مقدمة

في مجال الطب ، يركز الذكاء الاصطناعي (AI) بشكل أساسي على تطوير الخوارزميات والتقنيات لتحديد ما إذا كان النظام يتصرف بشكل صحيح في تشخيص المرض. التشخيص الطبي هو مرض أو حالة تشرح علامات وأعراض الشخص. عادة ، يتم جمع المعلومات التشخيصية من التاريخ الطبي للمريض والفحص البدني. نظرًا لأن العديد من المؤشرات والأعراض غير واضحة ، لا يمكن إجراء التشخيص إلا من قبل مهنيين صحيين مدربين ، وهو أمر صعب في كثير من الأحيان. نتيجة لذلك ، تواجه البلدان التي تفتقر إلى عدد كافٍ من المهنيين الصحيين ، مثل البلدان النامية مثل بنغلاديش والهند ، صعوبات في توفير إجراءات التشخيص المناسبة لأكبر عدد من المرضى. بالإضافة إلى ذلك ، غالبًا ما تتطلب إجراءات التشخيص فحوصات طبية ، والتي غالبًا ما يجدها الأشخاص ذوو الدخل المنخفض باهظة الثمن وغير ميسورة التكلفة.

نظرًا لأن البشر عرضة للخطأ ، فليس من المستغرب أن يحدث التشخيص الزائد بشكل متكرر عند المرضى. يمكن أن يؤدي التشخيص المفرط إلى حدوث مشكلات مثل العلاج غير الضروري ، والذي يمكن أن يكون له تأثير خطير على صحة الفرد وموارده المالية. وفقًا لتقرير عام 2015 الصادر عن الأكاديميات الوطنية للعلوم والهندسة والطب ، سيواجه معظم الناس خطأً في التشخيص مرة واحدة على الأقل في حياتهم. هناك العديد من العوامل التي تؤثر على التشخيص الخاطئ ، بما في ذلك نقص الأعراض المناسبة ، والتي غالبًا ما تكون غير ملحوظة ، وحالات الأمراض النادرة ، والأمراض التي يتم تجاهلها بشكل خاطئ.

التعلم الآلي (ML) موجود في كل مكان تقريبًا ، من أحدث التقنيات (مثل الهواتف المحمولة وأجهزة الكمبيوتر والروبوتات) إلى الرعاية الصحية (أي تشخيص الأمراض والسلامة). أصبح التعلم الآلي شائعًا بشكل متزايد في مختلف المجالات ، بما في ذلك تشخيص الأمراض في مجال الرعاية الصحية. يُظهر العديد من الباحثين والممارسين الوعد بتشخيص الأمراض القائم على التعلم الآلي (MLBDD) ، وهو أمر رخيص وموفر للوقت. عمليات التشخيص التقليدية باهظة الثمن وتستغرق وقتًا طويلاً وتتطلب في كثير من الأحيان تدخلاً بشريًا. في حين أن قدرات الفرد تحد من تقنيات التشخيص التقليدية ، فإن الأنظمة القائمة على ml ليس لها مثل هذه القيود ، ولا تصبح الآلات مستنفدة بنفس الطريقة مثل البشر. نتيجة لذلك ، قد يتم تطوير طريقة لتشخيص الأمراض التي تتجاوز عدد المرضى الموجودين بشكل غير متوقع في الرعاية الصحية. يتم استخدام البيانات الطبية مثل الصور (مثل الأشعة السينية والتصوير بالرنين المغناطيسي) والبيانات المجدولة (مثل حالة المريض والعمر والجنس) عند بناء أنظمة MLBDD.

فوائد الكستانش للكلى

التعلم الآلي (ML) هو مجموعة فرعية من الذكاء الاصطناعي الذي يستخدم البيانات كمورد إدخال. غالبًا ما يصعب على البشر تحقيق النتائج التي تم الحصول عليها باستخدام وظائف رياضية محددة مسبقًا (التصنيف أو الانحدار). على سبيل المثال ، باستخدام ML ، غالبًا ما يكون من الأسهل تحديد موقع الخلايا الخبيثة في الصور المجهرية ، والذي غالبًا ما يمثل تحديًا من خلال النظر إلى الصور. علاوة على ذلك ، بفضل التقدم في التعلم العميق (شكل من أشكال التعلم الآلي) ، أظهرت الدراسات الحديثة أن MLBD أكثر دقة بنسبة 90 بالمائة. يعد مرض الزهايمر وفشل القلب وسرطان الثدي والالتهاب الرئوي مجرد عدد قليل من الأمراض التي قد يتمكن التعلم الآلي من التعرف عليها. يوضح ظهور خوارزميات التعلم الآلي في مجال تشخيص الأمراض فائدة التكنولوجيا في المجال الطبي.

في السنوات الأخيرة ، كانت الاختراقات في صعوبات التعلم الآلي في الطب ، مثل اختلال توازن البيانات وتفسير التعلم الآلي وأخلاقيات التعلم الآلي ، مجرد عدد قليل من العديد من المجالات الصعبة التي تحتاج إلى معالجة بسيطة. تقدم هذه الورقة نظرة عامة على التطبيقات الجديدة للتعلم الآلي والتعلم العميق في تشخيص الأمراض وتقدم نظرة عامة على التطورات في هذا المجال لإلقاء الضوء على الاتجاهات والنهج والقضايا الحالية في التعلم الآلي في تشخيص الأمراض. نبدأ بنظرة عامة على العديد من مناهج التعلم الآلي وتقنيات التعلم العميق ، بالإضافة إلى البنى المحددة لاكتشاف وتصنيف الأشكال المختلفة لتشخيص الأمراض.

انقر هنا للحصول علىتأثير مستخلص القسطرة على الكلى

باستخدام استنتاجات الأساليب الرياضية والإحصائية التي تسمح للآلات بالتعلم دون برمجة ، تم التعرف على هذا التقدم المهم لأول مرة في عام 1959 عندما اقترح آرثر صموئيل التعلم التجريبي للتعلم الآلي وخوارزميات التعرف على الأنماط في الألعاب.

يتمثل المبدأ الأساسي لـ ML في التعلم من البيانات من أجل إجراء تنبؤات أو قرارات بناءً على المهام المعينة.

بفضل تقنيات التعلم الآلي (ML) ، يمكن الآن إنجاز العديد من المهام التي تستغرق وقتًا طويلاً بسرعة وبأقل جهد ممكن. مع التوسع الهائل في طاقة الكمبيوتر وقدرة البيانات ، أصبح من السهل بشكل متزايد تدريب نماذج التعلم الآلي القائمة على البيانات للتنبؤ بالنتائج بدقة شبه مثالية. يقدم عدد من الأوراق مجموعة متنوعة من فئات أساليب تعلم الآلة. ومع ذلك ، يمكن تقسيم خوارزميات تعلم الآلة إلى عدة مجموعات فرعية ، بناءً على طرق التعلم المختلفة

أهمية الكلى لدينا:

الكلىهو أحد الأعضاء الهامة في جسم الإنسان ، من خلال إنتاج البول لإزالة المستقلبات ، لا يحتاج الجسم إلى فضلات تفرز ، ينظم ويحافظ على مياه الجسم والكهارل ، والتوازن الحمضي القاعدي ، ويشارك في ضبط ضغط الدم ، تكوين الدم والوظائف الفسيولوجية الأخرى عندما تتضرر وظائف الكلى ، ستعرض حياة الإنسان للخطر ، مما يدل على أهمية حماية وظائف الكلى ، كما أن للكلية وظيفة الغدد الصماء وتنظيم ضغط الدم, تكوين الدمsونمو نخاع العظامووظائف فسيولوجية أخرى.

سيستانش

الوضع الحالي لمرض الكلى:

أقر مؤتمر الخلافات KDIGO (أمراض الكلى: تحسين النتائج العالمية) حول الرعاية الداعمة بالحاجة الكبيرة للرعاية الداعمة للمرضى الذين يعانون من أمراض الكلى بسببhعبء ثقيل من الأعراض الجسدية والنفسية الاجتماعية ، وتقصير متوسط ​​العمر المتوقع ، وعبء كبير من الأمراض المصاحبة ، ولكن لاحظ أن الرعاية الداعمة غير مستغلة بشكل كافٍ. هذا المنظور من التحالف من أجل الرعاية الداعمة لمرضى الكلى تستعرض اللجنة التوجيهية التوصيات الوطنية والدولية المقترحة لتحسين الرعاية الداعمة للمرضى المصابين بأمراض خطيرة أو الذين يقتربون من الفشل الكلوي ويدعو إلى إجراء تغييرات عاجلة في السياسة.

طريقة التخفيف من مرض الكلى:

عقدت القمة العالمية الثانية لصحة الكلى التي تعقدها الجمعية الدولية لأمراض الكلىsخدمات الرعاية الداعمة التي غالبًا ما تُستخدم كمرادف للمسكنات ويفضلها معظم المرضى وأخصائيي الرعاية الصحية ، بما في ذلك الإدارة الطبية الفعالة بدون غسيل الكلى ، "عنصر أساسي" للرعاية الشاملة للكلى ، ومع ذلك فهي غير متوفرة إلى حد كبير في الولايات المتحدة. غسيل الكلى قد لايستفيد منها جميع المرضى المصابين بأمراض خطيرة ، وخاصة كبار السن الذين يعانون من أمراض مصاحبة أو ضعف أو خرف أو الذين يعتبرون الوقت الذي يقضونه في غسيل الكلى عبئًا غير عادي. ومع ذلك ، في حالة عدم وجود مسار منظم للإدارة الطبية الفعالة دون غسيل الكلى ، قد ينظر الأطباء والمرضى وأفراد الأسرة إلى الإدارة الطبية على أنها "لا تفعل شيئًا" وقد يشعرون بالضغط لبدء غسيل الكلى لتوفير بعض الرعاية. تتمحور الرعاية الداعمة حول المريض. قام مشروع الإجماع الوطني للرعاية التلطيفية ذات الجودة ، والمنتدى الوطني للجودة ، ومنظمات أخرى بتعريف الرعاية التلطيفية على أنها "رعاية تتمحور حول المريض والأسرة والتي تعمل على تحسين جودة الحياة من خلال توقع المعاناة والوقاية منها وعلاجها".

استخراج سيستانش

في الصين،الطب الصيني التقليدييحمل الخبرة والمعرفة النظرية للشعب الصيني القديم في مكافحة الأمراض. إنه نظام نظري طبي تم تشكيله وتطويره تدريجيًا من خلال ممارسة طبية طويلة الأمد بتوجيه من المادية البسيطة القديمة والجدلية التلقائية.سيستانشكنوع من الطب الصيني التقليدي ، يمكن أن يخفف بشكل فعال من أمراض الكلى.

شيئا عنسيستانش:

وظيفة:

أولاً ، يمكنه علاج نقص يانغ الكلوي ، ونقص الحيوانات المنوية والدم الناجم عن آلام الخصر والركبة والضعف ، والخمول ، والخوف من البرد والبرد ، والعجز الجنسي وتكوين الحيوانات المنوية ، والعقم البارد في القصر ، وما إلى ذلك.

ثانيًا ، يمكن تطبيقه لعلاج نقص الكلى ، والتهاب الخصر والركبة ، وفقدان الذاكرة ، والدوخة ، وطنين الأذن ، وضعف الأطراف ، وغالبًا مع ما يعادل بذور شيساندرا ، وبوريا ، وكوسكوتا.

تعليمات الدواء:

نقص يين ، حريق ، وإسهال البرازلا ينبغي أن تؤخذ.

النساء الحوامل والمرضعات: إذا كنت حاملاً أو تخططين للحمل أو مرضعة ، فيرجى إبلاغ طبيبك واسأل عما إذا كان يمكنك استخدام الأدوية الصينية للعلاج.

أطفال: يجب إعطاء الأدوية للأطفال تحت إشراف الطبيب وإشراف الكبار.

من فضلك احتفظ بالدواء بشكل صحيح ولا تعط دوائك للآخرين.

مراجع

1. McPhee، SJ؛ باباداكيس ، ماساتشوستس ؛ Rabow، MW (محرران) التشخيص الطبي والعلاج الحالي؛ ماكجرو هيل ميديكال: نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، 2010.

2. أحسن ، م. Ahad، MT؛ سوما ، FA ؛ بول ، س. شودري ، أ. لونا ، سا ؛ يزدان ، MMS ؛ عبد الرحمن أ. صديق ، ض. Huebner، P. Detecting SARS-CoV -2 من الصدر بالأشعة السينية باستخدام الذكاء الاصطناعي. IEEE Access 2021، 9، 35501–35513.

3. كون، ER؛ كينونيز ، را. موير ، فيرجينيا ؛ Schroeder، AR overdiagnosis: كيف أن إلزامنا للتشخيص قد يضر بالأطفال. طب الأطفال 2014 ، 134 ، 1013-1023.

4. Balogh، EP؛ ميلر ، BT ؛ بول ، جيه آر تحسين التشخيص في مجال الرعاية الصحية ؛ المطبعة الأكاديمية الوطنية: واشنطن العاصمة ، الولايات المتحدة الأمريكية ، 2015.

5. أحسن ، م. Siddique، Z. تشخيص أمراض القلب القائم على التعلم الآلي: مراجعة منهجية للأدب. arXiv 2021 ، arXiv: 2112.06459.

6. أحسن ، م. E Alam، T .؛ ترافاليس ، تي. Huebner، P. Deep يستخدم نموذج MLP-CNN بيانات مختلطة للتمييز بين مرضى COVID -19 وغير المصابين بـ COVID -19. التناظر 2020، 12، 1526.

7. ستافورد ، أنا. كيليرمان ، م. موسوتو ، إي. بيتي ، ر. ماك آرثر ، ب. Ennis، S. مراجعة منهجية لتطبيقات الذكاء الاصطناعي والتعلم الآلي في أمراض المناعة الذاتية. رقم NPJ. ميد. 2020 ، 3 ، 1-11.

8. أحسن ، م. جوبتا ، دينار كويتي ؛ الإسلام ، مم ؛ سين ، س. الرحمن ، م. Shakhawat Hossain، M. COVID -19 اكتشاف الأعراض استنادًا إلى NASnetmobile مع الذكاء الاصطناعي القابل للتفسير باستخدام أساليب التصوير المختلفة. ماخ. يتعلم. نول. تحويلة. 2020 ، 2 ، 490-504.

9. Samuel، AL بعض الدراسات في التعلم الآلي باستخدام لعبة الداما. IBM J. Res. ديف. 1959 ، 3 ، 210-229.

10. براونلي ، ج. إتقان تعلم الآلة مع بايثون. ماخ. يتعلم. Mastery Pty Ltd. 2016 ، 527 ، 100-120.

11.. حسين ، EH ؛ إمام ، مم ؛ علي ، أ. سوغانثان ، بي إن تقنيات التعلم العميق والآلة لسرطان الثدي القائم على التصوير الطبي: مراجعة شاملة. خبير النظم. تطبيق 2021 ، 167 ، 114161.