آخرین سلاح علیه Covid-19: AI ، که فکس را سریع می خواند


آلیسون استریبلینگ دارد از زمانی که به بخش Covid-19 در بخش بهداشت در کانترا کوستا در حوالی سانفرانسیسکو روی آورد ، چیزهای زیادی در مورد بیماری عفونی آموخت. یکی از اکتشافات وی: دستگاه های نمابر چقدر برای پاسخ به بیماری همه گیر آمریکا مهم هستند.

در سراسر کشور ، آزمایشگاه ها و ارائه دهندگان مراقبت های بهداشتی موارد جدید Covid-19 را به دپارتمان های بهداشت محلی گزارش داده اند. در سرویس های بهداشتی Contra Costa ، کارمندان از داده ها برای شروع ردیابی مخاطبین یا ارسال کمک اضافی در موارد خاص مانند خانه مراقبت یا متخصص مراقبت های بهداشتی آلوده ، استفاده می کنند.

در یک روز معمول در Contra Costa ، فقط حدود نیمی از این گزارش ها به صورت الکترونیکی می رسند. بقیه ، به اندازه صدها نفر ، از طریق خط فکس عبور می کنند ، و یک لیست خواندن سیسیفی ایجاد می کنند. استریبلینگ ، متخصص بهداشت عمومی گفت: “این می تواند یک روز بسیار طولانی باشد ، به خصوص هنگام پرش”. “این احساس است که من هرگز نمی توانم به اوج آن برسم. “

جلد کامل ویروس کرونا را بخوانید اینجا.

متخصصان فکس Contra Costa اکنون از کمک فن آوری بالا بهره مند هستند. درست قبل از شکرگذاری ، این بخش نرم افزاری را به نام Covid Fast Fax راه اندازی کرد که در همکاری سریع با محققان دانشگاه استنفورد ساخته شد. با استفاده از الگوریتم های یادگیری ماشین فوری ترین فکس ها را مشخص می کند. وقتی استریبلینگ و سایر اعضای فاکس پس از تعطیلات به محل کار خود بازگشتند ، صدها فکس برای خواندن روی هم جمع شده بودند ، اما حداقل آنها می دانستند که از کجا شروع کنند. استریبلینگ گفت: “اوقات خوبی بود.”

مانند بسیاری از موارد دیگر برای مبارزه با همه گیری در ایالات متحده ، این پروژه بی ثباتی سیستم بهداشتی کشور را برجسته می کند. این نمونه دیگری از ذهن خلاق است که آن را با نوآوری های شتابزده پس از ساخت کارگران ماهر اتومبیل برای محافظت از صورت یا ضد عفونی کننده دست خانگی ، وصله می کند. در سال 2020 ، چنین پروژه هایی می توانند نجات دهنده زندگی باشند. کارمندان کنترا کوستا استن کوستا پیش از این کد و روش خود را برای استفاده توسط سایر محققان یا بخشهای بهداشتی منتشر کرده اند.

بعد از اینکه آمیت کاوشال ، استاد استنفورد و پزشک پزشکی که برای ادغام یادگیری ماشینی در مراقبت های بهداشتی تلاش می کرد ، مهارت های خود را در بهار امسال به بخش ارائه داد ، کنترا کوستا در هوش مصنوعی دستیار خود را دریافت کرد. کاوشال پیشنهاد همکاری برای اعطای کمک مالی را که برای کار در زمینه محدود کردن شیوع ویروس با یک برنامه ردیابی تماس با استفاده از سیگنال های بلوتوث دریافت کرد ، دریافت کرد. هنگامی که او ایده خط فکس تقویت شده با هوش مصنوعی را کنار گذاشت ، مسئولان بیشتر هیجان زده شدند.

متخصصان مراقبت های بهداشتی Contra Costa نه تنها با حجم گزارشات دریافتی دست و پنجه نرم می کنند. فاکس ها به صورت فایل PDF در سرور نمایش داده می شوند ، نه به عنوان تکه کاغذ – به هر حال این قرن 21 است. اما تشخیص و ارزیابی پرونده Covid-19 با یک نگاه دشوار است. موارد را می توان به چندین شکل مختلف گزارش کرد ، که برای بیماری های دیگر نیز استفاده می شود ، اغلب با دست خراشیده می شوند ، وارد نمی شوند و گاهی اوقات در انبوهی از پیام ها یا سوابق دیگر می رسند. در یک روز معمول ، دو متخصص بهداشت عمومی به خواندن و اولویت بندی فکس های ورودی اختصاص خواهند یافت. استریبلینگ که مدتی هدایت تیم ورودی پرونده را بر عهده داشته است ، گفت: “تعداد کمی از نمابرها یکسان هستند و توجه به جزئیات و آموزش نیاز به این دارد که بدانید چه چیزی را مشاهده می کنید.” “این ممکن است در هشت ساعت یا بیشتر دشوار باشد.”

کاوشال و همکاران محقق استنفورد قصد داشتند این مشکل را با استفاده از نرم افزار یادگیری ماشین که تصاویر را تجزیه و تحلیل می کند ، نوعی فناوری که بیشتر توسط محققان پزشکی به تومورها و نه دستگاه های فکس هدایت می شود ، تعدیل کنند.

کاوشال برای جلوگیری از رسیدگی به داده های حساس پزشکی ، برخی از پزشکان همکار خود را برای پر کردن فرم های گزارش بیماری با داده های بیمار به طور تصادفی تولید شده در برچسب های معتبر پزشکی منصوب کرده است. فرم های جعلی برای ایجاد داده های نمونه معتبر با نمابر ارسال شدند. آدام لاورتو ، دانشجویی از شهر ، با استفاده از این داده ها نرم افزاری را برای طبقه بندی اینکه آیا یک صفحه فاکس ورودی حاوی گزارش جدید Covid-19 است یا چیز دیگری ، مانند پرونده پزشکی یا گزارش سل ، استفاده کرده است.


منبع: sadeh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>