وقتی هوش مصنوعی و کلان‌داده به سلاح‌های جدید صنعت پزشکی تبدیل می‌شوند

(دن تری) - هوش مصنوعی نه تنها در پیش‌بینی، بلکه اکنون در برنامه‌ریزی واکسیناسیون، تخصیص منابع و ساخت مدل‌های واکنش به بیماری‌های همه‌گیر نیز از بخش بهداشت و درمان پشتیبانی می‌کند.

جنگ بی‌پایان بین انسان‌ها و میکروارگانیسم‌ها

در کنفرانس علمی کاربرد هوش مصنوعی و کلان‌داده در عمل بالینی بیماری‌های عفونی که در بیمارستان بیماری‌های گرمسیری در شهر هوشی مین برگزار شد، دانشیار دکتر نگوین ون وین چائو - معاون مدیر اداره بهداشت شهر هوشی مین - بر اهمیت نوآوری در مبارزه بلندمدت با بیماری‌های عفونی تأکید کرد.

بیماری‌های عفونی همواره یکی از بزرگترین چالش‌های بهداشت عمومی جهان بوده‌اند. در کشورهای گرمسیری مانند ویتنام، که محیط برای رشد میکروارگانیسم‌ها مساعد است، این نبرد حتی شدیدتر و مداوم‌تر است.

در طول تاریخ، جهان شاهد شیوع بیماری‌های شدیدی بوده است که ده‌ها میلیون نفر را کشته است.

امروزه، انسان‌ها همچنان با تهدیدهای جدیدی از بیماری‌های عفونی، به ویژه بیماری‌هایی که از حیوانات به انسان منتقل می‌شوند، مانند آنفولانزای مرغی، سارس، مرس و اخیراً کووید-۱۹، روبرو هستند.

از زمان‌های قدیم، انسان‌ها دائماً با تهدیدهای جدیدی از بیماری‌های عفونی ناشی از میکروارگانیسم‌های در حال تکامل مواجه بوده‌اند.

آنچه در مورد بیماری‌های عفونی منحصر به فرد است، پیچیدگی و غیرقابل پیش‌بینی بودن عوامل بیماری‌زای ایجادکننده آنهاست. میکروارگانیسم‌ها دائماً از طریق جهش‌ها در حال تکامل هستند که به آنها کمک می‌کند از حمله سیستم ایمنی یا آنتی‌بیوتیک‌ها فرار کنند. آنچه نگران‌کننده است این است که مقاومت آنتی‌بیوتیکی - پیامد اجتناب‌ناپذیر جهش - به طور فزاینده‌ای رایج می‌شود.

آنتی‌بیوتیک‌ها نزدیک به ۱۰۰ سال پیش کشف شدند و دوران طلایی تولید آنها (۱۹۴۰-۱۹۶۰) بود، اما تعداد داروهای جدید اکنون به طور فزاینده‌ای کمیاب شده است. در همین حال، گونه‌هایی از باکتری‌ها که در برابر آنتی‌بیوتیک‌های تکی، چندگانه و حتی همه آنتی‌بیوتیک‌ها مقاوم هستند، ظهور کرده‌اند و پزشکی را به حالت غیرفعال برده‌اند.

تکامل میکروارگانیسم‌ها به این معنی است که هر دارو یا واکسنی ممکن است با گذشت زمان بی‌اثر شود. این امر مستلزم آن است که انسان‌ها نه تنها به ابزارهای موجود تکیه کنند، بلکه دائماً در حال نوآوری و خلق رویکردها، روش‌های تشخیصی، درمان‌ها و استراتژی‌های پیشگیری بلندمدت باشند.

به گفته وی، رویکرد فعلی نیازمند یک استراتژی سیستماتیک است که زمینه‌های بسیاری را از تجزیه و تحلیل ژنومی، متابولومیکس، ایمونولوژی گرفته تا توسعه واکسن (واکسینومیک) در بر بگیرد.

به طور خاص، تولد واکسن‌های mRNA یک پیشرفت بی‌سابقه در تاریخ پزشکی است، زیرا تنها ۱۲ ماه طول کشید تا انسان‌ها از توالی‌یابی ویروس به واکسیناسیون عمومی برسند.

دکتر چاو همچنین به تحقیقات دانشمندان کالج امپریال لندن (بریتانیا) اشاره کرد که نشان می‌دهد اگر کمپین واکسیناسیون کووید-۱۹ تنها ۱۰۰ روز پس از رمزگشایی ژنوم ویروس آغاز می‌شد، جهان می‌توانست از ۸.۳ میلیون مرگ و میر و بیش از ۲۶ میلیون عفونت جلوگیری کند.

بر اساس این محاسبه روشمند، جهان مفهوم «ماموریت ۱۰۰ روزه» را برای آمادگی در برابر بیماری‌های همه‌گیر آینده شکل داده است.

هدف این ماموریت، ارائه راه‌حل‌های تشخیصی سریع، درمان‌های اولیه مؤثر و واکسن‌هایی برای واکسیناسیون گسترده ظرف ۱۰۰ روز پس از شناسایی یک عامل همه‌گیر جدید است.

دکتر چاو تأیید کرد: «نوآوری سلاحی است که نه تنها به انسان‌ها کمک می‌کند تا با این بیماری همه‌گیر مبارزه کنند، بلکه به آنها کمک می‌کند تا با میکروارگانیسم‌ها به طور پایدار زندگی و تکامل یابند.»

هوش مصنوعی شیوع سرخک را در شهر هوشی مین پیش‌بینی می‌کند

در این کنفرانس، دکتر نگوین لو نهو تونگ - معاون مدیر بیمارستان بیماری‌های گرمسیری در شهر هوشی مین - همچنین به طور خاص‌تر در مورد پیاده‌سازی هوش مصنوعی (AI) و کاربردهای کلان‌داده در تحقیقات، تشخیص و هشدار بیماری‌های عفونی در بیمارستان در دوران اخیر صحبت کرد.

دکتر تونگ گفت که از سال ۲۰۱۸ تاکنون، این بیمارستان ۲۲ پروژه تحقیقاتی با استفاده از هوش مصنوعی و کلان‌داده انجام داده است، از جمله مطالعاتی در مورد پیش‌بینی آنفولانزا و تب دنگی، تشخیص دست‌خط در سوابق پزشکی با استفاده از یادگیری ماشینی، نظارت بر علائم حیاتی از راه دور از طریق دستگاه‌های پوشیدنی...

هوش مصنوعی و کلان‌داده به بیمارستان‌ها کمک می‌کنند تا توانایی خود را در پیش‌بینی و هشدار زودهنگام در مورد بیماری‌های همه‌گیر بهبود بخشند.

برای مثال، سیستم نظارت بر بیماری‌های عفونی وزارت بهداشت شهر هوشی مین افزایش موارد سرخک را در سال ۲۰۲۴ ثبت کرد و بدین ترتیب به سرعت کمپین‌های واکسیناسیون را اجرا و شیوع بیماری را اعلام کرد. سیستم اطلاعات ایمن‌سازی گسترش‌یافته همچنین داده‌هایی در مورد میزان واکسیناسیون ارائه می‌دهد که از پیش‌بینی خطرات بیماری بر اساس منطقه و گروه جمعیتی پشتیبانی می‌کند.

در سراسر جهان، سیستم‌هایی مانند BlueDot (کانادا) و FluMap (ایالات متحده آمریکا) در هشدار علائم اولیه بیماری قبل از همه‌گیری کووید-۱۹ مؤثر بوده‌اند.

در ویتنام، هوش مصنوعی همچنین برای تجزیه و تحلیل چرخه‌های بیماری، پیش‌بینی مدت و اوج اپیدمی و همچنین ساخت مدل‌های اپیدمیولوژیک برای ارزیابی شیوع بر اساس عواملی مانند سن، جنسیت و بیماری‌های زمینه‌ای به کار می‌رود.

این فناوری به شناسایی گروه‌های پرخطر، اولویت‌بندی استراتژی‌های واکسیناسیون و تخمین نیاز به لوازم، داروها و منابع انسانی برای واکنش سریع کمک می‌کند.

با این حال، فرآیند پیاده‌سازی هوش مصنوعی - کلان‌داده هنوز با چالش‌های بسیاری مانند کیفیت نامناسب داده‌ها، کمبود پرسنل با درک عمیق از پزشکی و فناوری و هزینه‌های بالای سرمایه‌گذاری در زیرساخت‌ها مواجه است.

منبع: https://dantri.com.vn/suc-khoe/khi-ai-va-big-data-tro-thanh-vu-khi-moi-cua-nganh-y-te-20250529134256420.htm