به نقل از آی او، نگرانی در مورد کمبود پرسنل پزشکی همچنان در سراسر جهان در حال افزایش است. نتایج برخی پژوهشها نشان داده است، تنها در هلند، کمبود پرسنل در بخش مراقبتهای درمانی تا سال ۲۰۳۱ به ۱۳۵ هزار نفر خواهد رسید. این کمبود در کل بخش مراقبتهای درمانی از جمله اتاق عمل احساس میشود؛ اما کمبود پرسنل فراتر از هلند است.
اما هوش مصنوعی (AI) که توسط یک گروه پژوهشی در دانشگاه فنی دارمشتات آلمان توسعه یافته است، میتواند به پرسنل کمتجربه در انجام غربالگریها و حتی برخی کارها در هنگام عمل جراحی همراه با یک متخصص از راه دور، کمک کند.
"انیربان موخوپادهای" (Anirban Mukhopadhyay)، دانشمند کامپیوتر دانشگاه فنی دارمشتات که اصالتا هندی است، در حال حاضر رهبری این گروه پژوهشی را بر عهده دارد و روی کاربرد هوش مصنوعی در پزشکی تحقیقاتی کار میکنند.
موخوپادهای تأکید کرد: کمبود پرسنل پزشکی مشکل جهانی است که به ویژه کشورهای درحال توسعه را تحت تاثیر قرار میدهد. من بیش از ۲۰ سال در هند زندگی کردهام و سیستم مراقبتهای بهداشتی را در آنجا از نزدیک دیدهام. شاهد از دست دادن جان نزدیکانم بودهام، زیرا کارکنان بیمارستان نمیتوانستند دقیقا دریابند که یک بیمار بخش آیسییو چه زمانی به کووید-۱۹ مبتلا شده است. جدا از مراکز اصلی شهری، این کشور با کمبود شدید کارکنان باتجربه مواجه شده است.
وی تأکید کرد:، اما با یک اتصال اینترنتی پایدار، هوش مصنوعی جدید میتواند به بیماران ساکن مناطق روستایی در سراسر جهان کمک کند.
موخوپادهای معتقد است که فناوریهایی مانند رباتهای جراحی و هوش مصنوعی، نقش کلیدی در حل این مشکلات دارند. این نوع راه حلها در حال حاضر در حال گسترش هستند. به عنوان مثال، بیمارستان ماستریخت از ربات داوینچی استفاده میکند. ربات داوینچی یک سیستم جراحی است که از روش جراحی کم تهاجمی برای معالجه افراد استفاده میکند. یک جراح با کنسولی کار میکند که تقریبا کاملا جدا از ربات است.
با کمک یک هوش مصنوعی که جراح اصلی را درک میکند و با اتصال به شبکه پایدار در کنار بالین بیمار کار خود را انجام میدهد، در نهایت میتوان حتی زمانی که بیمار در فاصلهای دور از پزشک است، جراحیها را انجام داد.
به گفته پژوهشگران دانشگاه فنی دارمشتات، هوش مصنوعی بر اساس شکلها (به جای پیکسلها) کار میکند. در دنیای پزشکی، معمولا باید به حجم بسیار محدودی از دادهها بسنده کنیم و هیچ دو جراحی کاملا شبیه هم نیستند. هوش مصنوعی که به پیکسلها نگاه میکند باید فضای جستجوی زیادی را پوشش دهد؛ اما اگر دانش شکل اندامها و بافتها را در الگوریتمهای خود قرار دهیم، فضای جستجو را کاهش میدهیم. به این ترتیب، برای داشتن تصویری خوب از استخوانها و ساختارهای بدن و دانستن وضعیت بیمار، به اطلاعات زیادی نیاز ندارید.
هوش مصنوعی توسعهیافته در دارمشتات میتواند برای اهداف غربالگری از جمله پشتیبانی از پرسنل کمتجربه در مناطق دورافتاده در کشورهای درحال توسعه استفاده شود. در بخشهای روستایی هند، چین و آفریقا، ممکن است کمبود شدید پزشک وجود داشته باشد، اما شبکههای تلفن همراه در مناطق دورافتاده وجود دارند که امکان استفاده از این هوش مصنوعی جدید را فراهم میکند.
همچنین هوش مصنوعی برای جراحیهای با دقت بالا مانند جراحیهای مغز و اعصاب یا هنگام قرار دادن پروتزهای شنوایی در گوش داخلی که حاشیه خطا اغلب زیر میلیمتری است، مفید است. قبل از قرار دادن پروتز، ابتدا باید جمجمه باز شود تا ببینیم آناتومی بیمار چگونه است. این ضروری است، زیرا جراحی واقعی باید با دقت بسیار انجام شود. چندین مسیر عصبی به سمت گوش وجود دارد که نباید آنها را لمس کرد. در غیر این صورت، میتواند بیمار را تا حدی فلج کند.
رباتهای جراحی دقیق و کم تهاجمی هستند. اما این رباتها باید بدون هیچ گونه دید مستقیمی هدایت شوند. ما در اینجا با مشکل مرغ و تخم مرغ روبرو هستیم، زیرا هوش مصنوعی ناوبری به دادههای آموزشی نیاز دارد و ربات نیز برای هدایت به هوش مصنوعی آموزش دیده نیاز دارد. راه حل ما استفاده از اسکن توموگرافی کامپیوتری سر قبل از عمل برای آموزش هوش مصنوعی است. این اجازه میدهد تا مسیرهای عصبی بر اساس دادههای کمی درک شوند. موخوپادهای پیشبینی میکند که طی سالهای آینده، دنیای پزشکی از راه حلهای تقویت شده با هوش مصنوعی برای طیف گستردهای از اهداف استفاده خواهد کرد.