اولین همایش بین المللی تحول خدمات سلامت: تلفیق مراقبت، درمان، بازتوانی و امیدبخشی

رفتن به صفحه اصلی

ارائه مجازی مقاله

کد مقاله 1429

عنوان تشخیص دقیق بیماری ها با استفاده از یادگیری ماشین

نویسندگان سجاد قطعی - محمد روحی - زهره عربی بلاغی

چکیده مقدمه: هوش مصنوعی و یادگیری ماشین با توانایی تحلیل حجم بزرگی از دادههای سلامت، ظرفیت بالایی برای ارتقای دقت تشخیص، کاهش خطاهای انسانی و پشتیبانی از تصمیمگیری بالینی دارند. این فناوریها میتوانند الگوهای پنهان در پروندههای الکترونیک سلامت، تصاویر پزشکی، دادههای ژنومی و نتایج آزمایشگاهی را شناسایی کرده و زمینه تشخیص زودهنگام و مراقبت شخصیسازیشده را فراهم کنند (1)، (2). روشها: در این پژوهش، یک چارچوب دادهمحور برای پشتیبانی از تشخیص بیماریها ارائه شد. چارچوب شامل یکپارچهسازی دادههای چندمنظوره، پیشپردازش، استخراج ویژگیها و بهکارگیری یادگیری نظارتشده، بدوننظارت، یادگیری عمیق و شبکههای عصبی است. برای افزایش شفافیت تصمیمهای مدل، روشهای تبیینپذیر SHAP و LIME و برای ارزیابی، اعتبارسنجی متقابل و آزمون روی مجموعهدادههای مستقل در نظر گرفته شد (3)، (4). یافتهها: تحلیل چارچوب نشان داد که ادغام هوش مصنوعی و یادگیری ماشین میتواند تشخیص بیماریهای پیچیده را تسریع کند، دقت تصمیمگیری را افزایش دهد، از پزشکی دقیق و توصیههای درمانی شخصیسازیشده پشتیبانی کند و بار شناختی پزشکان را کاهش دهد. یکپارچهسازی این سامانهها با جریانهای کاری بالینی نیز میتواند کیفیت مراقبت و پیامدهای بیماران را بهبود بخشد. با این حال، کیفیت و تنوع دادهها، محرمانگی اطلاعات، سوگیری الگوریتمی، تفسیرپذیری و پذیرش بالینی از چالشهای اصلی هستند (4)، (5). نتیجهگیری: هوش مصنوعی و یادگیری ماشین میتوانند بهعنوان ابزارهای پشتیبان تصمیمگیری، در تحول خدمات سلامت و ارتقای تشخیص نقش مؤثری داشته باشند؛ اما بهرهبرداری ایمن و مسئولانه از آنها مستلزم دادههای باکیفیت، تبیینپذیری، حفاظت از حریم خصوصی و همکاری میان متخصصان سلامت و فناوری است.

فایل ها

فایل پوستر مقاله

محتوای ارائه مجازی مقاله

نظرات