در عصر فناوریهای پیشرفته، ترکیب هوش مصنوعی و ابزارهای نورواِمیجینگ بهعنوان یک دستاورد میانرشتهای، تحولی شگرف در تشخیص و درمان بیماریهای مغزی رقم زده است. این فناوریهای نوین که در مرز علوم اعصاب، روانشناسی، مهندسی و علوم کامپیوتر قرار دارند، توانستهاند پرده از پیچیدگیهای عملکرد مغز بردارند و افقهای تازهای در حوزه سلامت دیجیتال بگشایند. در نشست تخصصی هوش مصنوعی در سلامت با حضور کارشناسان برجسته، ابعاد گسترده و کاربردهای نجاتبخش این فناوریها بررسی شد.
درک بنیادین هوش مصنوعی؛ چالشی پیچیده و میانرشتهای
به گزارش ستاد خبری ایران هلث، نشست تخصصی هوش مصنوعی در سلامت که در سالن آیهیت معاونت علمی و فناوری ریاستجمهوری و در حاشیه نمایشگاه بینالمللی تهران برگزار شد، با حضور دکتر نوشین پورباقی، رئیس کمیته علمی-پژوهشی انجمن صنفی متخصصین تجهیزات پزشکی کشور، برگزار گردید. دکتر پورباقی در این نشست به اهمیت درک بنیادین مفاهیم هوش مصنوعی پرداخت و خاطرنشان کرد: تعریف دقیق و جامع هوش، حتی در میان روانشناسان، متخصصان علوم اعصاب، مهندسان برق و زبانشناسان همچنان محل اختلاف است. هوش مفهومی انتزاعی و چندبعدی است و هنوز اجماع کاملی بر سر آن وجود ندارد.
وی افزود: به همین دلیل نمیتوان بهراحتی قضاوت کرد که کدام سیستم یا ماشین واقعاً دارای هوش مصنوعی است، زیرا تعریف پایهای هوش همچنان موضوع بحثهای جدی است.
ماهیت میانرشتهای هوش مصنوعی
دکتر پورباقی همچنین به ماهیت میانرشتهای هوش مصنوعی اشاره کرد و گفت:هوش مصنوعی علمی است که از حوزههای علوم اعصاب، روانشناسی، مهندسی برق، علوم کامپیوتر و حتی علوم انسانی بهره میبرد. شرکتکنندگان دورههای آموزشی این حوزه از رشتههای متنوعی هستند که نشاندهنده گستردگی و اهمیت میانرشتهای AI است.
وی مثال جالبی از دانشجوی دکترای مدیریت شهری مطرح کرد که در پروژه خود به بررسی قضاوت اخلاقی در مغز انسان پرداخته بود و تأکید کرد هوش مصنوعی از مرزهای سنتی رشتهای فراتر رفته و در بسیاری از حوزهها کاربرد دارد.
دکتر پورباقی به تاریخچه شکلگیری هوش مصنوعی اشاره کرد و گفت:پایههای این علم به دوران جنگ جهانی دوم و پروژههای رمزگشایی پیامهای محرمانه بازمیگردد. آلن تورینگ، پیشگام این حوزه، الگوبرداری از عملکرد مغز انسان را نقطه شروع توسعه AI قرار داد.
کاربرد هوش مصنوعی در علوم اعصاب و نورواِمیجینگ
یکی از مهمترین کاربردهای هوش مصنوعی در حوزه سلامت، بهکارگیری آن در تحلیلهای نورولوژیکی بهویژه نورواِمیجینگ است. دکتر پورباقی توضیح داد:ابزارهای نورواِمیجینگ امکان درک عمیقتری از عملکرد مغز و اختلالات آن فراهم میکنند و این یکی از نقاط قوت بارز AI در حوزه سلامت است.
وی افزود:ما به ابزارهایی نیاز داریم که بتوانند بر اساس رفتارهای مغزی، تصمیمگیریهای انسان را تحلیل و مدلسازی کنند. شناخت دقیق نواحی مغزی مرتبط با قضاوت، تصمیمگیری و پردازشهای اخلاقی به طراحی سیستمهای تصمیمیار هوشمند کمک شایانی میکند.
پورباقی به اهمیت استفاده از ابزارهای تصویرسازی مغز مانند fMRI اشاره کرد و گفت:در پژوهشهای ما بیشتر از دادههای عملکردی مغز بهره میبریم تا اطلاعات دقیقتری از فعالیت نواحی مختلف به دست آوریم.
یادگیری ماشین و دیپ لرنینگ؛ پیشرفتهای چشمگیر در تشخیص و درمان
دکتر پورباقی نقش یادگیری ماشین و دیپ لرنینگ را در تحلیل دادههای مغزی حیاتی دانست و بیان کرد:با ورود دیپ لرنینگ، فرآیند استخراج ویژگیها به صورت خودکار انجام میشود و دقت تشخیص افزایش یافته است. البته این روش به دادههای حجیم نیاز دارد.
وی پروژه شخصی خود برای طراحی مدل تشخیص PTSD را نمونهای موفق از کاربرد هوش مصنوعی معرفی کرد و تأکید نمود:
هوش مصنوعی میتواند با پردازش دادههای اولیه، خود را بهبود بخشد.
چالشها و چشماندازهای آینده هوش مصنوعی در سلامت مغز
پورباقی به پیچیدگیهای تشخیص اختلالات روانی اشاره کرد و بیان داشت:اختلالات روانی بیشتر عملکردی هستند تا ساختاری، که این امر کار تشخیص را دشوارتر میکند.
وی همچنین به پروژههای بینالمللی تحلیل احساسات با کمک هوش مصنوعی پرداخت و افزود:AI قادر است از طریق تحلیل زبان بدن و چهره، حالات روانی افراد را شناسایی کند که در کاربردهای امنیتی و درمانی بسیار مؤثر است.
در پایان، دکتر پورباقی به اهمیت ابزارهای نورومدولیشن اشاره کرد و گفت:تعامل بین تحلیل دادههای مغزی و تحریک هدفمند نواحی خاص مغز، یکی از مهمترین حوزههای آینده هوش مصنوعی در سلامت است.
هوش مصنوعی و نورواِمیجینگ، با تلفیق قدرت تحلیل دادههای بزرگ و تصویرسازی دقیق عملکرد مغز، دریچهای نوین برای تشخیص، درمان و مدیریت بیماریهای مغزی باز کردهاند. این فناوریها، با حمایت از پزشکان و پژوهشگران، میتوانند کیفیت زندگی بیماران را به شکل چشمگیری ارتقا دهند و گامی مهم در توسعه سلامت دیجیتال بردارند.