from prevention to diagnosis based on AI
:مقدمه
هوش مصنوعى (AI) متعلق به رشته اى از علوم كامپيوتر است كه بر توسعه برنامه هايى تمركز دارد تا به ماشين ها اجازه دهد رفتار و تفكر انسان را درک و تقليد كنند. اين مفهوم كسترده اولين بار در سال 1956 توسط جان مك كارتى پيشنهاد شد وشامل دو حوزه اصلى است
يادگيرى ماشينى (Machine Learning)
یادگیری عمیق (Deep Learning)
به حوزه تخصصی هوش مصنوعی اشاره دارد که در آن با استفاده از محاسبات پیچیده و الگوریتم های آماری ، رایانه ها مجموعه داده ها را به شیوه ای سریع و کارآمد تجزیه و تحلیل می کنند ، که شامل سه مدل است:
(Supervised Learning)
یادگیری نظارت شده که مبتنی بر تجزیه و تحلیل مجموعه داده های علامت گذاری شده قبلی توسط انسان برای توسعه مدل هایی برای پیش بینی رویدادهای آینده است.
(Unsupervised Learning)
یادگیری بدون نظارت که در آن مجموعه داده آموزشی قبلاً طبقه بندی نشده است و مدل ها به دنبال تعیین روابط پنهان در مجموعه داده هستند.
(Reinforcement Learning)
یادگیری تقویتی که یک سیستم مبتنی بر پاداش است که در آن تعامل با محیط سیستم منجر به تولید یک تقویت مثبت یا منفی می شود.
شبیه مغز انسان است و از شبکه های عصبی برای استخراج الگوهای معنادار از مجموعه داده های پیچیده استفاده می کند. شبکه های عصبی، مشابه مدارهای عصبی انسان،هسته یادگیری عمیق را تشکیل می دهند و آن را به یک سیستم مبتنی بر تشخیص با کارایی بالا تبدیل می کنند.
CNN(Convolutional neural network)
محبوب‌ترین سیستم یادگیری عمیق ، اغلب به عنوان استاندارد تشخیص تصویر در نظر گرفته می‌شود و از استخراج ویژگی برای ساخت شبکه‌هایی استفاده می‌کند که به ورودی‌های بصری مشابه قشر بینایی در انسان پاسخ می‌دهند
هوش مصنوعی با پردازش حجم زیادی از داده ها و اطلاعات می تواند در شاخه قلب و عروق برای مواردی نظیر پیش بینی ریسک بیماری های قلبی و عروقی ، تصویربرداری تخصصی و الکتروفیزیولوژی نقش مهم و تاثیرگذاری ایفا کند.استفاده از این روش به زودی منجر به تغییر پارادایم در تشخیص و مدیریت بیماری های قلبی و عروقی در آینده نزدیک خواهد شد.
یکی از زمینه هایی که هوش مصنوعی در آن نقش موثر و بالقوه ای دارد، مربوط به پیشگیری و غربالگری قلبی و عروقی است که در این سیستم با استفاده از مدل های مبتنی بر (ML) برای طبقه بندی خطر و ریسک بیماری استفاده می کنند.
این سیستم مبتنی بر اطلاعاتی است که از افراد جامعه دریافت و در نتیجه پس از تجزیه و تحلیل آماری بیمارانی که در معرض خطر بالایی هستند را شناسایی و غربالگری کرده و اقدامات پیشگیرانه را توصیه می کند.
کیوسک های هوشمند سلامت بر پایه هوش مصنوعی که امروزه در دنیا موجود هستند اقدام به پایش و تشخیص زودهنگام بیماری های قلبی و عروقی و جلوگیری از رخدادهای خطرناک و مرگ های ناگهانی می شوند.
از روش سی تی آنژیوگرافی جهت تعیین محل و وسعت پلاک یا گرفتگی در عروق کرونر و همچنین جهت بررسی شاخص کلسیم Calsium Score استفاده می شود در این روش با استفاده از این شاخص مبتنی بر مدل CNN برای غربالگری و تشخیص افراد در معرض خطر بیماری عروق کرونر استفاده می گردد.
همچنین از این مدل برای تخمین شدت و میزان گرفتگی عروق در اصطلاح FFRCT در بیمارانی که تصاویر سی تی آنژیوگرافی دارند امکان پذیر است.
Also We suggest you read the The Fish And Chips Study article
