واټسن ډاکټر ته وخندل، او ډیر ښه

که څه هم، لکه څنګه چې په ډیرو نورو برخو کې، د AI سره د ډاکټرانو د ځای په ځای کولو لیوالتیا د یو لړ تشخیصي ناکامیو وروسته یو څه کمه شوې، د AI پر بنسټ د درملو په پراختیا کار لاهم روان دی. ځکه، سره له دې، دوی لاهم د دې په ډیری برخو کې د عملیاتو موثریت ته وده ورکولو عالي فرصتونه او فرصت وړاندې کوي.

IBM په 2015 کې اعلان شو، او په 2016 کې یې د څلورو لویو ناروغانو ډیټا شرکتونو ډیټا ته لاس رسی ترلاسه کړ (1). ترټولو مشهور، د ډیری رسنیو راپورونو څخه مننه، او په ورته وخت کې د IBM څخه د پرمختللي مصنوعي استخباراتو کارولو ترټولو هوښیار پروژه د آنکولوژي پورې اړه درلوده. ساینس پوهان هڅه کوي چې د ډیټا پراخه سرچینې وکاروي ترڅو دوی پروسس کړي ترڅو دوی د سرطان ضد درملنې په ښه ډول تطبیق کړي. د اوږدې مودې هدف دا و چې واټسن ریفری ته وټاکي کلینیکي ازمایښتونه او د ډاکټر په توګه به پایلې ولري.

1. د واټسن روغتیا طبي سیسټم یو له لیدونو څخه

په هرصورت، دا معلومه شوه واټسن نشي کولی په خپلواکه توګه طبي ادب ته مراجعه وکړي، او همدارنګه نشي کولی د ناروغانو د بریښنایی طبي ریکارډونو څخه معلومات راوباسي. په هرصورت، په هغه باندې ترټولو جدي تور دا و د نورو زړو سرطان ناروغانو سره د نوي ناروغ په مؤثره توګه پرتله کولو کې پاتې راتلل او هغه نښې کشف کول چې په لومړي نظر کې نه لیدل کیږي.

په اعتراف سره، ځینې سرطان پوهان شتون درلود چې ادعا یې کوله چې د هغه په ​​​​قضاوت باور لري، که څه هم د معیاري درملنې لپاره د واټسن وړاندیزونو سره سم، یا د اضافي، اضافي طبي نظر په توګه. ډیری یې په ګوته کړي چې دا سیسټم به د ډاکټرانو لپاره یو لوی اتوماتیک کتابتون وي.

د IBM څخه د خورا خوندور نظرونو په پایله کې د متحده ایالاتو په طبي ادارو کې د واټسن سیسټم پلور سره ستونزې. د IBM د پلور نماینده ګانو اداره کوله چې دا په هند، سویلي کوریا، تایلینډ او نورو هیوادونو کې ځینې روغتونونو ته وپلوري. په هند کې، ډاکټرانو () د سینې سرطان د 638 قضیو لپاره د واټسن سپارښتنې ارزولې. د درملنې سپارښتنو لپاره د اطاعت کچه ​​73٪ ده. بدتر واټسن په سویلي کوریا کې د ګاچون طبي مرکز کې پریښودل شو، چیرې چې د 656 کولوریکټال سرطان ناروغانو لپاره د هغه غوره سپارښتنې یوازې 49 سلنه وخت د متخصص سپارښتنو سره سمون لري. ډاکټرانو دا ارزونه وکړه واټسن د زړو ناروغانو سره ښه نه ودوی ته د ځینې معیاري درملو وړاندیز نه کولو سره ، او د میټاسټیټیک ناروغۍ سره د ځینې ناروغانو لپاره د جدي درملنې څارنې ترسره کولو جدي غلطي وکړه.

په نهایت کې، که څه هم د تشخیص او معالج په توګه د هغه کار ناکام ګڼل کیږي، داسې ساحې شتون لري چې هغه خورا ګټور ثابت شوی. محصول د جینومکس لپاره واټسن، کوم چې د شمالي کارولینا پوهنتون ، ییل پوهنتون او نورو ادارو په همکارۍ رامینځته شوی ، کارول کیږي د جنیټیک لابراتوارونه د آنکولوژیست لپاره د راپورونو چمتو کولو لپاره. واټسن د لیست فایل ډاونلوډ کړئ جینیاتي بدلونونه په یو ناروغ کې او کولی شي په دقیقو کې یو راپور رامینځته کړي چې پکې د ټولو مهم درملو او کلینیکي آزموینو لپاره وړاندیزونه شامل دي. واټسن جینیاتي معلومات په نسبي اسانۍ سره اداره کويځکه چې دوی په جوړښت شوي فایلونو کې وړاندې شوي او ابهام نلري - یا یو بدلون شتون لري یا هیڅ بدلون شتون نلري.

د شمالي کارولینا په پوهنتون کې د IBM شریکانو په 2017 کې د موثریت په اړه یوه مقاله خپره کړه. واټسن په 32٪ کې احتمالي مهم بدلونونه وموندل چې د بشري مطالعاتو لخوا ندي پیژندل شوي. ناروغان مطالعه کړل، دوی د نوي درملو لپاره ښه نوماندان جوړوي. په هرصورت، لاهم داسې شواهد شتون نلري چې کارول د درملنې غوره پایلو لامل کیږي.

د پروټینونو کورنی کول

دا او ډیری نور مثالونه د ډیریدونکي باور سره مرسته کوي چې په روغتیایی پاملرنې کې ټولې نیمګړتیاوې په ګوته کیږي، مګر موږ اړتیا لرو هغه ساحو ته وګورو چیرې چې دا واقعیا مرسته کولی شي، ځکه چې خلک هلته ښه کار نه کوي. دا ډول ساحه د بیلګې په توګه، د پروټین څیړنه. تېر کال داسې معلومات رابرسېره شول چې د پروټينو د شکل په اړه د دوی د ترتيب پر بنسټ په دقيقه توګه وړاندوينه کولای شي (۲). دا یو دودیز کار دی، نه یوازې د خلکو، بلکې د ځواکمنو کمپیوټرونو له ځواک څخه بهر. که موږ د پروټین مالیکولونو د مینځلو دقیق ماډلینګ ماسټر کړو ، نو د جین درملنې لپاره به لوی فرصتونه شتون ولري. ساینس پوهان هیله لري چې د الفا فولډ په مرسته به موږ د زرګونو دندې مطالعه کړو، او دا به موږ ته اجازه راکړي چې د ډیری ناروغیو لاملونه پوه کړو.

شکل 2. د پروټین ټوټیسټینګ ماډل د DeepMind د الفا فولډ سره.

اوس موږ دوه سوه ملیون پروټین پیژنو، مګر موږ د دوی د یوې کوچنۍ برخې جوړښت او فعالیت په بشپړ ډول پوهیږو. پروټینونه دا د ژوندیو موجوداتو بنسټیز جوړښت دی. دوی په حجرو کې د ډیری پروسو لپاره مسؤل دي. دوی څنګه کار کوي او څه کوي د دوی د 50D جوړښت لخوا ټاکل کیږي. دوی پرته له کوم لارښوونو مناسب شکل اخلي، د فزیک قوانینو لخوا الرښوونه کیږي. د لسیزو راهیسې، تجربوي میتودونه د پروټینونو شکل ټاکلو لپاره اصلي میتود دی. په XNUMXs کې، کارول د ایکس رے کریسټالوګرافیک میتودونه. په تیرو لسیزو کې، دا د انتخاب د څیړنې وسیله ګرځیدلې. کرسټال مایکروسکوپي. په 80 او 90 کلونو کې، د پروټینونو شکل معلومولو لپاره د کمپیوټر کارولو کار پیل شو. په هرصورت، پایلې لاهم د ساینس پوهانو قناعت نه کوي. هغه طریقې چې د ځینو پروټینونو لپاره کار کوي د نورو لپاره کار نه کوي.

لا دمخه په 2018 کې الفا فولډ د متخصصینو لخوا پیژندل شوی د پروټین ماډلینګ. په هرصورت، په هغه وخت کې دا د نورو پروګرامونو سره ورته طریقې کارولې. ساینس پوهانو تاکتیکونه بدل کړل او یو بل یې رامینځته کړ چې د پروټین مالیکولونو په فولډ کې د فزیکي او جیومیټریک محدودیتونو په اړه معلومات هم کاروي. الفا فولډ نا مساوي پایلې ورکړي. ځینې ​​​​وختونه یې ښه کړي، کله ناکله بد. مګر د هغه وړاندوینې نږدې دوه پر دریمه برخه د تجربوي میتودونو لخوا ترلاسه شوي پایلو سره سمون لري. د کال 2 په پیل کې، الګوریتم د SARS-CoV-3 ویروس د څو پروټینونو جوړښت تشریح کړ. وروسته، دا وموندل شوه چې د Orf2020a پروټین لپاره وړاندوینې د تجربو ترلاسه شوي پایلو سره مطابقت لري.

دا نه یوازې د پروټین فولډ کولو داخلي لارو مطالعه کول دي ، بلکه د ډیزاین په اړه هم دي. د NIH BRAIN نوښت څخه څیړونکو کارول ماشین زده کړه یو پروټین رامینځته کړئ چې کولی شي په ریښتیني وخت کې د دماغ سیروټونین کچه تعقیب کړي. سیروټونین یو نیورو کیمیکل دی چې دماغ زموږ فکرونه او احساسات څنګه کنټرولوي مهم رول لوبوي. د مثال په توګه، ډیری ضد ضد درمل د سیرټونین سیګنالونو بدلولو لپاره ډیزاین شوي چې د نیورونونو ترمنځ لیږدول کیږي. د سیل په ژورنال کې په یوه مقاله کې، ساینس پوهانو تشریح کړه چې دوی څنګه پرمختللي کاروي د جنیټیک انجینرۍ میتودونه د باکتریا پروټین په یوه نوي څیړنیز وسیله بدل کړئ چې کولی شي د اوسني میتودونو په پرتله د ډیر دقت سره د سیرټونین لیږد تعقیبولو کې مرسته وکړي. پری کلینیکي تجربو، ډیری په موږکانو کې، ښودلې چې سینسر کولی شي په سمدستي توګه د خوب، ویره او ټولنیز تعامل په وخت کې د دماغ سیروټونین په کچه کې فرعي بدلونونه کشف کړي، او د نوي رواني درملو اغیزمنتوب معاینه کړي.

د وبا په وړاندې مبارزه تل بریالۍ نه وه

په هرصورت، دا لومړۍ ناروغي وه چې موږ یې په MT کې لیکلي وو. په هرصورت ، د مثال په توګه ، که موږ د وبا د پراختیا پروسې په اړه وغږیږو ، نو په لومړي مرحله کې ، AI داسې بریښي چې یو څه ناکامي وي. پوهانو دا شکایت کړی دی مصنوعي استخبارات د پخوانیو ناروغیو د معلوماتو پراساس د کورونویرس د خپریدو اندازې په سمه توګه وړاندوینه نشي کولی. "دا حلونه په ځینو برخو کې ښه کار کوي، لکه د مخونو پیژندل چې یو مشخص شمیر سترګې او غوږونه لري. SARS-CoV-2 ناروغي دا دمخه نامعلومې پیښې او ډیری نوي تغیرات دي ، نو د تاریخي معلوماتو پراساس مصنوعي استخبارات چې د روزنې لپاره کارول شوي ښه کار نه کوي. وبا وښودله چې موږ اړتیا لرو د نورو ټیکنالوژیو او چلندونو په لټه کې شو ، "د سکالټیک څخه ماکسیم فیډوروف د اپریل په 2020 کې روسی رسنیو ته په یوه بیان کې وویل.

د وخت په تیریدو سره شتون درلود په هرصورت الګوریتمونه چې داسې بریښي چې د COVID-19 پروړاندې مبارزه کې د AI لوی ګټورتوب ثابت کړي. په متحده ایالاتو کې ساینس پوهانو د 2020 په مني کې یو سیسټم رامینځته کړ ترڅو د COVID-19 سره په خلکو کې د ټوخي ځانګړتیاوې وپیژني ، حتی که دوی نور نښې ونه لري.

کله چې واکسینونه راڅرګند شول، دا نظر د خلکو د واکسین کولو کې د مرستې لپاره زیږیدلی و. هغه کولی شي، د بیلګې په توګه د واکسینونو د ترانسپورت او لوژستیک ماډل سره مرسته کول. همدارنګه د دې په ټاکلو کې چې کوم نفوس باید لومړی واکسین شي ترڅو د وبا سره ګړندي چلند وکړي. دا به د غوښتنې وړاندوینې کې هم مرسته وکړي او په لوژستیک کې د ستونزو او خنډونو په ګړندي پیژندلو سره د واکسین کولو وخت او سرعت اصلاح کړي. د دوامداره څارنې سره د الګوریتمونو ترکیب کولی شي د احتمالي اړخیزو اغیزو او روغتیا پیښو په اړه ګړندي معلومات چمتو کړي.

دا د AI په کارولو سره سیسټمونه د روغتیایی خدماتو د ښه کولو او ښه کولو په برخه کې لا دمخه پیژندل شوی. د دوی عملي ګټې تعریف شوې؛ د مثال په توګه، د روغتیا پاملرنې سیسټم د متحده ایالاتو په سټینفورډ پوهنتون کې د میکرو - سترګو لخوا رامینځته شوی. لکه څنګه چې د ډیری نورو طبي ادارو قضیه ده، ستونزه د ناروغانو نشتوالی و چې د ګمارنې لپاره یې نه و ښودلی. میکرو سترګې یو سیسټم جوړ کړی چې کولی شي په معتبر ډول وړاندوینه وکړي چې کوم ناروغان شتون نلري. په ځینو حاالتو کې، هغه کولی شي د کلینیکونو لپاره بدیل وختونه او ځایونه هم وړاندیز کړي، کوم چې به د ناروغ د لیدلو امکانات زیات کړي. وروسته، ورته ټیکنالوژي د ارکنساس څخه تر نایجیریا پورې په مختلفو ځایونو کې د ملاتړ سره پلي شوه، په ځانګړې توګه د نړیوالې پراختیا لپاره د متحده ایاالتو ادارې i.

په تنزانیا کې، میکرو - سترګو په یوه پروژه کار کاوه چې موخه یې درلوده د ماشومانو د واکسین کولو نرخونو زیاتوالی. سافټویر تحلیل کړی چې د واکسین ټاکل شوي مرکز ته څومره دوزونو واکسین لیږلو ته اړتیا لري. هغه دا هم و ارزول چې کومې کورنۍ د خپلو ماشومانو د واکسین کولو لپاره زړه نازړه وي، مګر دوی د مناسبو دلیلونو او په مناسب ځای کې د واکسین مرکز موقعیت سره قانع کولی شي. د دې سافټویر په کارولو سره، د تانزانیا حکومت توانیدلی چې د خپل معافیت پروګرام اغیزمنتوب 96٪ زیات کړي. او د واکسین ضایعات په هر 2,42 خلکو کې 100 ته راکم کړي.

په سیرا لیون کې، چیرې چې د اوسیدونکو روغتیایی معلومات ورک شوي، شرکت هڅه وکړه چې دا د تعلیم په اړه معلوماتو سره سمون ومومي. دا معلومه شوه چې یوازې د ښوونکو او زده کونکو شمیر د 70 سلنې وړاندوینې لپاره کافي و. د دې دقت چې آیا سیمه ایز کلینیک پاکو اوبو ته لاس رسی لري، کوم چې دمخه د خلکو د روغتیا په اړه د معلوماتو نقشه ده (3).

3. په افریقا کې د AI لخوا پرمخ وړل شوي روغتیا پاملرنې برنامو میکرو - سترګو بیلګه.

د ماشین ډاکټر افسانه له لاسه نه ورکوي

د ناکامیو سره سره واټسن د تشخیص نوې طریقې لاهم رامینځته کیږي او ډیر او پرمختللي ګڼل کیږي. پرتله کول په سویډن کې په سپتمبر 2020 کې ترسره شوي. د سینې سرطان په تشخیص کې کارول کیږي وښودله چې د دوی څخه غوره د رادیولوژیست په څیر کار کوي. الګوریتمونه د معمول سکرینینګ پرمهال ترلاسه شوي نږدې نهه زره میموګرافي عکسونو په کارولو سره ازمول شوي. درې سیسټمونه، چې د AI-1، AI-2 او AI-3 په نوم نومول شوي، د 81,9٪، 67٪ دقت ترلاسه کړی. او 67,4٪. د پرتله کولو لپاره، د رادیولوژی پوهانو لپاره چې دا انځورونه د لومړي په توګه تشریح کوي، دا شمیره 77,4٪ وه، او په قضیه کې. رادیولوژیستدوهم څوک چې دا تشریح کوي، دا 80,1 سلنه وه. د الګوریتمونو ترټولو غوره د دې وړتیا هم درلوده چې هغه قضیې کشف کړي چې رادیولوژیست د سکرینینګ پرمهال له لاسه ورکړي ، او میرمنې له یو کال څخه په کم وخت کې د ناروغ په توګه تشخیص شوې.

د څیړونکو په وینا، دا پایلې دا ثابتوي د مصنوعي استخباراتو الګوریتم د رادیولوژیست لخوا رامینځته شوي غلط - منفي تشخیص سمولو کې مرسته وکړئ. د اوسط رادیولوژیست سره د AI-1 ظرفیتونو ترکیب د سینې سرطان کشف شوي شمیر 8٪ ډیر کړی. په شاهي انسټیټیوټ کې ټیم چې دا څیړنه ترسره کوي تمه لري د AI الګوریتم کیفیت وده ته دوام ورکړي. د تجربې بشپړ توضیحات په JAMA اونکولوژي کې خپاره شوي.

W په پنځه نقطه پیمانه. اوس مهال، موږ د پام وړ ټیکنالوژیک سرعت شاهدان یو او د IV کچې ته رسیدو (لوړ اتومات)، کله چې سیسټم په خپلواکه توګه ترلاسه شوي ډاټا پروسس کوي او متخصص ته دمخه تحلیل شوي معلومات چمتو کوي. دا وخت خوندي کوي، د انساني تېروتنې مخنیوی کوي او د ناروغ ډیر اغیزمن پاملرنې چمتو کوي. دا هغه څه دي چې څو میاشتې دمخه یې قضاوت وکړ Stan A.I. هغه ته نږدې د طب په برخه کې، پروفیسور. جانوس برازیویچ د اټومي درملو لپاره د پولنډ ټولنې لخوا د پولنډ پریس اژانس ته په یوه بیان کې.

4. د طبي انځورونو د لیدلو ماشین

الګوریتم، د داسې متخصصینو په وینا لکه پروفیسور. برازیویچحتی په دې صنعت کې اړین دی. دلیل د تشخیصی امیجنګ ازموینو په شمیر کې ګړندی زیاتوالی دی. یوازې د 2000-2010 مودې لپاره. د MRI ازموینو او ازموینو شمیر لس چنده زیات شوی دی. له بده مرغه، د شته متخصص ډاکټرانو شمیر چې کولی شي په چټکه او باوري توګه ترسره کړي. د وړ تخنیکرانو کمښت هم شتون لري. د AI-based الګوریتم پلي کول وخت خوندي کوي او د پروسیجرونو بشپړ معیاري کولو ته اجازه ورکوي، په بیله بیا د انساني غلطۍ مخنیوی او د ناروغانو لپاره ډیر اغیزمن، شخصي درملنې.

لکه څنګه چې دا معلومه شوه، هم عدلي طب ګټه پورته کولای شي د مصنوعي استخباراتو پراختیا. په دې برخه کې متخصصین کولی شي د مړو د مړینې دقیق وخت د کیمیاوي تحلیلونو له لارې د کیمیاوي تحلیلونو او نورو مخلوقاتو چې په مړو نسجونو کې تغذیه کوي وټاکي. یوه ستونزه رامینځته کیږي کله چې د مختلف ډوله نیکروفیجونو څخه د سرایتونو ترکیب په تحلیل کې شامل شي. دا هغه ځای دی چې د ماشین زده کړه لوبې ته راځي. د الباني پوهنتون ساینس پوهانو پرمختګ کړی د مصنوعي استخباراتو یوه طریقه چې د ژمې د ډولونو ګړندۍ پیژندلو ته اجازه ورکوي د دوی د "کیمیاوي ګوتو نښو" پر بنسټ. ټیم خپل کمپیوټر پروګرام د شپږو ډولونو مچانو څخه د کیمیاوي رطوبتونو د مختلفو ترکیبونو په کارولو سره وروزل. هغه د ډله ایز سپیکرومیټري په کارولو سره د حشراتو لاروا کیمیاوي لاسلیکونه وپیژندل، کوم چې کیمیاوي توکي په دقت سره د آون د بریښنا چارج ته د ډله ایز تناسب اندازه کولو سره پیژني.

نو، لکه څنګه چې تاسو لیدلی شئ، په هرصورت AI د تحقیقاتي جاسوس په توګه ډیر ښه ندی، دا په عدلي لابراتوار کې خورا ګټور کیدی شي. شاید موږ په دې مرحله کې د هغې څخه ډیره تمه درلوده، د الګوریتمونو تمه کول چې ډاکټران به له کار څخه لرې کړي (5). کله چې موږ ګورو مصنوعي استخبارات په حقیقت کې، د عمومي پرځای په ځانګړو عملي ګټو تمرکز کول، په طب کې د هغې مسلک یو ځل بیا خورا ژمن ښکاري.

5. د ډاکټر د موټر لید