مقالات
آینده هوش مصنوعی در دامپزشکی و نقش آن در مسیر دانشجویان
در این مقاله می خوانید:
طی چند سال گذشته، حوزه های مختلف در سراسر دنیا، تحت تاثیر ظهور هوش مصنوعی قرار گرفته اند. هوش مصنوعی و زیر شاخه هایش، به سرعت در حرفه ها و صنایع مختلف نفوذ کرده و تغییرات جدی در برخی از این عرصه ها رقم زدند. حوزه سلامت، از جمله پزشکی و دامپزشکی هم از این اتفاق بی نصیب نماندند و همزمان با ورود هوش مصنوعی به این رشته ها، در دستگاه ها و نوع فعالیت متخصصان هم تغییراتی ایجاد شد. برخی از افراد معتقدند که تا چند سال آینده، هوش مصنوعی تغییرات مهمی در مشاغل ایجاد می کند و لازم است که خودمان را برای این اتفاقات آماده کنیم. از طرف دیگر، دانشجویانی که در حال حاضر مشغول تحصیل و آماده شدن برای ورود به دنیای حرفه ای دامپزشکی هستند، باید بدانند که چه تغییراتی ممکن است در مسیرهای پیشین رخ دهد و خودشان را برای تطابق با رویدادهای تازه آماده کنند. به همین دلیل در ادامه این مطلب در وت مارکت، درباره آینده هوش مصنوعی در دامپزشکی و نقش آن در مسیر دانشجویان صحبت می کنیم.
نقش هوش مصنوعی در دامپزشکی
همانطور که گفتیم، هوش مصنوعی نه تنها به عرصه فناوری و اطلاعات، بلکه به بسیاری دیگر از رشته ها، از جمله دامپزشکی نفوذ کرده و حالا تحت تاثیر سه موضوع مهم، یکی از فاکتورهای مهم و تاثیرگذار در این رشته محسوب می شود:
- افزایش حجم داده های دیجیتال مانند تصاویر، نتایج آزمایش ها و پرونده های الکترونیکی.
- پیشرفت مدل های یادگیری عمیق که عملکرد آنها در تفسیر تصاویر و اطلاعات با انسان رقابت می کند.
- فشارهای عملیاتی و نیاز به خدمات و کارایی بیشتر در کلینیک ها و مزارع.
کاربرد هوش مصنوعی در حوزه های مختلف دامپزشکی
مانند تمامی رشته ها، دامپزشکی هم از شاخه ها و قسمت های مختلف تشکیل شده که هوش مصنوعی در بسیاری از آنها تاثیرگذار بوده است. در ادامه، نقش این تکنولوژی در حوزه های مهم دامپزشکی را بررسی می کنیم:
هوش مصنوعی در تصویربرداری تشخیصی و رادیولوژی دام (X-ray, CT, MRI, Ultrasound)
بیراه نیست که بگوییم مهم ترین و پرتکرارترین کاربرد هوش مصنوعی در عرضه دامپزشکی را در حال حاضر می توان به حوزه تصویربرداری نسبت داد. AI و مدل های یادگیری عمیق آن می توانند تصاویر به دست آمده از تجهیزات تصویربرداری مختلف را بررسی و در زمینه شناسایی ضایعات و تومورها و طبقه بندی تصاویر به خوبی عمل کنند. هوش مصنوعی همچنین می تواند احتمال بروز خطاهای مختلف مانند زاویه نادرست تصویر یا کیفیت پایین را هم عنوان کند. در این مدت، مطالعات مختلفی درباره اعتبار نتایج به دست آمده از این تحلیل ها انجام شده که بسیاری از آنها نشان می دهند که هوش مصنوعی می تواند نرخ بروز خطا را کاهش دهد و با دقتی نزدیک به رادیولوژیست ها، تفسیرها را پیش ببرد. این اتفاق کمک می کند که متخصصان این حوزه زمان بیشتری برای انجام کارهای پیچیده تر داشته باشند. با این حال، برای نتیجه گیری قطعی، به زمان، بررسی های تکمیلی، داده های متنوع و اعتبارسنجی های خارجی نیاز است.
پاتولوژی دیجیتال و بافت شناسی
دیجیتال سازی برش های بافتی (Virtual Microscopy) به وسیله ابزارهای بینایی ماشین در حال تبدیل شدن به یک جریان مهم در پاتولوژی دامپزشکی است. هوش مصنوعی می تواند در شمارش سلول ها، شناسایی الگوهای میکروسکوپی و جلب توجه متخصصین به نواحی مشکوک به وجود بیماری، تاثیرگذار باشد. با وجود گزارش هایی که از پیشرفت AI در این زمینه منتشر شده است، کماکان چالش هایی در زمینه اندازه گیری های کمی، استانداردسازی اسلایدها و همگنی رنگنگاری وجود دارد.
آزمایشگاه بالینی و پاتولوژی مولکولی
از آنالیز خودکار نمونه های خونی تا شناسایی میتوزها در نمونه های سیتولوژی و آنالیزهای مولکولی، AI می تواند سرعت و دقت نتایج آزمایشگاهی را بالا ببرد.
جراحی رباتیک و کمک به جراحان در تصمیم گیری
با وجود این که امروزه در برخی جراحی های انسانی از تکنولوژی جراحی رباتیک استفاده می شود، این امر هنوز در دامپزشکی چندان رایج نشده است. با این حال متخصصان احتمال بسیاری می دهند که با پیشرفت هوش مصنوعی، این اتفاق در عرصه دامپزشکی هم رخ دهد. در حال حاضر مواردی از ابزارهای کمکی مانند راهنمای تصویری، تعیین مسیر برش و فیدبک بیومتریک حین عمل وجود دارد که می تواند دقت و سرعت جراحان را بالا ببرد. علاوه بر این، هوش مصنوعی می تواند در طول جراحی، تصاویر عمل و نتایج به دست آمده از مانیتورینگ علائم حیاتی را تحلیل کرده و در نقش دستیار و پشتیبان جراح عمل کند. در کنار تمامی ویژگی های مثبت همراهی هوش مصنوعی در جراحی های دامپزشکی، باید در نظر داشت که مطالعاتی که در این عرصه انجام شده، در حال حاضر بیشتر تحقیقات موردی بوده و شاید نتوان اکنون به نتیجه گیری فراگیری در اینباره رسید.
پشتیبانی تصمیم بالینی، برنامه ریزی درمانی و انتخاب دارو
هوش مصنوعی در قالب سیستم های پشتیبان تصمیم بالینی (CDSS) می تواند در مواردی مانند تشخیص زودهنگام بیماری ها، پیش بینی عوارض داروها یا سایر اقدامات درمانی و همچنین میزان پاسخ به درمان، کمک کننده باشد. AI همچنین می تواند به متخصص در رسیدن به جدیدترین اطلاعات دارویی، دوزهای مشخص شده، عوارض احتمالی و همچنین در بهینه سازی استفاده از آنتی بیوتیک ها بهعنوان بخشی از رویکردهای Antimicrobial Stewardship کمک کند.
هوش مصنوعی در نگهداری از حیوانات خانگی
نگهداری از حیوانات خانگی را هم می توان به نوعی یکی از شاخه های مرتبط با عرصه دامپزشکی در نظر گرفت. هوش مصنوعی در این زمینه هم در طی سال های اخیر، پیشرفت های قابل توجهی داشته است. اپلیکیشن های متعددی در این زمینه ساخته شده است که در زمینه نگهداری روزانه از حیوانات، تغذیه، سلامت، کنترل علائم بیماری، تقویم واکسیناسیون و ویزیت های دامپزشکی، خواب، بازی و فعالیت های بدنی اطلاعات بسیاری مفیدی در اختیار والدین پت ها قرار می دهند و به نوعی دستیار و راهنمای آنها محسوب می شوند. در کنار آنها، ابزارهای پوشیدنی مانند انواع لباس ها و گردنبندها ساخته شده است که می توانند نقش مهمی در کنترل وضعیت سلامتی، کیفیت خواب و رفتوآمد حیوانات ایفا کنند.
نکته ای که در استفاده از این ابزار باید در نظر داشت این است که هیچ کدام از آنها نقش دامپزشک را ایفا نمی کنند و باید معاینات روتین دامپزشکی را در زمان مشخص انجام داد.
تاثیر هوش مصنوعی بر فرصت های شغلی دامپزشکان
بسیاری از فعالان در عرصه های مختلف، نگران هستند که وجود هوش مصنوعی بتواند شغل آنها را تحت تاثیر قرار دهد. در برخی مواقع این نگرانی بیجا نیست؛ در دامپزشکی هم هوش مصنوعی ممکن است برخی موقعیت ها را مانند شغل هایی که فعالیت های تکراری را انجام می دهند، به خطر بیندازد، اما در کنار آن، فرصت های جدیدی ایجاد می کند که افراد می توانند خود را برای فعالیت در آنها آماده کنند:
دامپزشک-تحلیل گر داده (Veterinary Data Scientist) که به ترکیبی از علوم بالینی و تحلیل داده برای پیشبرد کار و تولید ابزارهای لازم نیاز دارد.
کارشناس پیاده سازی تلهپزشکی و سیستم های CDSS برای شبکه های بزرگ کلینیکی
متخصص اعتبارسنجی و تضمین کیفیت AI در شرکت های تولیدکننده دستگاه ها
در مجموع، بسیاری از افراد معتقدند که AI شغل ها را حذف نمی کند بلکه آن ها را تبدیل می کند. پس از ظهور هوش مصنوعی، ترکیبی از مهارت های بالینی انسانی، قضاوت حرفه ای و مهارت های میانرشته ای ارزشمندتر خواهند شد.
مسیر دانشجویان دامپزشکی در آینده
نقش هوش مصنوعی در آینده دامپزشکی بسیار عمیق تر و بیشتر از مواردی که تا به اینجا گفته شد، خواهد بود. بسیاری از تغییراتی که اکنون در حال رقم خوردن است، به دلیل نرسیدن به نتیجه نهایی و داده های معتبر، به عنوان خبرهای قطعی منتشر نشده اند؛ با این حال در آینده باید منتظر تغییرات پررنگ تری باشیم. به همین دلیل، دانشجویان دامپزشکی باید برای ورود به بازار کار آینده نگر باشند و مهارت های مختلفی را از جمله عناوین زیر، آموزش ببینند:
- آشنایی با مفاهیم داده مانند نوع داده ها، ساختارها، کیفیت داده و missing data
- آمار پایه و مفاهیم ارزیابی مدل مثل حساسیت، ویژگی، AUC، تشخیص مثبت کاذب-منفی کاذب و کالیبراسیون
- آشنایی عملی با ابزارهای ML ساده مانند کار با دیتاست های تصویری ساده، یادگیری نحوه آماده سازی داده و ارزیابی مدل.
- آموزش در زمینه حریم خصوصی، مالکیت داده، مسئولیت پزشکی و چگونگی گزارش خطاهای مرتبط با AI.
برای پیشرفت در این حوزه دانشجویان دامپزشکی می توانند به صورت میان رشته ای، در پروژه های مربوطه با دانشجویان مهندسی نرم افزار، علوم داده و مهندسی برق همکاری کنند.
ملاحظات استفاده از هوش مصنوعی در دامپزشکی
پیشبینی ها بیان می کنند که هوش مصنوعی سهم زیادی در آینده دامپزشکی داشته باشد. با توجه به این موضوع، ملاحظات علمی، اخلاقی و قانونی مختلفی وجود دارد که باید در این زمینه در نظر گرفته شوند:
- سوگیری (Bias) و کیفیت داده می تواند به عملکرد ضعیف و رسیدن به نتایجی با اعتبار کمتر منجر شود.
- حریم خصوصی و مالکیت داده باید رعایت شود.
- اطمینان بیش از حد به خروجی AI می تواند منجر به از دست رفتن تشخیص های بالینی شود.
- در این عرصه به چارچوب های قانونی و اخلاقی متناسب با دامپزشکی نیاز است. در حال حاضر این موارد از الگوهای انسانی اقتباس شده و هنوز تطبیق نیافته اند.
اکنون، هوش مصنوعی دیگر یک فناوری در آینده نیست و روزبهروز نقش بیشتری در زندگی ما ایفا می کند. عرصه دامپزشکی هم از این قاعده مستثنی نیست؛ از تشخیص سریع بیماری ها گرفته تا کمک در تجویز داروها و حتی در انجام عمل های جراحی می توان ردپایی از هوش مصنوعی پیدا کرد. با شواهد موجود می توان نتیجه گرفت که آینده دامپزشکی، نتیجه همکاری تنگاتنگ دامپزشکان و متخصصان این رشته و انواع ابزارهای مجهز به هوش مصنوعی خواهد بود. به همین دلیل لازم است که دانشجویان دامپزشکی، بخشی از آموزش های تکمیلی خود را به حوزه هوش مصنوعی اختصاص دهند.
