محمد امین نعمتی
آیا هوش مصنوعی منجر به شناسایی سریعتر دیابت خواهد شد، بیماری که از آن اغلب اوقات به عنوان قاتل خاموش یاد میکنند؟ محققان شرکت IBM امیدوار به این قضیه هستند. آنها اخیرا یک ابزار آزمایش هوش مصنوعی را معرفی کردند که به صورت بالقوه میتواند آنتی بادیهای دیابت نوع 1 را در خون افراد شناسایی کند.
زندگی روزمره میلیونها فردی که در جهان مبتلا به دیابت 1 هستند را خود ارزیابی تشکیل میدهد. بدون انجام چنین کاری، پانکراس نمیتواند به اندازه کافی انسولین تولید کند که نقش آن انتقال قند خون به سلولهای بدن است.
دیابت نوع 1 بیماری است که بیماران با انجام کارهایی از تزریقهای روزانه انسولین گرفته تا اطمینان از این قضیه که سطح گلوکز خون با رعایت تمرینهای ورزشی و رژیم غذایی تحت کنترل باشد، باید فوقالعاده مراقب سلامت خود باشند.
به تنهایی در آمریکا در حدود 1.25 میلیون نفر دیابت نوع 1 دارند و انجمن دیابت آمریکا تخمین میزند سالیانه 40 هزار نفر دیگر به آنها بپیوندند.
با توجه به این آمار، احتمالا شگفتزده خواهید شد که هیچ فرآیند آزمایش استانداردی وجود ندارد که وجود این بیماری را زودتر شناسایی کند.
دکترها معمولا براساس پیشینه خانوادگی و سایر عوامل شناخته شده خطر ابتلا به این بیماری آزمایشها را انجام میدهند یعنی دیابت نوع 1 زمانی مشخص میشود که تحت بررسی قرار میگیرد. به عبارتی زمانی که بیمار چندین سفر ناگهانی به اتاق اورژانس داشته باشد و از خبر دکترها شگفتزده شود. بنابراین توسعه آزمایشهای بررسی بهتر یک اولویت مهم برای دکترها است.
ظاهرا هوش مصنوعی درخواست کمک آنها را شنیده است. در اوایل ماه ژوئن در هفتاد و نهمین نشست دانشمندان در انجمن دیابت آمریکا، شرکتهای IBM و JDRF (که قبل از آن به اسمJuvenile Diabetes Research Foundation شناخته میشد) که یک شرکت غیرانتفاعی که پیشگام تحقیقات در زمینه دیابت نوع 1 است، از یک ابزار هوش مصنوعی پیشبینی کننده رونمایی کردند که حضور آنتیبادیهای دیابت نوع 1 را در خون نقشهنگاری کرده بود تا بتواند دقیقا متوجه شود چه زمان و چطور این بیماری ممکن است شکل گیرد.
Jianying Hu رهبر علوم جهانی هوش مصنوعی در بخش مراقبت سلامت شرکت IBM Research در گفتگو با سایت Engadget گفت که هوش مصنوعی با دادههای بیش از 20 هزار فرد مبتلا به این بیماری از کشورهای آمریکا، سوئد و فنلاند تغذیه شد.
این برنامه نشان داد بین این افراد از نظر وجود آنتیبادیهای خاصی شباهتهایی وجود دارد و یک خط زمانی (تایم لاین) را برای پیشرفت دیابت نوع 1 آنها مشخص کرد.
Hu که بیشتر از یک سال است به همراه تیم خود با شرکت JDRF روی این پروژه کار میکند گفت «یکی از بزرگترین پتانسیلهای این نوع کار ایجاد مدلهای یادگیری ماشینی برای دیابت نوع 1 است تا بتوان افرادی که باید آزمایش شوند را بهتر شناسایی و مشخص کرد هر چند وقت یک مرتبه باید این کار انجام شود. در حال حاضر، حتی با اطلاعات کمی که ما داریم، این آنتی بادیها در پیشرفت دیابت نوع 1 حضور گسترده دارند ولی هیچ کس نمیداند جه کسی و در چه زمانی بیشتر مستعد به تولید آنها است.»
او گفت این مدلهای هوش مصنوعی میتوانند «یک مهلت نهایی شخصیتر» در اختیار دکترها بگذارند تا بدانند چطور افراد را آزمایش کنند و هر چند وقت یک مرتبه این کار را انجام دهند.
براساس تعریف مرکز کنترل و پیشگیری از بیماریها (CDC) در گذشته، دیابت نوت 1 به اسم دیابت نوجوانان معروف بود، چون معمولا کودکان، نوجوانان و افراد جوان مبتلا به آن بودند. گرچه، به گفته Utpal Pajvani، متخصص غدد داخلی و استادیار مرکز پزشکی دانشگاه کلمبیا این بیماری میتواند گربیانگیر افراد در هر سنی شود.
Pajvani که به این پروژه ربطی ندارد، توضیح داد پزشک عمومی تنها برای افرادی که در معرض «خطر بالا» هستند آزمایش مینویسد. یعنی یکی از اعضای درجه یک خانواده آنها مبتلا به این بیماری باشد.
او گفت، با توجه به متداول نبودن این بیماری، استفاده از این روش تضمینی برای بررسی تعداد زیادی از افراد نیست.
او هشدار داد که روشهای بررسی گسترده مانند این پروژه منجر به نتایج مثبت کاذب زیادی میشود.
Pajvani گفت «اگر قصد آزمایش برای یک عارضه نسبتا نادر را دارید، نتابج مثبت کاذب زیادی به دست میآورید. اگر تمامی افراد از جمله آنهایی که در معرض ریسک پایین توسعه این بیماری هستند را آزمایش کنید یعنی کسانی که پیشینه تاریخی یا یک بیماری خود ایمنی دیگر ندارند، افراد زیادی شناسایی میشوند که ممکن است تست آنها نتیجه مثبت وجود یک آنتی بادی را داشته باشد ولی احتمال ابتلا آنها به بیماری کم باشد.»
خطر استفاده از یک تست بررسی گسترده برای یک بیماری نادر مانند دیابت نوع 1 به این معنا است که میتوانید همچنین افراد را زمانی که لازم نیست نگران بیماری کنید که بعید است به آن مبتلا شوند.
او در ادامه صحبتهای خود گفت الزاما، هیچ تست بررسی کاملی بدون مثبت کاذب وجود ندارد.
Pajvani با وجود این انتقادها، آینده روشنی برای این نوع فناوری میبیند. افرادی که در معرض ریسک بالای دیابت قرار دارند و در بدن آنها این آنتی بادیها دیده میشود هنوز نمیدانند خط زمانی پیشرفت این بیماری چه زمانی خواهد بود.
او توضیح داد این نوع ابزار هوش مصنوعی یک نقشه راه مهم در اختیار دکترها قرار میدهد تا مسیر این بیماری را ترسیم کنند.
Hu گفت، در ادامه مسیر او و تیمش به زودی دادههای بیشتری را از بیماران کشور آلمان در اختیار این ابزار خواهند گذاشت. او در ادامه گفت که بخش بزرگ دیگر این پروژه همکاری نزدیک با پزشکان است تا ببینند چطور میتوانند از این ابزار و اطلاعات به دست آمده از هوش مصنوعی در تحقیقات بالینی استفاده کنند.
Pajvani گفت «من عاشق افرادی هستم که چنین تفکری دارند و عاشق تفکر رسیدگی به این سوال بالینی مهم هستم که چه کسی مبتلا به یک بیماری خواهد شد، به ویژه دیابت نوت 1. امیدوارم، شاهد رسیدن به جایی باشم که فناوری بتواند به ما نشان دهد چطور میتوانیم به افراد بیشتر کمک کنیم.»
Pajvani گفت، او به عنوان یک پزشک امیدوار است هوش مصنوعی بیشتر از حالت تئوری بیرون بیاید و روز به روز به عنوان یک روش کاربردی در درمان بیماران استفاده شود.
Hu گفت، او فکر میکند حضور یادگیری ماشینی به شتاب رو به جلو خود در حوزه پزشکی ادامه خواهد داد و ابزار فوقالعاده مهمی است که میتواند برای دکترها واجب شود.
این ابزار هوش مصنوعی امروزه یک روش قطعی بررسی فراهم نمیکند ولی مسیری را پیشنهاد میدهد که چطور در آینده میتوان از ابزارهای یادگیری ماشینی برای تشخیص سریعتر و نجاتبخش دیابت نوع 1 استفاده کرد.
منبع: engadget.com
