هوش مصنوعی و ویروس کرونا

کاربردهای هوش مصنوعی در تشخیص و جلوگیری از ابتلا به ویروس کرونا

رسانه کلیک – متاسفانه وضعیت ابتلا به ویروس کرونا روز به روز بدتر و ساعت به ساعت در حال تغییر و تحول است. از این رو دانشمندان در تلاش برای به خدمت گرفتن تکنولوژی‌های روز دنیا به خصوص هوش مصنوعی برای شناسایی هرچه سریع‌تر افراد مبتلا به این ویروس هستند.  

بر اساس آخرین آمار منتشر شده، ویروس کرونا نه تنها بهداشت جهانی را تحت تاثیر قرار داده است بلکه آثار مخربی روی اقتصاد جهان داشته است. هنوز مشخص نیست که این ویروس تا چه حدی زندگی فردی و اجتماعی افراد مختلف جامعه را تحت الشعاع خود قرار داده است. اما نکته قابل توجه این است که برای مبارزه با این ویروس می توان از تکنولوژی‌های جدید به ویژه هوش مصنوعی بهره برد.

بر اساس آخرین گزارش منتشر شده توسط سازمان بهداشت جهانی، هوش مصنوعی و کلان داده بیشترین سهم در مبارزه با این ویروس در کشور چین را به خود اختصاص داده اند. در ادامه به روش های مختلف مبتنی بر یادگیری ماشین و هوش مصنوعی در تشخیص و مبارزه با  COVID-19 می پردازیم.

ربات‌های ضدعفونی کننده برای جلوگیری از ویروس کرونا

19 فوریه سال 2020، شرکت دانمارکی UVD که تولید کننده ربات‌های هوشمند است، بر اساس توافق نامه‌ای با شرکت چینی سانی که در زمینه خدمات بهداشتی فعالیت دارد، اقدام به توزیع ربات‌های خود در این کشور کرده است. این ربات‌ها مجهز به سیستمی برای انتشار اشعه فرابنفش هستند. این قابلیت در ربات‌ها باعث می شود تا از آن‌ها به عنوان ربات‌هایی برای ضدعوفنی کردن اتاق‌هایی که در آن‌ها ویروس و یا باکتری پخش شده بود استفاده شوند.

همچنین نوع دیگری از ربات‌ها به نام XAG نیز به عنوان هواپیماهای بدون سرنشین که برای پخش و اسپری کردن ضد عفونی کننده‌ها استفاده می‌شوند نیز در زمان شیوع ویروس کرونا در چین به کار گرفته شده‌اند.

بر اساس پیش‌بینی کن گلدبرگ، مدیر آزمایشگاه دانشگاه برکلی و موسس DexNEt، اگر ابتلا به ویروس کرونا به یک بیماری همه‌گیر تبدیل شود، منجر به استفاده بیشتری از ربات‌ها در مکان‌های مختلف با کاربردهای گوناگون می‌شود.

استفاده از ربات‌ها در جلوگیری از گسترش ویروس، موجب می‌شود تا تماس کارکنان حوزه بهداشت و خدمات با ویروس و اماکن آلوده به آن کمتر شود. هرچند به نظر می‌رسد همیشه استفاده از ربات‌ها در این زمینه موفق نبوده است.

استارتاپ پروموبات، که اخیرا در حال تبلیغ گسترده در خصوص جدیدترین ربات خود به نام ‌‌Time Square به عنوان ربات شناساگر افراد مبتلا به این بیماری معرفی شده است. این ربات مجهز به هیچ نوع دماسنجی نیست. در واقع Time Square یک ربات پرسشگر است. این ربات از افراد سوالاتی مثل “آیا سرفه می‌کنید؟” می‌پرسد و از افراد می‌خواهد تا صفحه لمسی را برای ثبت پاسخ خود فشار دهند.

استفاده از ربات‌های تب سنج برای تشخیص ویروس کرونا

یکی از روش‌هایی که از هوش مصنوعی برای تشخیص بیماری می‌توان استفاده کرد، تجهیز دوربین‌ها به حسگرهای حرارتی است. یکی از بیمارستان‌های سنگاپور با کمک استارتاپ KroniKare سیستم لحظه‌ای کنترل تب در افراد را راه‌اندازی کرده است. این سیستم توسط گوشی‌های هوشمند که مجهز به حسگر حرارتی هستند، طراحی شده است.

سیستم مبتنی بر هوش مصنوعی که توسط یک شرکت چینی به نام Baidu طراحی شده است از حسگرهای مادون قرمز و هوش مصنوعی برای کنترل تب افراد مختلف استفاده می‌کند. این سیستم در حال حاضر در ایستگاه قطار بنجینگ به کینگه استفاده می‌شود. در این سیستم، از سیستم بینایی کامپیوتری و اشعه مادون قرمز برای تشخیص تب بیماران از ناحیه پیشانی استفاده شده است. این دستگاه قادر است در هر دقیقه درجه حرارات 200 نفر را اندازه‌گیری کند.  این سیستم در صورت مشاهده فردی با دمای بالاتر از 37.3 سلسیوس معادل 99.1 درجه فارنهایت، مسئولان مرتبط را آگاه می‌کند.

بر اساس اعلام شرکت MicroMultiCopter در حدود 100 هواپیمای بدون سرنشین، ماه گذشته در بسیاری از شهرهای چین برای اندازه گیری مای بدن افراد ساکن آن شهرها استفاده شده اند. این هواپیماها علاوه بر اینکه به حسگرهای حرارتی مجهز بوده‌اند، به اسپرهایی برای پخش کردن مواد ضد عفونی کننده نیز مجهز بوده‌اند.

ردیابی ویروس در تشخیص ویروس کرونا

یک شرکت به نام BlueDot  اخیرا مدعی شده است که همه‌گیری و ظهور عفونت ریه را در چین نه روز قبل از اعلام بهداشت جهانی تشخیص داده است. این شرکت که در زمان همه گیری ویروس سارس تاسیس شده بود از تکنولوژی پردازش زبان طبیعی برای مرور سریع متن خبر بیش از صد منبع خبری که اخبار مربوط به انتشار بیماری را منتشر می‌کردند استفاده کرده است.

شرکت Metabiota با همکاری وزارت دفاع آمریکا و سازمان‌های اطلاعاتی با استفاده از هوش مصنوعی توانسته خطر انتشار بیماری را تخمین بزند. اساس پیش‌بینی‌های این شرکت بر پایه عواملی مثل علائم بیماری، نرخ مرگ و میر و میزان دسترسی به دارو و درمان بوده است.

استفاده از یادگیری عمیق برای تشخیص ویروس کرونا

در گزارش 40 صفحه‌ای سازمان بهداشتی در خصوص لزوم مقابله با ویروس کرونا که ماه گذشته منتشر شده است، به روش‌های مختلف استفاده از کلان داده و هوش مصنوعی به عنوان راهبردی برای مقابله با این بیماری اشاره شده است. در این گزارش ردیابی و نظارت بر انتشار ویروس را به عنوان  موارد استفاده از این تکنولوژی‌ها معرفی کرده است. هرچند متخصصان این حوزه در حال ابداع روش‌های جدیدی برای استفاده از این دو تکنولوژی در تشخیص و مقابله با ویروس کرونا هستند.

روز یکشنبه، محققان بیمارستان رنمیم واقع در استان ووهان با کمک شرکت EndoAngel فعال در حوزه تکنولوژی درمان و دانشگاه جئوساینس چین، پروژه مشترکی را برای استفاده از یادگیری عمیق برای تشخیص و شناسایی ویروس COVID-19 شروع کرده اند. این گروه تحقیقاتی ادعا کرده اند که دقت سیستم تشخیص آن‌ها چیزی در حدود 95 درصد است. مدل‌های یادگیری این سیستم بر اساس سی تی اسکن های 51 بیمار مبتلا به عفونت ریه و 45هزار تصویر سی تی اسکن از افرادی که مبتلا به این بیماری نبوده‌اند، طراحی شده است.

برای بالاتر رفتن دقت این سیستم، تشخیص های انجام شده توسط آن با تشخیص‌های پزشکان، مقایسه می‌شود. استفاده از این سیستم باعث می‌شود تا فشاری که بر روی متخصصان رادیولوژی در بررسی تصاویر سی تی اسکن بیماران وارد می‌شود تا حد زیادی کاهش یابد. همچنین بر اساس ادعای طراحان این سیستم، زمان تشخیص بیماری تا حدود 65 درصد کاهش یافته است. در تحقیقی دیگر، در یکی از بیمارستان‌های ایالت ووهان چین، از یادگیری ماشین برای بررسی بیش از هزار سی تی سکن برای تشخیص ویروس کرونا استفاده شده است.

استفاده از هوش مصنوعی برای تخمین میزان امید به زندگی مبتلایان به نوع شدید ویروس کرونا

نتایج اولیه تحقیقی در زمینه استفاده از هوش مصنوعی در تشخیص ویروس کرونا که در آن از داده های بالینی بیماران بستری در بیمارستان تانجی ووهان استفاده شده است، نشان دهنده میزان امید به زندگی مبتلایان به این ویروس است. دقت این نتایج بیش از 90 درصد تخمین زده شده است. این تحقیق توسط محققان مدرسه هوش مصنوعی با همکاری دپارتمان علوم و فناوری بیمارستان هازونگ چین انجام شده است. بر اساس گفته محققان در این مطالعه، تخمین میزان امید به زندگی در مبتلایان به ویروس کرونا باید بر اساس 300 نمونه آزمایشگاهی یا بالینی انجام شود اما در این تحقیق آن‌ها فقط به نتایج LDH مربوط لنفوسیت‌ها و پروتیین واکنش‌پذیر C با حساسیت بالا اکتفا کرده‌اند.

در تحقیق دیگر از یادگیری عمیق برای غربالگری مبتلایان به ویروس کرونا استفاده شده است. در این مطالعه از شبکه‌های کانولوشن یا همان CNN برای دسته بندی داده ها که به صورت تصویری بوده اند و همچنین محاسبه امکان ابتلا به ویروس کرونا استفاده شده است. نتایج اولیه این تحقیق حاکی از قدرت تشخیص این سیستم برای تمایز قائل شدن میان عفونت ریه ناشی از ویروس کرونا و همچنین آنفولانزا است. دقت این سیستم در حدود 86.7 درصد گزارش شده است. این سیستم بر اساس219 سی تی اسکن مربوط به 110 نفر از میان  بیماران مبتلا به آنفولانزا، افراد مبتلا به ویروس کرونا و افراد سالم آموزش دیده است.

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.