يجب أن تعلم | في صلب الموضوع | للاطلاع | رقم اليوم | شخصية اليوم | مصطلح اليوم
خوارزمية تقرأ بيانات المريض من السجلات الطبية الإلكترونية وتتنبأ بها
طور علماء في كلية طب ماونت سيناي بمدينة نيويورك الأميركية خوارزمية ذكاء اصطناعي جديدة يمكنها قراءة بيانات المريض والتنبؤ بها من السجلات الطبية الإلكترونية (EHRs). والطريقة الجديدة التي تسمى (Phe2vec) يمكنها التعرف بدقة على المرضى الذين يعانون من أمراض معينة. وقد ثبت أنها دقيقة تماماً، مثل الطريقة التقليدية الأكثر شيوعاً حالياً، والتي تتطلب الكثير من العمل اليدوي.
يعتمد العلماء حالياً على برمجيات وخوارزميات حاسوبية لاستخراج المعلومات من السجلات الطبية. والنظام المستخدم في تطوير وتخزين هذه الخوارزميات هو نظام يسمى قاعدة معرفة النمط الظاهري (PheKB)، وهو نظام فعال للغاية في تشخيص حالات المرضى بشكل صحيح، ولكن يتعين على الباحثين مراجعة العديد من السجلات الطبية والبحث عن أجزاء البيانات أولاً.
ويقول الدكتور بنيامين جليكسبرج، أحد مؤلفي الدراسة التي تم فيها الإعلان عن التقنية الجديدة، إن هناك انفجاراً في كميات وأنواع البيانات المخزنة إلكترونياً في السجل الطبي للمريض. وفك هذه الشبكة المعقدة من البيانات يمكن أن يكون مرهقاً للغاية، وبالتالي يبطئ التقدم في الأبحاث السريرية. ويضيف: "في هذه الدراسة، طورنا طريقة جديدة لاستخراج البيانات من السجلات الطبية الإلكترونية باستخدام التعلم الآلي، الأسرع والذي يتطلب عمالة أقل من المعيار المعمول به حالياً. ونأمل أن تكون هذه أداة قيمة تسهل إجراء المزيد من الأبحاث في مجال المعلوماتية السريرية".
وفي الدراسة الجديدة -التي نُشرت في دورية (Patterns)- مكّن الباحثون الحاسوب من تعلم كيفية اكتشاف الأنماط الظاهرية للأمراض، الأمر الذي يوفر على الأطباء الوقت والجهد. ويشير الباحثون إلى أنه في هذا النهج تقوم الآلة بالكثير من العمل الذي يقوم به الخبراء في العادة لتحديد البيانات الموجودة في السجلات الطبية والتي تصف مرضاً معيناً بشكل أفضل. وأوضحوا أنهم قاموا ببرمجة الحاسوب لتصفح ملايين السجلات الطبية الإلكترونية ومعرفة كيفية تحديد الروابط بين البيانات والأمراض.
وقارن الباحثون بعد ذلك فعالية النظامين الجديد والقديم، ووجدوا أنه في تسعة من كل عشرة أمراض تم اختبارها، كان نظام (Phe2vec) الجديد يتمتع بنفس الفعالية، أو أفضل قليلاً، من نظام معرفة النمط الظاهري الذي يُعد "المعيار الذهبي" في التشخيص حالياً. وتشمل هذه الأمراض الخرف والتصلب المتعدد وفقر الدم المنجلي وغيرها من الأمراض.
الرابط (إنجليزي)
الذكاء الاصطناعي لتقدير مستوى مشكلة السمنة في منطقة ما
كشفت دراسة جديدة عن أن الذكاء الاصطناعي يمكنه استخدام صور الأقمار الصناعية لتقدير مستوى السمنة في منطقةٍ ما؛ إذ يعتمد النظام على إشارات معينة، مثل توزيع المباني والأشجار، ومقدار المساحات المخصصة للجري، والملاعب الرياضية.
قام الباحثون بتحميل ما يقرب من 150 ألف صورة للأقمار الصناعية لخرائط جوجل لـ1695 منطقة في أربع مدن؛ وهي: لوس أنجلس، وكاليفورنيا، وتكساس، ومنطقة سياتل، بعد ذلك أدخل العلماء الصور في خوارزمية للذكاء الاصطناعي.
كشفت تلك الخوارزميات عن أنماط معينة داخل الصور، وبمقارنة الصور مع بيانات مركز مكافحة السمنة في تلك المدن اتضح للباحثين أن المدن المكتظة بالمباني والتي تخلو من مساحات خضراء بما يكفي كانت قد سجلت أعلى النسب في السمنة. وقال الباحثون: "تشير الدراسة إلى أن تقييم معدلات السمنة في منطقة ما قد يساعد مخططي المدن على تحديد مناطق تتسم بكونها أكثر نشاطاً أو اختيار أماكن للأطعمة الصحية".
الرابط
الذكاء الاصطناعي يساعد السيارات على اكتشاف الحفر
قد يُمكن الذكاء الاصطناعي سيارتك قريباً من رصد الفجوات والحفر تلقائياً أثناء سيرها على الطرق غير الممهدة تماماً.
وفي دراسة نشرها باحثون من المعهد الكوري للهندسة المدنية وتكنولوجيا البناء، أوضح المؤلفون أن ظروف الطريق السيئة تشكل خطراً كبيراً على سلامة السيارات، خاصة في حالة السيارات ذاتية القيادة. وقد تتسبب الحفر في فقدان السائق -أو نظام تشغيل السيارة ذاتية القيادة- السيطرة على السيارة، ما يؤدي إلى الإصابة أو الوفاة.
وأضافوا -في دراستهم المنشورة في دورية (Electronics)- أنه يمكن تتبع حالة الطريق من خلال مجموعة متنوعة من الوسائل، بما في ذلك أجهزة استشعار الذبذبات والمسح بالليزر. بيد أن خوارزميات التعلم العميق منحت الباحثين مؤخراً القدرة على البدء في تطوير نماذج ذكاء اصطناعي يمكن أن تساعد السيارات على اكتشاف الحفر باستخدام الرؤية الحاسوبية.
لكن المهمة التي تبدو بسيطة، وهي اكتشاف حفرة في الطريق، هي في الواقع مشكلة معقدة بالنسبة للحاسوب أكثر مما قد نعتقد. فالطرق المفتوحة هي بيئات ديناميكية، وعندما يؤثر الطقس مثلاً على ظروف الإضاءة على الطريق، قد يكون أداء الذكاء الاصطناعي ضعيفاً، حتى على الطرق التي تدرب عليها سابقاً.
وللمساعدة في حل هذه المشكلة، استخدم الباحثون نموذج ذكاء اصطناعي قائم على الشبكات العصبونية الالتفافية (CNNs) (مصطلح اليوم)، حيث تقوم الشبكة العصبونية بتعديل سطوع الصور التي يراها جهاز الاستشعار قبل أن تصل الصور إلى نظام الذكاء الاصطناعي الذي يقول "نعم، هذه حفرة".
وفي الوقت الحالي، تقوم بعض الحكومات المحلية في كوريا الجنوبية بتجربة هذه التقنية، ويأمل الباحثون في زيادة عدد المناطق التي تجربها في المستقبل القريب. ويقول الباحث الرئيسي في الدراسة، سيونجكي ريو: "من الضروري الحفاظ على مرافق الطرق في حالة جيدة خلال حقبة المركبات ذاتية القيادة القادمة. وهذه التقنية القائمة على الذكاء الاصطناعي ستجعل الإدارة الفعالة للطريق أسهل كثيراً".
الرابط (إنجليزي)
|
