کتاب هوش مصنوعی در پزشکی

کتاب هوش مصنوعی در پزشکی نوشته زهرا خردمند و طاها محمدی، رابطه‌ی تحلیل داده‌ها با تشخیص بیماری، انتخاب درمان و مدیریت مراقبت‌های سلامت را بررسی می‌کند. مسئله‌ی اصلی این کتاب فقط توانایی الگوریتم‌ها نیست؛ کیفیت اطلاعات بیماران، امکان توضیح‌دادن تصمیم‌های ماشین و مسئولیت ناشی از خطا نیز در مرکز بحث قرار دارد. انتشارات قلم محقق این کتاب را منتشر کرده است. مطالب از مفاهیم یادگیری ماشین و شبکه‌های عصبی آغاز می‌شوند و به کاربردهای بالینی، امنیت داده‌ها و همکاری انسان و ماشین می‌رسند. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب هوش مصنوعی در پزشکی

کتاب هوش مصنوعی در پزشکی اثر زهرا خردمند و طاها محمدی، موضوع هوشمندسازی خدمات سلامت را در سه بخش و ۱۸ فصل دنبال می‌کند. نویسندگان بحث را از سامانه‌های خبره و روش‌های مبتنی بر قاعده آغاز کرده‌اند؛ ابزارهایی که براساس دانش ثبت‌شده و استنتاج منطقی، پیشنهادهای تشخیصی یا درمانی ارائه می‌کنند. توضیح یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی، زمینه‌ی شناخت روش‌هایی را فراهم می‌کند که الگوها را از داده‌ها استخراج می‌کنند. بخش نخست با عنوان «مقدمه و اصول پایه»، فصل‌هایی مانند «مفاهیم پایه و اصطلاحات کلیدی هوش مصنوعی» و «داده‌کاوی و تحلیل داده‌های بزرگ در حوزه سلامت» را در بر می‌گیرد. متن، مفاهیم فنی را کنار نمونه‌های پزشکی قرار داده است تا ارتباط میان روش محاسباتی و مسئله‌ی بالینی روشن شود. بحث آموزش و آزمایش مدل‌ها نیز نشان می‌دهد که یادگرفتن از نمونه‌های موجود با عملکرد معتبر در مواجهه با بیماران دیگر یکسان نیست.
کتاب هوش مصنوعی در پزشکی در بخش «کاربردهای هوش مصنوعی در تشخیص و درمان»، موضوعاتی مانند پیش‌بینی روند بیماری‌ها، رباتیک و جراحی‌های هوشمند، پردازش تصویر و شخصی‌سازی درمان را مطرح می‌کند. بخش «آینده و چالش‌های پیش رو» نیز به همکاری میان انسان و ماشین، مقررات، آموزش پزشکی و حفاظت از اطلاعات اختصاص دارد. یکی از محورهای مهم بحث، فاصله‌ی میان طراحی یک مدل و استفاده از مدل در مرکز درمانی است. نویسندگان عواملی مانند توان پردازشی، آموزش کارکنان، سازگاری داده‌های مراکز مختلف و پذیرش فناوری را در این فاصله مؤثر می‌دانند. معیارهایی مانند حساسیت، ویژگی، تعمیم‌پذیری و تفسیرپذیری نیز در ارزیابی سامانه‌ها مطرح شده‌اند. توجه به این معیارها، معرفی فناوری را از بیان توانایی‌های فنی فراتر می‌برد و به شرایط استفاده‌ی مسئولانه نزدیک می‌کند. خواننده با مجموعه‌ای از پرسش‌های مرتبط روبه‌رو می‌شود: مدل بر چه اطلاعاتی آموزش دیده است؟ نتیجه‌ی پیشنهادی چگونه توضیح داده می‌شود؟ مسئولیت خطا چگونه مشخص خواهد شد؟

خلاصه کتاب هوش مصنوعی در پزشکی

دغدغه‌ی اصلی کتاب هوش مصنوعی در پزشکی، تبدیل اطلاعات پراکنده‌ی سلامت به دانشی است که بتواند از تصمیم‌های بالینی پشتیبانی کند. پرونده‌های پزشکی، نتایج آزمایش‌ها، تصاویر، اطلاعات ژنتیکی و داده‌های دستگاه‌های پوشیدنی، مواد اولیه‌ی این فرایند هستند. الگوریتم‌ها می‌توانند روابط میان این اطلاعات را بررسی کنند و نشانه‌های خطر یا تغییر وضعیت بیمار را مشخص سازند. پیام محوری این است که موفقیت چنین سامانه‌هایی فقط به پیچیدگی مدل وابسته نیست. داده‌های نماینده‌ی گروه‌های مختلف، برچسب‌گذاری معتبر، آزمون مستقل و بازبینی مداوم، نقش تعیین‌کننده دارند. متن همچنین حفظ محرمانگی، جلوگیری از تبعیض و روشن‌بودن دلایل پیشنهادهای ماشینی را از الزامات ورود فناوری به مراقبت پزشکی می‌داند.

چرا باید کتاب هوش مصنوعی در پزشکی را بخوانیم؟

دلایل خواندن کتاب هوش مصنوعی در پزشکی را می‌توان این‌طور خلاصه کرد:

• توضیح تفاوت یادگیری نظارت‌شده و بدون نظارت، شناخت مقدماتی روش‌های تحلیل را فراهم می‌کند.
• بحث پیش‌پردازش و انتخاب ویژگی، نقش آماده‌سازی اطلاعات را روشن می‌کند.
• معرفی نقشه‌های گرمایی، نمونه‌ای از توضیح‌دادن پیش‌بینی مدل ارائه می‌دهد.
• بررسی موانع سازمانی، نیازهای ورود فناوری به محیط درمان را مشخص می‌سازد.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

کتاب هوش مصنوعی در پزشکی به این گروه‌ها پیشنهاد می‌شود:

• دانشجویان پزشکی که به شناخت کاربردهای محاسباتی در سلامت علاقه دارند.
• دانشجویان علوم داده که با مسائل بالینی آشنا می‌شوند.
• مدیران مراکز درمانی که دغدغه‌ی ارزیابی سامانه‌های هوشمند را دارند.