بیماری سل سالانه جان ۱.۲ میلیون نفر را در سراسر جهان می‌گیرد. در حالی که کشور‌های توسعه یافته به خوبی توانسته‌اند با این بیماری مقابله کنند، اما در کشور‌های توسعه نیافته این بیماری یک بحران بزرگ است. هوش مصنوعی حالا شاید بتواند بتواند به ریشه کن شدن بیماری سل کمک کند.
سل یک بیماری قابل درمان است، اما هر ساله میلیون‌ها مورد بیماری سل تشخیص داده نمی‌شوند. اغلب به این دلیل که مردم دسترسی مناسبی به خدمات مراقبت‌های بهداشتی ندارند. بهبود تشخیص برای ریشه‌کن کردن سل بسیار مهم است و هوش مصنوعی می‌تواند نقش مهمی در بهبود تشخیص و کمک به دسترسی بیشتر و مقرون به صرفه‌تر شدن مراقبت برای مردم در سراسر جهان داشته باشد.
نقش هوش مصنوعی در درمان بیماری سل
از سرفه گرفته تا گفتار و حتی نفس، صداهایی که بدن تولید می‌کند مملو از اطلاعات مربوط به وضعیت سلامتی انسان است. سرنخ‌های ظریفی که در این صداهای بیوآکوستیک پنهان شده‌اند، این پتانسیل را دارند که انقلابی در نحوه غربالگری، تشخیص، نظارت و مدیریت طیف وسیعی از شرایط سلامتی مانند سل یا بیماری مزمن انسدادی ریه ایجاد کنند.
پژوهشگران گوگل حالا به دنبال استفاده از این صداها هستند. صداهایی که با گوشی‌های پزشکی قابل شنیدن است اما شاید هوش انسانی نتواند به خوبی بیماری پشت این صداها را تشخیص دهد. هدف گوگل توسعه یک هوش مصنوعی است که بتواند همان صداهایی که پزشکان با استفاده از گوشی‌ها از وضعیت سرفه‌ها یا تنفس ما دریافت می‌کنند را با استفاده از هوش مصنوعی تحلیل کنند تا تشخیص بیماری بسیار ساده‌تر شود. این موضوع می‌تواند به تشخیص به موقع بیماری‌های مختلف از جمله بیماری سل کمک کند.
هوش مصنوعی HeAR گوگل برای تشخیص بیماری از صدای سرفه
در اوایل سال ۲۰۲۴ پژوهشگران گوگل از هوش مصنوعی HeAR رونمایی کردند. HeAR مخفف عبارت Health Acoustic Representations یا نمایش صوتی سلامت است. هوش مصنوعی HeAR یک مدل فونداسیون زیست آکوستیک است که برای کمک به محققان طراحی شده است تا مدل‌هایی بسازند که می‌توانند به صداهای انسان گوش دهند و علائم اولیه بیماری را نشان دهند.
هوش مصنوعی HeAR بر روی 300 میلیون قطعه داده صوتی که از یک مجموعه داده متنوع و ناشناس آموزش داده شده است. همچنین مدل سرفه با استفاده از تقریباً 100 میلیون صدای سرفه آموزش داده شده است. HeAR یاد می‌گیرد که الگوهای صداهای مرتبط با سلامت را تشخیص دهد و پایه‌ای قدرتمند برای تجزیه و تحلیل صوتی پزشکی ایجاد کند.
مدل‌هایی که با استفاده از HeAR آموزش دیده‌اند، همچنین با داده‌های آموزشی کمتر، به عملکرد بالایی دست یافته‌اند، که عاملی حیاتی در دنیای اغلب داده‌های کمیاب تحقیقات بهداشتی است.
HeAR اکنون در دسترس پژوهشگران است تا توسعه مدل‌های بیوآکوستیک سفارشی با داده‌ها را تسریع کند. هدفتیم پژوهشی گوگل این است که تحقیقات بیشتری را در مورد مدل‌ها برای شرایط و جمعیت‌های خاص انجام دهند، حتی اگر داده‌ها کمیاب باشند یا اگر موانع هزینه یا محاسباتی وجود داشته باشد.
Swaasa® با کمک HeAR می‌تواند به کاهش سل در هند کمک کند
Salcit Technologies، یک شرکت مراقبت های بهداشتی تنفسی مستقر در هند، محصولی به نام Swaasa® ساخته است که از هوش مصنوعی برای تجزیه و تحلیل صداهای سرفه و ارزیابی سلامت ریه استفاده می کند. اکنون، این شرکت در حال بررسی این موضوع است که چگونه HeAR می‌تواند به گسترش قابلیت های مدل‌های هوش مصنوعی زیست آکوستیک خود کمک کند. برای شروع، Swaasa® از HeAR برای کمک به تحقیق و تقویت تشخیص زودهنگام سل بر اساس صداهای سرفه استفاده می کند.
Swaasa® سابقه استفاده از یادگیری ماشینی برای کمک به تشخیص زودهنگام بیماری ها، پر کردن شکاف با دسترسی، مقرون به صرفه بودن و مقیاس پذیری را با ارائه ارزیابی سلامت تنفسی مستقل از مکان و بدون تجهیزات دارد. با HeAR، آنها فرصتی برای گسترش غربالگری سل در سراسر هند با استفاده از این تحقیق می بینند.
پایان سل تا سال ۲۰۳۰؟
سازمان‌هایی نظیر The StopTB Partnership که کارشناسان سل و جوامع آسیب‌دیده را با هدف پایان دادن به سل تا سال 2030 گرد هم می‌آورد یکی از نهاد‌‌هایی است که از این رویکرد حمایت می‌کند. Zhi Zhen Qin، متخصص سلامت دیجیتال گفت: «راه‌حل‌هایی مانند HeAR آنالیز آکوستیک مبتنی بر هوش مصنوعی را قادر می‌سازد تا زمینه جدیدی را در غربالگری و تشخیص سل ایجاد کند و ابزار بالقوه کم تأثیر و در دسترس را برای کسانی که بیشتر به آن نیاز دارند، ارائه دهد.»
HeAR یک گام مهم رو به جلو در تحقیقات سلامت آکوستیک است. تیم پژوهشی گوگل امیدوار است که توسعه ابزارهای تشخیصی و راه‌حل‌های نظارتی آینده در زمینه‌های بیماری سل، قفسه سینه، ریه و سایر بیماری‌ها را پیش ببرند و از طریق تحقیقات خود به بهبود نتایج سلامتی برای جوامع در سراسر جهان کمک کنند. محققان حالا می‌توانند با API به HeAR دسترسی داشته باشند. این تیم از محققین برای استفاده از HeAR دعوت می‌کند.
