هوش مصنوعی (AI) اساسا پزشکی و مراقبت‌های بهداشتی را تغییر خواهد داد؛ به عنوان مثال با استفاده از ECG، EEG یا اشعه ایکس، می‌توان با کمک یادگیری ماشینی داده‌های تشخیصی بیمار را تجزیه و تحلیل کرد، به طوری که بیماری‌ها را می‌توان بر اساس تغییرات ظریف در مراحل اولیه تشخیص داد. با این حال کاشت هوش مصنوعی در بدن انسان هنوز یک چالش مهم فنی است.
دانشمندان دانشگاه TU درسدن آلمان اکنون برای اولین بار موفق به توسعه یک پلت فرم AI قابل کاشت سازگار با محیط زیست شده‌اند که الگو‌های سالم و آسیب شناختی را در سیگنال‌های بیولوژیکی مانند ضربان قلب طبقه بندی کرده و تغییرات پاتولوژیک را حتی بدون نظارت پزشک تشخیص می‌دهد. نتایج این تحقیقات در مجله Science Advances منتشر شده است.
در این کار، تیم تحقیقاتی به رهبری پروفسور کارل لئو، دکتر هانس کلمن و متئو کوچی روشی را برای طبقه بندی زمان واقعی سیگنال‌های زیستی سالم و بیمار بر اساس یک تراشه AI زیست سازگار نشان می‌دهد. آن‌ها از شبکه‌های فیبر مبتنی بر پلیمر استفاده کردند که از نظر ساختاری شبیه مغز انسان هستند و اصل هوش مصنوعی نورومورفیک محاسبه مخزن را فعال می‌کنند. آرایش تصادفی الیاف پلیمری به اصطلاح «شبکه مکرر» را تشکیل می‌دهد که به آن امکان پردازش داده‌ها، مشابه مغز انسان را می‌دهد. غیر خطی بودن این شبکه‌ها قادر است حتی کوچکترین تغییرات سیگنال را تقویت کند، که برای مثال در مورد ضربان قلب ارزیابی آن‌ها اغلب برای پزشکان دشوار است؛ با این حال تبدیل غیر خطی با استفاده از شبکه پلیمر این امکان را بدون هیچ مشکلی امکان پذیر می‌کند.
در آزمایش‌ها، هوش مصنوعی توانست ضربان قلب سالم را از سه آریتمی رایج با میزان دقت ۸۸ درصد تشخیص دهد. در این فرآیند، شبکه پلیمری انرژی کمتری نسبت به دستگاه ضربان ساز مصرف می‌کرد. برنامه‌های کاربردی بالقوه برای سیستم‌های هوش مصنوعی قابل کاشت متعدد است: به عنوان مثال می‌توان از آن‌ها برای نظارت بر آریتمی‌های قلبی یا عوارض بعد از عمل استفاده کرد و آن‌ها را از طریق تلفن هوشمند به پزشکان و بیماران گزارش داد و امکان کمک سریع پزشکی را فراهم کرد.
دکتر ماتئو کوچی اولین محقق این مطالعه توضیح می‌دهد: چشم انداز ترکیب الکترونیک مدرن با زیست شناسی در سال‌های اخیر با توسعه رسانا‌های به اصطلاح مخلوط آلی پیشرفت زیادی داشته است، با این حال تاکنون موفقیت‌ها به اجزای الکترونیکی ساده مانند سیناپس‌ها یا حسگر‌های محدود، محدود شده است. حل کار‌های پیچیده تاکنون امکان پذیر نبوده است. در این مطالعه ما اکنون گامی اساسی در جهت تحقق این چشم انداز برداشته‌ایم. با استفاده از قدرت محاسبات نورومورفیک، مانند محاسبات مخزنی که در اینجا استفاده می‌شود، ما نه تنها موفق به حل وظایف طبقه بندی پیچیده در زمان واقعی شده‌ایم، بلکه به طور بالقوه قادر خواهیم بود این کار را در بدن انسان انجام دهیم. این رویکرد امکان توسعه هوشمندتر را ممکن می‌سازد و سیستم‌هایی در آینده که می‌توانند به نجات جان انسان‌ها کمک کنند.
باشگاهخبرنگاران جوان
