مکان: بورلینگتون ، ماساچوست

نحوه استفاده از هوش مصنوعی در آموزش: Nuance نرم افزاری برای تشخیص گفتار است که توسط دانشجویان و دانشکده ها استفاده می شود. این فناوری می تواند حداکثر 160 کلمه در دقیقه را رونویسی کند و به خصوص برای دانشجویانی که با نوشتن تلاش می کنند یا دارای تحرک محدود هستند ، بسیار مفید است. این نرم افزار همچنین توانایی املا و تشخیص کلمات را افزایش می دهد. مربیان می توانند از این نرم افزار برای بیان سخنرانی برای استفاده های بعدی استفاده کنند یا کارهای خسته کننده ای مانند ایجاد سند و ایجاد ایمیل را کاتالیز کنند.

مکان: نیویورک ، نیویورک

چگونگی استفاده از هوش مصنوعی در آموزش: ننوتون فناوری یادگیری انطباقی را برای آموزش عالی ایجاد می کند. برنامه آن با نام "آلتا" به شناسایی شکاف در دانش آموزان کمک می کند ، دوره های مربوطه را فراهم می کند و دانشجویان را برای دوره های سطح دانشکده پشت سر می گذارد. آلتا همچنین به مربیان کمک می کند تا در مقاطع مختلف تحصیلی تدریس کنند و در حال حاضر برای ریاضی ، شیمی ، آمار و اقتصاد مورد استفاده قرار می گیرد.

نحوه استفاده از هوش مصنوعی در آموزش و پرورش: 

Cognii محصولات مبتنی بر هوش مصنوعی را برای مؤسسات آموزش عالی K-12 و مؤسسات آموزش عالی و همچنین سازمانهای آموزشی شرکت ایجاد می کند. دستیار یادگیری مجازی آن از فناوری مکالمه برای هدایت دانش آموزان در پاسخ های با فرمت آزاد استفاده می کند که مهارت های تفکر انتقادی را بهبود می بخشد. این دستیار همچنین بازخورد در زمان واقعی ، تدریس یک به یک را ارائه می دهد و بر اساس نیاز هر دانش آموز سفارشی می شود.

مکان: آستین ، تگزاس

نحوه استفاده از هوش مصنوعی در آموزش: Querium از AI استفاده می کند تا بتواند دروس دبیرستانی STEM را به دانش آموزان دبیرستانی و دانشگاه منتقل کند. با تجزیه و تحلیل پاسخ ها و مدت زمانی که برای STEM طول کشید تا جلسات تدریس را بگذراند ، هوش مصنوعی Querium به معلمان بینش می دهد و در مورد عادات یادگیری دانش آموز می آموزد و زمینه هایی را تعیین می کند که در آن دانش آموز می تواند پیشرفت کند.

مکان: لندن ، انگلیس

نحوه استفاده از هوش مصنوعی در آموزش: سکوی Century Tech از علوم عصبی شناختی و تجزیه و تحلیل داده ها برای ایجاد برنامه های یادگیری شخصی و کاهش بار کاری مربیان استفاده می کند. بستر هوش مصنوعی پیشرفت دانش آموز را ردیابی می کند ، شکاف دانش را شناسایی می کند و توصیه ها و بازخورد های مطالعه شخصی را ارائه می دهد. قرن همچنین به معلمان امکان دسترسی به منابع را می دهد و زمان برنامه ریزی ، درجه بندی و مدیریت مشق شب را کاهش می دهد.

مکان: Irvine، Calif.

نحوه استفاده از هوش مصنوعی در آموزش: KidSense ابزار هوش مصنوعی آموزشی را که بطور ویژه برای کودکان طراحی شده است ، توسعه می دهد. ابزار گفتار به متن شرکت از هوش مصنوعی برای انتقال گفتار کودک به متن به منظور یادداشت کردن ، تمرین واژگان یا حتی امتحان کردن استفاده می کند. از آنجا که گفتار کودکان معمولاً ترجمه آنها دشوار است ، هوش مصنوعی در ابزار KidSense از الگوریتم های خاصی برای ترجمه دقیق و خصوصی استفاده می کند.

مکان: پیتسبورگ

نحوه استفاده از هوش مصنوعی در آموزش: کارنگی یادگیری از هوش مصنوعی و یادگیری ماشینی برای کمک به دانش آموزان برای درک درک عمیق تر مفهومی از ریاضی استفاده می کند. سیستم عاملهای یادگیری ریاضی شرکت برای دانش آموزان دبیرستانی و دانشگاهی از هوش مصنوعی پاسخگو استفاده می کند که عادات دانش آموز را می آموزد و تجربه یادگیری را شخصی می کند تا به آنها در درک کامل مفاهیم ریاضی کمک کند.

محل سکونت: ردوود سیتی ، کالیفرنیا.

نحوه استفاده از هوش مصنوعی در آموزش: Platform Learning Adaptive Kidaptive (ALP) شامل الگوریتم های هوش مصنوعی است که به مؤسسات آموزشی کمک می کند تا داده ها را جمع آوری کرده و تعامل یادگیرنده را افزایش دهند. پلت فرم ALP از هوش مصنوعی برای معرفی و به چالش کشیدن دانشجویان بر اساس نقاط قوت و ضعف درک شده دانش آموزان استفاده می کند. این سکو همچنین عملکرد آکادمیک آینده را بر اساس الگوهای و روابط اساسی پیش بینی می کند.

بلایپار

مکان: لندن ، انگلیس

نحوه استفاده از هوش مصنوعی در آموزش: محصولات Blippar از فناوری هوش بینایی رایانه و واقعیت افزوده برای تقویت شیوه یادگیری دانش آموزان در کلاس استفاده می کنند. مواد تعاملی موضوعاتی مانند جغرافیا ، زیست شناسی و فیزیک را به یک فضای تصویری منتقل می کنند. به عنوان مثال ، این سیستم به جای خواندن در مورد فوران آتشفشانی ، دانش آموزان یک مدل 3 بعدی مجازی از روند فوران را نشان می دهد.

THINKSTER MATH

مکان: پارک کندال ، نیوجرسی

نحوه استفاده از هوش مصنوعی در آموزش: Thinkster Math یک برنامه آموزشی است که برای استفاده در لپ تاپ ، تبلت و دسک تاپ تهیه شده است. پلت فرم K-8 تعامل انسان با هوش مصنوعی را بهمراه برنامه های سفارشی در اختیار دانشجویان قرار می دهد. فناوری هوش مصنوعی گام به گام کار می کند و به دانش آموزان کمک می کند تا درک کنند که چرا آنها صحیح یا جایی که اشتباه پیش آمده است.

VOLLEY

مکان: سان فرانسیسکو

نحوه استفاده از هوش مصنوعی در آموزش: فناوری آموزش لازم نیست در کلاس اجرا شود. "دانش دانش" مبتنی بر هوش مصنوعی والی به طور مداوم نتایج دوره و مسابقه و همچنین جلسات توجیهی را برای یافتن شکاف دانش در بین کارمندان در شرکتها ترکیب می کند. شرکت ها در سراسر جهان قادر به حل سریع و کارآمد شکاف های بالقوه دانش مضر (عدم دانش عمومی شرکت ، روش های انطباق یا حتی مهارت های فنی) با هوش مصنوعی والی هستند.

QUIZLET

مکان: سان فرانسیسکو ، کالیفرنیا

نحوه استفاده از هوش مصنوعی در آموزش: Quizlet یک مقصد آنلاین برای مطالعه و یادگیری ابزار است. این شرکت اخیراً Quizlet Learn را معرفی کرده است ، یک منبع مطالعه هوشمند است که برنامه های تطبیقی را ارائه می دهد و به شما کمک می کند تا حدس بزنید که چه چیزی را مطالعه کند. این پلتفرم از یادگیری ماشینی و داده های میلیون ها جلسه مطالعه استفاده می کند تا دانش آموزان را به مطالب مربوط به مطالعه نشان دهد.

چگونه هوش مصنوعی در آموزش و پرورش استفاده می شود

چگونه هوش مصنوعی در آموزش و پرورش استفاده می شود - نمونه هایی از دنیای واقعی امروز و نگاهی به آینده

یادگیری همیشه جزء بنیادی بشریت بوده و هست. صرف نظر از سن ، ما دائماً در حال درک و درک جدید هستیم.

با پیشرفت اطلاعات جمعی ما ، ما شروع به ایجاد دستگاه هایی می کنیم که توانایی های انسانی مانند یادگیری و تصمیم گیری های استراتژیک را دارند.

در حالی که بحث در مورد میزان مناسب بودن صفحه نمایش برای کودکان در بین معلمان ، روانشناسان و والدین بسیار زیاد است ، این فناوری نوظهور دیگر در قالب هوش مصنوعی و یادگیری ماشینی است که شروع به تغییر ابزارها و مؤسسات آموزشی و تغییر آنچه در آینده می کند مانند آموزش است. انتظار می رود که مطابق گزارش بازار هوش مصنوعی در بخش آموزش آموزش ایالات متحده ، هوش مصنوعی در ایالات متحده آموزش و پرورش از سال های 2017-2021 با 47.5٪ رشد کند. حتی اگر بیشتر کارشناسان بر این باورند که حضور مهم معلمان غیرقابل جبران است ، در کار معلم و بهترین شیوه های آموزشی تغییر بسیاری خواهد کرد.

همکاری معلمان و هوش مصنوعی

هوش مصنوعی قبلاً در بعضی از ابزارهایی که به پیشرفت مهارت ها و سیستم های آزمایش کمک می کنند ، در آموزش استفاده شده است. با پیشرفت راه حل های آموزشی هوش مصنوعی ، امیدوارم که هوش مصنوعی بتواند شکاف های لازم را در یادگیری و تدریس ایجاد کند و به مدارس و معلمان اجازه دهد بیش از گذشته کار کنند. هوش مصنوعی می تواند کارایی ، شخصی سازی را انجام دهد و وظایف سرپرستی را ساده تر کند تا به معلمان فرصت و آزادی بدهد تا درک و سازگاری را ارائه دهند - قابلیت های منحصر به فرد انسانی که در آن ماشین آلات با هم می جنگند. با بهره گیری از بهترین ویژگی های ماشین آلات و معلمان ، دیدگاه هوش مصنوعی در آموزش و پرورش جایی است که آنها برای دستیابی به بهترین نتیجه برای دانش آموزان با یکدیگر همکاری می کنند. از آنجا که دانش آموزان امروز باید در آینده کار کنند که واقعیت هوش مصنوعی باشد ، مهم است که موسسات آموزشی ما دانش آموزان را در معرض استفاده از این فناوری قرار دهند.

ادگیری متمایز و متمایز

تنظیم یادگیری بر اساس نیازهای خاص دانش آموزان سالهاست که برای معلمان مهم بوده است ، اما هوش مصنوعی اجازه می دهد تا سطح تمایز غیرقانونی باشد که برای معلمانی که مجبورند 30 دانش آموز را در هر کلاس مدیریت کنند غیرممکن است. شرکت های مختلفی مانند Content Technologies و Carnegie Learning در حال حاضر در حال توسعه طراحی دستورالعمل هوشمند و سیستم عامل های دیجیتالی هستند که از هوش مصنوعی برای ارائه یادگیری ، آزمایش و بازخورد به دانشجویان از قبل از K تا سطح کالج استفاده می کنند که چالش هایی را برای آنها فراهم می کند ، شکاف ها را مشخص می کند. در دانش و تغییر مسیر به موضوعات جدید در صورت لزوم. با پیچیده تر شدن هوش مصنوعی ، ممکن است یک دستگاه بتواند عبارتی را که در چهره دانش آموز منتقل می شود ، بخواند که نشان می دهد آنها برای درک یک موضوع تلاش می کنند و برای پاسخ به آن درس را اصلاح می کنند. ایده سفارشی کردن برنامه درسی برای نیازهای هر دانش آموز امروز عملی نیست ، اما برای دستگاه های دارای هوش مصنوعی خواهد بود.

دسترسی جهانی برای همه دانشجویان

ابزارهای هوش مصنوعی می توانند به کلاسهای جهانی در دسترس همه از جمله کسانی که به زبانهای مختلف صحبت می کنند یا ممکن است نقص بینایی یا شنوایی دارند ، کمک کند. Presentation Translator یک افزونه رایگان برای PowerPoint است که زیرنویس ها را در زمان واقعی برای آنچه معلم می گوید ایجاد می کند. این همچنین امکاناتی را برای دانش آموزانی فراهم می کند که به دلیل بیماری قادر به شرکت در مدرسه نیستند و یا نیاز به یادگیری در سطح دیگری یا موضوع خاصی دارند که در مدرسه خود در دسترس نیست. هوش مصنوعی می تواند به تجزیه سیلوهای بین مدارس و بین مقاطع درجه سنتی کمک کند

کارهای خودکار را خودکار کنید

یک مربی وقت زیادی را صرف می کند تا بتواند تکالیف و امتحان های خود را صرف درجه بندی کند. هوش مصنوعی می تواند وارد این کار شود و سریع از این کارها نتیجه بگیرد و در عین حال توصیه هایی را برای چگونگی بستن شکافها در یادگیری ارائه دهد. اگرچه ماشین ها می توانند تست های چند گزینه ای را درجه بندی کنند ، اما بسیار نزدیک به توانایی ارزیابی پاسخ های کتبی هستند. در حالی که هوش مصنوعی برای اتوماسیون وظایف سرپرست گام بر می دارد ، زمان بیشتری را برای معلمان می گذراند تا با هر دانش آموز بگذرانند. برای هوش مصنوعی پتانسیلهای زیادی برای ایجاد کارآیی مؤثرتر فرآیندهای ثبت نام و پذیرش وجود دارد.

آموزش و پشتیبانی در خارج از کلاس

از والدینی که در تلاش برای کمک به نوجوان خود در جبر کمک کرده است ، سؤال کنید و از پتانسیل هوش مصنوعی برای حمایت از فرزندان خود در هنگام تلاش در خانه و یا آمادگی آزمون بسیار هیجان زده خواهند شد. تدریس و مطالعه برنامه ها به لطف هوش مصنوعی پیشرفته تر می شوند و به زودی آنها در دسترس تر و قادر به پاسخگویی به طیف وسیعی از سبک های یادگیری خواهند بود.

برنامه های کاربردی هوش مصنوعی دیگری برای آموزش وجود دارد که شامل مربیان هوش مصنوعی برای زبان آموزان ، توسعه بیشتر محتوای هوشمند و یک روش جدید برای توسعه شخصی برای مربیان از طریق کنفرانس های جهانی مجازی است. ممکن است آموزش و پرورش نسبت به پذیرش هوش مصنوعی و یادگیری ماشین کمی آهسته باشد اما تغییرات آغاز شده و ادامه خواهد یافت.

مدیریت محترم  پارک فناوری پردیس 

پیرو بازدید اینجانب و کنفرانس ویدیویی مهندس عباسی و مذاکره با آقای دیبایی در خصوص همکاری و تعامل پارک فناوری پردیس و  مدیرپژوهشگاه فناوری های نوین   و هوش مصنوعی موارد مشترکی گفتگو  و در نهایت پیشنهاد همکاری دو جانبه طی توافقی انعقاد گردد:

موارد همکاری پژوهشکده:

شناسایی شرکتهای متعد برای اجرای پروژه های مورد درخواست داخلی و خارجی

کمک به تیم هاو شرکتهای هوشمند در جهت دهی نیازهای بازار تجاری و کسب در آمد 

همکاری در جهت هوشمند سازی قوای سه گانه با اجرای طرح های ملی 

بکارگیری متخصصان پژوهشکده در آموزش و وبینار و راه حل های مشکلات اصلی کشور

موارد همکاری پارک فناوری پردیس:

ارائه اطلاعات و امکان تماس با شرکتهای منتخب پروژه ها

اختصاص دفتر مناسب و امکانات لازم و امکان استقرار نفرات پژوهشکده 

اختصاص 15درصد از سود پروژه به پژوهشکده در صورت بازاریابی داخلی و خارجی 

سایر همکاری های لازم برای ارزیابی تیم های مستعد 

دکتر بهروز نقویان

مدیر پژوهشکده فناوری های نوین و هوش مصنوعی

برنامه های کاربردی یادگیری ماشین و هوش مصنوعی برای همه گیر Covid-19 (SARS-CoV-2

زمینه و هدف

در طی فوریت های جهانی اخیر ، دانشمندان ، پزشکان و متخصصان مراقبت های بهداشتی در سراسر جهان در جستجوی یک فناوری جدید برای پشتیبانی از مقابله با بیماری همه گیر Covid-19 هستند. شواهد کاربرد Machine Learning (ML) و هوش مصنوعی (AI) در مورد اپیدمی قبلی محققان را با ارائه زاویه جدیدی برای مبارزه با شیوع Coronavirus رنج می برد. این مقاله با هدف بررسی جامع نقش AI و ML به عنوان یک روش مهم در عرصه غربالگری ، پیش بینی ، پیش بینی ، ردیابی تماس و تهیه دارو برای SARS-CoV-2 و بیماری همه گیر مرتبط با آن انجام شده است.

روش

ارزیابی انتخابی از اطلاعات مربوط به مقاله تحقیق روی پایگاه داده های مربوط به کاربرد فناوری ML و هوش مصنوعی در Covid-19 انجام شد. تجزیه و تحلیل سریع و انتقادی از سه پارامتر مهم ، به عنوان مثال ، انتزاعی ، روش ، و نتیجه گیری برای ارتباط با احتمالات مدل برای مقابله با اپیدمی SARS-CoV-2 انجام شد.

نتیجه

این مقاله به مطالعات اخیر می پردازد که از فناوری ML و AI برای تقویت محققان در زوایای مختلف استفاده می شود. همچنین ضمن استفاده از چنین الگوریتم هایی در مشکلات دنیای واقعی ، به چندین خطا و چالش می پردازد. در این مقاله همچنین به پیشنهادات انتقال محققان در زمینه طراحی مدل ، متخصصان پزشکی و سیاست گذاران در شرایط فعلی ضمن مقابله با بیماری همه گیر Covid-19 و پیش رو خواهیم پرداخت.

نتیجه

پیشرفت در حال توسعه در AI و ML به طور قابل توجهی بهبود یافته است درمان ، دارو ، غربالگری ، پیش بینی ، پیش بینی ، ردیابی تماس ، و روند توسعه دارو / واکسن برای بیماری همه گیر Covid-19 و کاهش مداخلات انسان در عمل پزشکی. با این حال ، بسیاری از مدل ها به اندازه کافی برای نشان دادن عملکرد در دنیای واقعی خود مستقر نشده اند ، اما هنوز هم برای مقابله با بیماری همه گیر SARS-CoV-2 در معرض دید هستند.

واژه‌های کلیدی: Covid-19 ، یادگیری ماشین ، هوش مصنوعی ، همه گیر

قابل اعتماد و متخصص:

1. معرفی

چندین شیوع بیماری وجود دارد که در تاریخ جهانی به بشریت حمله کرده است. سازمان بهداشت جهانی (WHO) ، پزشکان همکار آن و مقامات مختلف ملی در سراسر جهان تا به امروز با این بیماری همه گیر مبارزه می کنند. از آنجا که اولین مورد بیماری Covid-19 (Coronavirus) در دسامبر 2019 منطقه ووهان در چین تأیید شد ، شیوع این بیماری همچنان در سراسر جهان رواج دارد ، و در 30 ژانویه سال 2020 WHO این بیماری همه گیر را به عنوان نگرانی بین المللی اضطراری بهداشت عمومی اعلام کرد [1]. رمان بیماری Coronavirus (SARS-CoV-2) در بیش از 185 کشور جهان آلوده شد و بیش از 7،145،800 فرد را آلوده کرد و تا 09 ژوئن سال 2020 منجر به مرگ 407.067 شد [2،3]. برای پرداختن به این بیماری همه گیر جهانی ، WHO ، دانشمندان و پزشکان در صنایع پزشکی در جستجوی فن آوری جدید برای غربالگری بیماران آلوده در مراحل مختلف ، یافتن بهترین آزمایشات بالینی ، کنترل شیوع این ویروس ، ایجاد واکسن برای درمان بیماران آلوده ، تماس با ردیابی از بیمار آلوده مطالعات جدید نشان می دهد که ماشین یادگیری و هوش مصنوعی نویدبخش تکنولوژی هستند که توسط ارائه دهندگان مراقبت های بهداشتی مختلف به کار می روند زیرا منجر به پیشرفت بهتر در مقیاس ، سرعت پردازش سریع ، قابل اعتماد و حتی بهتر از عملکرد انسان در کارهای خاص مراقبت های بهداشتی می شوند [4]. بنابراین ، صنایع و پزشکان بهداشت و درمان در سراسر جهان از فناوری ML و AI مختلفی برای مقابله با بیماری همه گیر Covid-19 برای مقابله با مشکلات موجود در شیوع استفاده کرده اند. در صنایع پزشکی ، هوش مصنوعی برای جایگزینی تعاملات انسانی اعمال نمی شود ، بلکه برای ارائه پشتیبانی از تصمیم پزشکان در مورد آنچه در آن الگوسازی شده است ، استفاده می شود [5].

در این مقاله به رمان اپیدمی Covid-19 و نحوه استفاده اخیر فناوری مدرن هوش مصنوعی و ML برای حل چالش ها در هنگام بیرون آمدن پرداخته شده است. ما بررسیهای جامع از مطالعات در مورد مدل و فناوری کاربردی برای مقابله با رمان همه گیر Covid-19 را ارائه می دهیم. این مطالعات بیشتر در مورد انواع روشهای هوش مصنوعی و ML اخیراً به کار رفته در ادغام و انواع مجموعه داده ها ، عملکرد نهایی هر مدل پیشنهادی ، و ارائه دهنده جوانب مثبت و منفی تکنیک های مدرن است.

قابل اعتماد و متخصص:

2. ML و AI اخیراً برای مقابله با شیوع مراقبت های بهداشتی SARS-CoV-2 به کار گرفته اند

از فناوری AI و ML برای بهبود دقت پیش بینی برای غربالگری بیماریهای عفونی و غیر عفونی استفاده می شود [6]. رابطه با مراقبت های بهداشتی با تکامل اولین سیستم تخصصی به نام MYCIN که در سال 1976 توسعه یافته است آغاز می شود [7]. MYCIN به منظور استفاده از 450 قانون جمع آوری شده از یک پزشک پزشکی برای درمان عفونت باکتریایی با پیشنهاد آنتی بیوتیک به بیماران طراحی شده است. چنین سیستم تخصصی به عنوان پشتیبانی تصمیم گیری بالینی برای پزشکان و متخصصان پزشکی عمل می کند [8]. مطالعات اخیر مشهود در مورد چشم انداز فناوری ML و AI برای شیوع بیماری همه گیر ، این امر از متخصصان مراقبت های بهداشتی در بیماری های مختلف واگیر (SARS ، EBOLA ، HIV ، COVID_19) پشتیبانی می کند [9] ، [10] ، [11] ، [12] ، [13] ، [14] ، [15] ، [16] ، [17] و بیماریهای غیر واگیر (سرطان ، دیابت ، بیماری قلبی و سکته مغزی) [18] ، [19] ، [20] ، [21] ، [22] ، [23] ، [24] ، [25] شیوع.

2.1. فناوری ML و هوش مصنوعی در غربالگری

مطالعات اخیر یک ابزار کمکی برای افزایش دقت در تشخیص Covid-19 با مدل جدید تشخیص خودکار COVID-19 مبتنی بر الگوریتم یادگیری عمیق طراحی می کند [29]. مدل توسعه یافته از تصاویر اشعه ایکس سینه خام از 127 بیمار آلوده با 500 پرونده بدون علامت و پنومونی 500 پرونده استفاده می کند. با دقت عملکرد قابل توجه ، کلاس باینری 98.08٪ و چند کلاس با 87.02٪. چند کلاس قابلیت استفاده از سیستم خبره را برای کمک به رادیولوژی در اعتبار سنجی در فرآیند غربالگری به سرعت و دقیق ثابت کرد.

علاوه بر این ، محققان چهار ویژگی مهم پزشکی ترکیبی از ویژگیهای بالینی ، آزمایشگاهی و اطلاعات جمعیت شناختی را با استفاده از GHS ، درصد CD3 ، پروتئین کل و سن بیمار با استفاده از ماشین بردار پشتیبان به عنوان الگوی اصلی طبقه بندی ویژگی ها یافته اند [30]. مدل جدید در پیش بینی بیماران در شرایط بحرانی / شدید مؤثر و قوی است ، و نتایج تجربی نشان می دهد که ترکیبی از چهار ویژگی AUROC 0.9996 و 0.9757 را به ترتیب در آموزش و آزمایش مجموعه داده ها نشان می دهد. بقا و تجزیه و تحلیل رگرسیون چند متغیره متغیره اهمیت مدل را به سمت و ابزارهای کمکی برای متخصص مراقبت های بهداشتی نشان داد.

محققان پس از ارزیابی 253 نمونه خون بالینی از ووهان ، یازده (بیلی روبین کل ، ایزوآنزیم کراتین کیناز ، GLU ، کراتینین ، کلسیم ، لاکتات دهیدروژناز ، عرض توزیع پلاکت ، کلسیم ، بازوفیل ، پروتئین کل و منیزیم را یافتند ابزاری برای تبعیض Covid-19 برای متخصص مراقبت های بهداشتی به منظور تشخیص سریع [31]. مطالعات نشان می دهد که 11 شاخص مربوطه پس از به کارگیری الگوریتم تصادفی جنگل با دقت کلی به ترتیب 95.95٪ و ویژگی 97/96٪ استخراج می شوند. علاوه بر این ، نویسندگان منتشر کرده اند که این ابزارها مستقر شده اند و برای کمک به متخصصان مراقبت های بهداشتی در وب سرور به آدرس http://lishuyan.lzu.edu.cn/COVID2019_2/ در دسترس هستند.

مطالعات فوق شواهدی از کاربرد سیستم خبره ارائه می دهد. تشخیص سریع تشخیص سریع ، هدف اصلی همراه با افزایش دقت بود. تشخیص سریع و زودرس ، شیوع بیماری را کاهش می دهد و زمان بیشتری را به متخصص بهداشت و درمان اختصاص می دهد تا با تشخیص بعدی برای نجات جان بیشتر ، و در نتیجه هزینه های پزشکی کم هزینه ، مطابقت داشته باشد. با این حال ، اکثر مقاله مورد مطالعه از یک الگوریتم طبقه بندی منفرد بر روی داده های فردی یا بیشتر استفاده می کنند. بنابراین پیشنهاد می شود با استفاده از الگوریتم پتانسیل بیشتری در چند بانک اطلاعاتی یا پایگاه داده ترکیبی متشکل از داده های بالینی ، ماموگرافی و جمعیتی ، از یک روش طبقه بندی ترکیبی استفاده شود ، زیرا هر نوع داده دارای یک عامل مهم است که می تواند هویت واقعی بیماران آلوده و استقرار برنامه در دنیای واقعی.

2.2. فن آوری ML و AI در ردیابی مخاطب SARS-Cov-2

اگر فردی با Covid-19 تشخیص داده شود و تأیید شود ، مرحله مهم بعدی پیشگیری از تماس با ما در جلوگیری از شیوع گسترده تر بیماری است. مطابق WHO ، عفونت از طریق شخص به فرد ، از طریق بزاق ، قطرات یا ترشحات از بینی از طریق انتقال تماس گسترش می یابد [32]. برای دستیابی به کنترل گسترش SARS-Cov-2 ، ردیابی مخاطب یک ابزار مهم بهداشت عمومی است که برای شکستن زنجیره انتقال ویروس مورد استفاده قرار می گیرد [33]. فرایند ردیابی تماس برای شناسایی و مدیریت افرادی است که اخیراً در معرض یک بیمار آلوده Covid-19 قرار دارند تا از شیوع بیشتر آن جلوگیری شود. به طور کلی ، این روند فرد آلوده را به مدت 14 روز از زمان مواجهه با پیگیری شناسایی می کند. در صورت به کارگیری کامل ، این فرایند می تواند زنجیره انتقال coronavirus رمان فعلی را بشکند و با فراهم کردن شانس بیشتری برای کنترل های کافی و سرکوب شیوع این شیوع ، کمک به کاهش بزرگی از همه گیری های اخیر کند. در همین راستا ، کشورهای آلوده مختلف با استفاده از فناوری های مختلف مانند بلوتوث ، سیستم موقعیت یابی جهانی (GPS) ، نمودار اجتماعی ، اطلاعات تماس ، API مبتنی بر شبکه ، داده های ردیابی موبایل ، معامله کارت ، یک فرآیند ردیابی مخاطب دیجیتالی را با استفاده از موبایل ارائه می دهند. داده ها و آدرس فیزیکی سیستم. فرآیند ردیابی مخاطب دیجیتال می تواند در مقایسه با سیستم غیر دیجیتال تقریباً سریع و خیلی سریع عمل کند. تمام این برنامه های دیجیتالی برای جمع آوری داده های شخصی شخصی طراحی شده اند ، که با استفاده از ابزار ML و AI برای ردیابی شخصی که به دلیل زنجیره تماس اخیر خود در معرض ویروس رمان قرار دارد ، تجزیه و تحلیل می شوند.

همانطور که در جدول 2 نشان داده شده است ، در مقالات [34،35] کشورهای مختلفی که دارای چنین برنامه های ردیابی تماس با ML و AL هستند ، صلاحیت دارند. مطالعات نشان می دهد که بیش از 36 کشور با موفقیت از ردیابی تماس دیجیتالی استفاده کردند که به دنبال متمرکز ، غیرمتمرکز یا ترکیبی از هر دو روش برای کاهش تلاش و تقویت اثربخشی فرآیندهای تشخیصی مراقبت های بهداشتی سنتی پیشنهاد شده است.

برنامه هوش مصنوعی (AI) برای بیماری همه گیر COVID-19

در این بحران جهانی بهداشت ، صنعت پزشکی به دنبال فناوری های جدیدی برای نظارت و کنترل شیوع همه گیر COVID-19 (Coronavirus) است. هوش مصنوعی یکی از چنین فناوری هایی است که می تواند شیوع این ویروس را به راحتی ردیابی کند ، بیماران پرخطر را شناسایی کند و در کنترل این عفونت در زمان واقعی مفید است. همچنین با تجزیه و تحلیل کافی داده های قبلی بیماران می تواند خطر مرگ و میر را پیش بینی کند. هوش مصنوعی می تواند با غربالگری جمعیت ، کمک پزشکی ، اطلاع رسانی و پیشنهادات مربوط به کنترل عفونت به ما در مبارزه با این ویروس کمک کند. [[1]، [2]، [3]]. این فناوری پتانسیل بهبود برنامه ریزی ، درمان و نتایج گزارش شده از بیمار COVID-19 را دارد که یک ابزار پزشکی مبتنی بر شواهد است. شکل 1 روش کلی برنامه های کاربردی مبتنی بر هوش مصنوعی و غیر مبتنی بر هوش مصنوعی را نشان می دهد که به پزشکان عمومی در شناسایی علائم COVID-19 کمک می کند.

نمودار جریان فوق ، جریان حداقل درمان غیر AI را در مقابل درمان مبتنی بر هوش مصنوعی ، اطلاع و مقایسه می کند. نمودار جریان بالا ، دخالت AI را در مراحل قابل توجه درمان با دقت بالا توضیح می دهد و باعث پیچیدگی و زمان صرف شده می شود. پزشک نه تنها در معالجه بیمار متمرکز است بلکه کنترل بیماری را نیز با کاربرد AI انجام داده است. علائم عمده و آنالیز تست با کمک هوش مصنوعی با بالاترین دقت انجام می شود. همچنین نشان می دهد که کل مراحل انجام شده در کل فرآیند را کاهش می دهد و باعث می شود که طبیعتاً قابل اجرا باشد.

2. برنامه های کاربردی اصلی AI در همه گیر COVID-19

من)

تشخیص زودرس و تشخیص عفونت

هوش مصنوعی می تواند علائم نامنظم و "پرچم های قرمز" را به سرعت مورد تجزیه و تحلیل قرار دهد و از این رو بیماران و مراجع بهداشتی را نگران کند. این به تصمیم گیری سریعتر کمک می کند ، که مقرون به صرفه است. این کمک می کند تا از طریق الگوریتم های مفید ، یک سیستم جدید تشخیص و مدیریت را برای موارد COVID 19 ایجاد کنید. هوش مصنوعی با کمک فن آوری های تصویربرداری پزشکی مانند توموگرافی کامپیوتری (CT) ، تصویربرداری با رزونانس مغناطیسی (MRI) در تشخیص موارد آلوده کمک می کند تا در تشخیص موارد آلوده کمک کند.

دوم)

نظارت بر درمان

AI می تواند یک بستر هوشمند برای نظارت خودکار و پیش بینی شیوع این ویروس ایجاد کند. همچنین یک شبکه عصبی برای استخراج ویژگیهای بصری این بیماری ایجاد می شود و این امر به نظارت و معالجه صحیح افراد مبتلا کمک می کند [[6] ، [7] ، [8]]. این دستگاه توانایی ارائه به روزرسانی های روزانه بیماران را دارد و همچنین راه حل هایی را ارائه می دهد که باید در همه گیر COVID-19 دنبال شود.

III)

تماس با ردیابی افراد

هوش مصنوعی می تواند به تجزیه و تحلیل میزان آلودگی توسط این ویروس در شناسایی خوشه ها و "نقاط داغ" کمک کند و می تواند ردیابی مخاطب را با موفقیت انجام داده و همچنین بر آنها نظارت کند. این می تواند دوره آینده این بیماری و احتمال بروز دوباره آن را پیش بینی کند.

IV)

پیش بینی موارد و مرگ و میر

این فناوری می تواند ماهیت ویروس را از داده های موجود ، رسانه های اجتماعی و سیستم عامل های رسانه ای ، در مورد خطرات ناشی از عفونت و شیوع آن احتمالاً ردیابی و پیش بینی کند. علاوه بر این ، می تواند تعداد موارد مثبت و مرگ در هر منطقه را پیش بینی کند. هوش مصنوعی می تواند به شناسایی آسیب پذیرترین مناطق ، مردم و کشورها کمک کند و براساس آن اقدامات لازم را انجام دهد.

V)

توسعه دارو و واکسن:

AI با استفاده از داده های موجود در مورد COVID-19 برای تحقیقات دارویی استفاده می شود. برای طراحی و توسعه داروهای مفید است. این فناوری در سرعت بخشیدن به آزمایش دارو در زمان واقعی استفاده می شود ، که آزمایش های استاندارد زمان زیادی را می برد و از این رو به سرعت بخشیدن به این روند کمک می کند ، که ممکن است توسط یک انسان امکان پذیر نباشد [6،7]. این می تواند به شناسایی داروهای مفید برای درمان بیماران مبتلا به COVID-19 کمک کند. این ابزار به ابزاری قدرتمند برای طراحی تست های تشخیصی و توسعه واکسیناسیون تبدیل شده است [[9] ، [10] ، [11]. هوش مصنوعی در ایجاد واکسن و درمان با سرعت بسیار بیشتری از حد معمول کمک می کند و همچنین برای آزمایشات بالینی در طول تولید واکسن مفید است.

VI)

کاهش حجم کار کارکنان بهداشت و درمان

به دلیل افزایش ناگهانی و گسترده تعداد بیماران در طول بیماری همه گیر COVID-19 ، متخصصان بهداشت و درمان از حجم کار بسیار بالایی برخوردار هستند. در اینجا از هوش مصنوعی برای کاهش بار کار کارمندان مراقبت های بهداشتی استفاده می شود [[12] ، [13] ، [14] ، [15] ، [16] ، [17]]. این بیماری در تشخیص زودرس و ارائه درمان در مراحل اولیه با استفاده از رویکردهای دیجیتالی و علم تصمیم گیری کمک می کند ، بهترین آموزش را به دانشجویان و پزشکان در مورد این بیماری جدید ارائه می دهد [18،19]. هوش مصنوعی می تواند مراقبت های آینده بیمار را تحت تأثیر قرار دهد و چالش های احتمالی بیشتری را که باعث کاهش بار کار پزشکان می شود ، برطرف کند.

VII)

پیشگیری از بیماری

با کمک تجزیه و تحلیل داده های زمان واقعی ، AI می تواند اطلاعات به روز شده ای را ارائه دهد که در پیشگیری از این بیماری مفید است. می توان از آن برای پیش بینی مکان های احتمالی عفونت ، هجوم ویروس ، نیاز به تختخواب و متخصصان مراقبت های بهداشتی در طول این بحران استفاده کرد. هوش مصنوعی برای کمک به پیشگیری از ویروس و بیماری های آینده ، با کمک داده های قبلی راهنمایی شده درباره داده های رایج در زمان های مختلف ، مفید است. این ویژگیها ، دلایل و دلایل شیوع عفونت را مشخص می کند. در آینده ، این یک فناوری مهم برای مقابله با سایر بیماری های همه گیر و همه گیر خواهد شد. این می تواند یک پیشگیری و مقابله با بسیاری از بیماری های دیگر باشد. در آینده ، هوش مصنوعی نقش مهمی در ارائه مراقبت های بهداشتی پیش بینی کننده و پیشگیرانه تر ایفا می کند.

3. نتیجه گیری

هوش مصنوعی ابزاری آینده و مفید برای شناسایی عفونت های زودرس به علت کروناویروس است و همچنین به نظارت بر وضعیت بیماران آلوده کمک می کند. با ایجاد الگوریتم های مفید می تواند به طور قابل توجهی قوام و تصمیم گیری را بهبود بخشد. هوش مصنوعی نه تنها در درمان مبتلایان به COVID-19 بلکه برای نظارت بر سلامتی آنها مفید است. این می تواند بحران COVID-19 را در مقیاسهای مختلف مانند کاربردهای پزشکی ، مولکولی و اپیدمیولوژیکی ردیابی کند.