هوش مصنوعی ابزاری کلیدی برای مدیریت بحران‌های زیستی

به گزارش پایگاه اطلاع رسانی پایداری ملی، دومین همایش هوش مصنوعی و پدافند غیرعامل با رویکرد سلامت و پدافند زیستی به همت انجمن علمی پدافند غیرعامل در نظام سلامت ایران و همکاری اندیشکده راهبردی سلامت امید با حضور سردار دکتر غلامرضا جلالی، رئیس سازمان پدافند غیرعامل کشور، معاونین این سازمان و جمعی از اساتید دانشگاه، نخبگان و پژوهشگران حوزه هوش مصنوعی و پدافند زیستی برگزار شد.
این همایش در سه محور اصلی شامل پدافند زیستی و هوش مصنوعی، هوش مصنوعی در تشخیص و درمان و رصد، پایش و مدیریت سلامت برگزار شد.

دکتر علیرضا جلالی، عضو هیئت علمی دانشگاه علوم پزشکی بقیه‌الله و دبیر علمی این همایش، در سخنرانی افتتاحیه به اهمیت گسترش استفاده از فناوری‌های نوین در نظام سلامت و پدافند غیرعامل اشاره کرد و گفت: هوش مصنوعی به‌عنوان یکی از ابزار‌های کلیدی در مدیریت بحران‌های زیستی و سلامت، نقشی بی‌بدیل در پیشگیری، تشخیص و درمان بیماری‌ها ایفا می‌کند. این فناوری علاوه بر افزایش دقت و سرعت در تشخیص، امکان پیش‌بینی شیوع بیماری‌ها و مدیریت بهینه منابع را نیز فراهم می‌کند.

وی در ادامه سخنان خود، به پیشرفت‌های جهانی در زمینه هوش مصنوعی و ضرورت بهره‌برداری از این دانش در کشور اشاره کرد و اظهار داشت: در حال حاضر، هوش مصنوعی در دنیا در حال رشد تصاعدی است و حوزه سلامت یکی از مهم‌ترین بستر‌های این فناوری محسوب می‌شود. با تحلیل داده‌های بزرگ (Big Data)، هوش مصنوعی می‌تواند الگو‌های بیماری‌ها را شناسایی کرده، روند‌های اپیدمی را پیش‌بینی کند و نقش مهمی در توسعه دارو‌ها و واکسن‌های جدید داشته باشد.

تمرکز بر نقش هوش مصنوعی در سلامت و پدافند زیستی

دکتر جلالی با اشاره به تجربه همه‌گیری ویروس کرونا، نقش هوش مصنوعی در مدیریت این بحران را برجسته دانست و گفت: در دوران کرونا، شاهد کمبود‌هایی در پیش‌بینی و مدیریت شیوع بیماری بودیم. اما هوش مصنوعی می‌تواند با استفاده از داده‌های ژنتیکی، اطلاعات آب‌وهوایی و تحلیل سفرها، نقاط پرخطر را شناسایی کرده و از گسترش بیماری جلوگیری کند. همچنین، با تحلیل داده‌های تصویری نظیر CT-Scan، این فناوری توانست در تشخیص زودهنگام بیماری‌ها عملکرد چشمگیری داشته باشد.

وی در ادامه، نقش هوش مصنوعی در مدیریت منابع انسانی و مالی در نظام سلامت را تشریح کرد و افزود: در بحران‌های سلامت، مدیریت تخت‌های بیمارستانی و منابع انسانی مانند پزشکان و پرستاران یکی از چالش‌های اساسی است. با بهره‌گیری از هوش مصنوعی، می‌توان این منابع را بهینه‌سازی و از هدررفت آن‌ها جلوگیری کرد. به‌عنوان مثال، در دوران کرونا، در بسیاری از موارد به دلیل نبود تحلیل دقیق داده‌ها، شاهد تعطیلی گسترده شهر‌ها و کسب‌وکار‌ها بودیم؛ درحالی‌که با ردیابی دقیق نقاط تمرکز آلودگی، می‌توانستیم اقدامات بهتری انجام دهیم.

تحلیل داده‌های پزشکی و شخصی‌سازی درمان

دبیر علمی همایش در بخش دیگری از سخنرانی خود به اهمیت تحلیل داده‌های پزشکی اشاره کرد و گفت: هوش مصنوعی در شناسایی الگو‌های بیماری و تحلیل داده‌های پزشکی نقش بی‌بدیلی دارد. امروزه با وجود پرونده‌های الکترونیکی سلامت و داده‌های پزشکی ذخیره‌شده در بیمارستان‌ها، این فناوری می‌تواند با تحلیل داده‌ها، استعداد ابتلا به بیماری‌ها را پیش‌بینی کند و حتی درمان‌های شخصی‌سازی‌شده برای بیماران ارائه دهد.

وی با اشاره به مفهوم «پزشکی شخصی‌سازی‌شده»، گفت: راساس ژنوتیپ و اطلاعات ژنتیکی هر فرد، هوش مصنوعی می‌تواند دارو‌ها و درمان‌هایی را پیشنهاد دهد که کمترین عوارض و بیشترین اثربخشی را داشته باشند. این موضوع نه‌تن‌ها به بهبود درمان بیماران کمک می‌کند، بلکه هزینه‌های نظام سلامت را نیز به‌شدت کاهش می‌دهد.