علم داده، هوش مصنوعی و یادگیری ماشین
علوم داده و ابزارهای هوش مصنوعی، به عنوان یکی از فناوریهای پیشرفته، در حوزه سلامت نیز کاربردهای متعددی دارد. با تحلیل دادههای پزشکی و سلامت، میتوان بهبود شناخت بیماریها، پیشگیری از آنها و همچنین درمان بهتر بیماران را به دست آورد.
یکی از کاربردهای اصلی علوم داده در سلامت، پیشبینی بیماریها است. با جمعآوری دادههای پزشکی مرتبط با هر بیمار و استفاده از الگوریتمهای مناسب، میتوان به صورت دقیقتری پیشبینی کرد که چه بیماریهایی در آینده به فرد خاصی ابتلا خواهد کرد. این کاربرد بسیار مفید با مفهوم پزشکی شخصی سازی شده در یک راستاست (Personalized Medicine)و به دانشمندان و پزشکان این امکان را میدهد تا از پیش درمان بیماری را شروع کنند و از پیشگیری از بروز بیماری استفاده کنند.
کاربردهای دیگر علوم داده در سلامت شامل تحلیل دادههای تصاویر پزشکی، جمعآوری دادههای حسابداری درمانی، تحلیل دادههای مربوط به سلامت جامعه و همچنین استفاده از الگوریتمهای هوش مصنوعی از قبیل یادگیری عمیق برای تشخیص بیماریها و الگوریتم هعای دانش پایه برای پیاده سازی پروتکل ها و گایدلاین های پزشکی است. با استفاده از این روشها، میتوان به طور دقیقتری تشخیص داد که چه نوع درمان برای بیمار مناسب است و در نتیجه، بهبود کیفیت درمان بیماران را به دست آورد.
در کل، علوم داده در سلامت به طور گستردهای استفاده میشود و به دانشمندان و پزشکان کمک میکند تا به صورت دقیقتری تشخیص دهند، بیماریها را پیشبینی کنند و درمان بهتری برای بیماران ارائه دهند.
سامانه های خبره پزشکی (Medical Expert System)
سامانه های خبره پزشکی نرم افزارهای محاسباتی هستندکه به منظور شبیهسازی توانایی تصمیمگیری یک متخصص پزشکی یا برای پیاده سازی پروتکل ها و گایدلاین های مبتنی بر شواهد (EBM) در زمینهی پزشکی طراحی می شوند. این سامانه ها عمدتا از روشهای هوش مصنوعی مانند پایگاه های دانش (If-then) و پردازش زبان طبیعی برای تجزیه و تحلیل دادههای بیمار و ارائه پیشنهاد برای تشخیص، درمان و مدیریت او استفاده میکنند.
یادگیری ماشین و شبکه عصبی (Machine & Deep Learning)
یادگیری ماشین و یادگیری عمیق در حوزه سلامت میتواند به طرحریزی و تجزیهوتحلیل دادههای پزشکی، پیش بینی بیماریها، تشخیص بیماریها، درمان بیماریها، کاهش خطاهای پزشکی ، بهبود نتایج درمانی، شناسایی و اکتشاف دارو ها و بسیاری از فعالیتهای دیگر در حوزه سلامت کمک کند.
برای مثال، با استفاده از الگوریتمهای یادگیری ماشین، میتوان به صورت خودکار با توجه به دادههای بیمار، تشخیص افتراقی را تعیین کرد. همچنین با استفاده از یادگیری عمیق، میتوان به راحتی و با دقت بالا تصاویر پزشکی را تحلیل کرده و بیماریها را تشخیص یا ضایعات را قطعه بندی نمود.
صنایع هوش مصنوعی سلامت سازان با تکیه بر نیروهای جوان و خلاق خود و با ارائه سامانه های هوشمند و انجام مطالعات و پروژه های پژوهشی و عملیاتی در حوزه تصاویر پزشکی توانسته محصولاتی دقیق و کارآمد را تولید نماید.
پردازش تصاویر پزشکی و زیستی (Medical & bio imaging informatics)
پردازش تصاویر پزشکی به معنی استفاده از فناوری های رایانهای برای تحلیل و پردازش تصاویر پزشکی مانند عکس های رادیولوژی، سی تی اسکن، مغناطیسی تصویربرداری (MRI) و سایر تصاویر دیجیتال طبی می باشد. این فناوری در حوزه های مختلفی از جمله تصویربرداری پزشکی، تشخیص بیماری، بررسی رفتار سلولی، طراحی و ساخت سازمان های بیولوژیکی و داروهای جدید، پیش بینی نتایج درمان و مانیتورینگ بیماری و همچنین طراحی و تولید مواد شیمیایی برای درمان بیماری ها کاربرد دارد. بعضی از کاربردهای این فناوری شامل تشخیص بیماری های قلبی، شناسایی سرطان، تشخیص بیماری های مغزی، تصویربرداری سه بعدی، ارزیابی عملکرد مغز و تشخیص آسیب های مغزی، پیش بینی پیشرفت بیماری های مزمن مثل بیماری های قلبی و دیابت و همچنین بررسی کیفیت و ایمنی داروها می باشد.
صنایع هوش مصنوعی سلامت سازان سهند با تیم حرفه ای مسلط به کتابخانه های OpenCV در پایتون در حوزه های مختلفی از جمله توانبخشی و بیماریهای اسکلتی به این حوزه ورود پیدا کرده است. در زمینه علوم آزمایشگاهی نیز پروژه هایی در دست اجرا دارد.
معرفی پروژه ها و محصولات
صنایع هوش مصنوعی سلامت سازان سهند (صنام سهند) با بنیانی قوی در حوزه بالینی و حضور متخصصینی در زمینه انفورماتیک پزشکی و فناوری اطلاعات سلامت، توان برقراری ارتباط موثر با مجموعه های نظام سلامت را جهت پیاده سازی سامانه های خبره و تصمیم یار مبتنی بر پروتکل ها و گایدلاین های بالینی فراهم می نماید. استخراج دانش و قواعد موجود در شواهد بالینی و نگاشت ذهن متخصصین در قالب سامانه های خبره یکی از مهمترین ابعاد فعالیت های دانش بنیان مجموعه ما می باشد. Expert System ها با پیاده سازی رهنمودهای بالینی نقش مهمی را در پزشکی مبتنی بر شواهد (EBM) ایفا می نماید.
محصولاتی از قبیل سامانه خبره تریاژ بیمارستانی، سامانه خبره و تصمیم یار تعیین میزان ریسک جراحی بی اختیاری ادراری، سامانه خبره تشخیص شدت اسکولیوز و سامانه تضخیص میزان آسیب ریوی مصدومین شیمیایی در این زمینه از فعالیت های شاخص می باشند.
برای کسب اطلاعات بیشتر از پروژه با مدیر کارگروه در تماس باشید.
صنایع هوش مصنوعی سلامت سازان سهند (صنام سهند) در زمینه توسعه مدلهای یادگیری ماشین به ویژه بر روی مجموعه داده های تصویبرداری پزشکی از قبیل MRI ، CT و تصاویر پاتولوژی فعالیت های عملیاتی و پژوهشی داشته است. همکاری با مراکز تحقیقاتی دانشگاهی و ملی در گردآوری، پیش پردازش و مدلسازی مدلهای یادگیری عمیق و انجام داده کاوری بر روی داده های کوهورت و بصری سازی دانش از مهمترین رویکردها بوده است.
در این زمینه قطعه بندی تصاویر سکته مغزی، تشخیص سرطان پروستات، داده کاوی و مدلسازی ابتلا به فشار خون در کوهورت آذر، تعیین ریکس مرگ سرطان ریه و طراحی مدل تشخیص و شمارش سلولی میکروسکوپ های هوشمند از شاخص ترین فعالیت ها بوده اند.
مقالات متعددی در این زمینه توسط محققین شرکت چاپ شده است که در پروفایل شرکت موجود است.
Google Scholar Link
برای کسب اطلاعات بیشتر از پروژه با مدیر کارگروه در تماس باشید.
صنایع هوش مصنوعی سلامت سازان سهند (صنام سهند) در دو زمینه آموزش و پژوهش پردازش تصاویر پزشکی سرآمد می باشد. همانطور که مستحضرید ارتباط بسیار نزدیکی میان یادگیری ماشین و پردازش تصاویر وجود دارد و به نوعی گام های پیش پردازش و پساپردازش در مدلسازی یادگیری ماشین و هوش مصنوعی مبتنی بر تصاویر توسط ابزارهای پردازش تصویر انجام می شود. تسلطبه OpenCV و کتابخانه های رایج Numpy و Pandas امکان قطعه بندی، انجام محاسبات پیکسلی و استخراج ویژگیهای تصاویر را فراهم نموده است.
پروژه های مختلفی برای انجام محاسبات در
برای کسب اطلاعات بیشتر از پروژه با مدیر کارگروه در تماس باشید.
کارگروه تحلیل و طراحی سامانه های اطلاعات سلامت
مدیر کارگروه علوم داده و هوش مصنوعی
مدیر تیم فنی،
متخصص هوش مصنوعی و یادگیری ماشین،
کارشناس ارشد هوش مصنوعی.