصبية مثل الهرمونات. كما أنها تتواصل من خلال سلسلة من النبضات المتغيرة في التوقيت والشدة، مما يسمح بدرجة من الضوضاء غير الحتمية في الاتصالات.
تهدف الشبكات العصبية التي تم إنشاؤها حتى الآن هي إلى حد كبير أنظمة متخصصة تهدف إلى التعامل مع مهمة واحدة.
في المقابل، يحتوي الدماغ النموذجي على الكثير من الوحدات الوظيفية التي يمكنها العمل بالتوازي، وفي بعض الحالات دون أي نشاط تحكمي يحدث في مكان آخر في الدماغ.
تمتلك أنظمة الذكاء الاصطناعي الحالية عمومًا حالتين: التدريب والنشر. التدريب هو المكان الذي يتعلم فيه الذكاء الاصطناعي سلوكه؛ النشر هو المكان الذي يتم فيه استخدام هذا السلوك.
في المقابل، لا يحتوي الدماغ على حالات تعلم ونشاط منفصلة؛ إنه في كلا الوضعين باستمرار، بينما في كثير من الحالات، يتعلم الدماغ أثناء العمل.
بالنسبة للعديد من أنظمة الذكاء الاصطناعي، لا يمكن تمييز "الذاكرة" عن الموارد الحسابية التي تسمح لها بأداء مهمة والاتصالات التي تم تشكيلها أثناء التدريب. في المقابل، تمتلك الأنظمة البيولوجية عمرًا من الذكريات للاعتماد عليها.
القيود والتحدياتمن الصعب التفكير في الذكاء الاصطناعي دون إدراك الطاقة الهائلة والموارد الحسابية المستخدمة في تدريبه. لقد تطورت الأدمغة في ظل قيود هائلة على الطاقة وتستمر في العمل باستخدام طاقة أقل بكثير مما يمكن أن يوفره النظام الغذائي اليومي.
وقد أجبر هذا علم الأحياء على إيجاد طرق لتحسين موارده والاستفادة القصوى من تلك التي يخصصها لمهمة ما.
في المقابل، فإن قصة التطورات الحديثة في الذكاء الاصطناعي هي إلى حد كبير قصة رمي المزيد من الموارد عليها.
ويبدو أن خطط المستقبل (حتى الآن على الأقل) تشمل المزيد من هذا، بما في ذلك مجموعات بيانات تدريب أكبر وعدد أكبر من الخلايا العصبية الاصطناعية والوصلات بينها.
كل هذا يأتي في وقت تستخدم فيه أفضل أنظمة الذكاء الاصطناعي الحالية بالفعل ثلاثة أضعاف الخلايا العصبية التي نجدها في دماغ ذبابة الفاكهة وليس لديها أي مكان قريب من القدرات العامة للذبابة.