كيف يعمل الذكاء الاصطناعي على تسهيل تشخيص الأمراض
-
0:01 - 0:05تقوم خوارزميات الحاسوب اليوم بمهام هائلة
-
0:05 - 0:10بدقة عالية، على نطاق واسع،
وباستخدام ذكاء يشبه ذكاء الإنسان -
0:10 - 0:14وغالباً ما يعرف ذكاء الحواسيب بال"أيه آي"
-
0:14 - 0:16أو الذكاء الاصطناعي
-
0:16 - 0:20والذي سيكون له تأثير كبير على حياتنا
في المستقبل -
0:21 - 0:25لكننا ما زلنا نواجه اليوم تحديات كثيرة
-
0:25 - 0:28في كشف وتشخيص العديد من الأمراض
التي تهدد الحياة -
0:28 - 0:31مثل الأمراض المُعدية والسرطان
-
0:32 - 0:34الآلاف من المرضى في كل عام
-
0:34 - 0:37يخسرون حياتهم بسبب سرطان الكبد والفم
-
0:38 - 0:41أفضل طريقة لمساعدة هؤلاء المرضى
-
0:41 - 0:45هي إجراء الكشف المبكر
وتشخيص هذه الأمراض. -
0:46 - 0:50إذن كيف نكتشف هذه الأمراض اليوم،
وهل يمكن للذكاء الاصطناعي أن يساعد؟ -
0:52 - 0:56للأسف، فالمرضى الذين يشتبه
بإصابتهم بهذه الأمراض، -
0:56 - 0:58يطلب منهم الطبيب أولاً إجراء
-
0:58 - 1:01صور شعاعية متطورة ومكلفة جداً
-
1:01 - 1:05مثل التصوير الفلوري والأشعة المقطعية
والرنين المغناطيسي -
1:05 - 1:07وبمجرد جمع هذه الصور
-
1:07 - 1:12يقوم طبيب آخر بتشخيص تلك الصور
والتحدث إلى المريض. -
1:13 - 1:16كما ترون، تتطلب هذه العملية
الكثير من الموارد -
1:16 - 1:20كما تتطلب أطباء ذوي خبرة،
وتقنيات تصوير طبي مكلفة، -
1:20 - 1:24وهذا الحل ليس عملياً
للعالم النامي -
1:24 - 1:27وفي الحقيقة، للكثير من الدول
الصناعية كذلك. -
1:28 - 1:31إذاً هل نستطيع حل هذه المشكلة،
باستخدام الذكاء الاصطناعي؟ -
1:32 - 1:36اليوم، إذا ما أردنا استخدام
نقنيات الذكاء الاصطناعي التقليدي -
1:36 - 1:37لحل هذه المشكلة
-
1:37 - 1:39فإننا بحاجة إلى عشرة آلاف...
-
1:39 - 1:43أكرر، بحدود 10 آلاف صورة
من هذه الصور الطبية المكلفة -
1:43 - 1:44يجب أن تكون جاهزة أولاً
-
1:44 - 1:47بعد ذلك، نحن بحاجة لأطباء ذوي خبرة
-
1:47 - 1:49لتحليل هذه الصور لنا.
-
1:50 - 1:52وباستخدامنا لهذه المعلومات،
-
1:52 - 1:55يمكننا تدريب شبكة عصبونية عميقة نموذجية
أو شبكة تعلم عميق -
1:55 - 1:57لتوفير التشخيص للمريض
-
1:57 - 1:59على غرار النهج الأول،
-
1:59 - 2:01فإن أساليب الذكاء الاصطناعي التقليدي
-
2:01 - 2:03تعاني من نفس المشكلة.
-
2:03 - 2:07كميات كبيرة من البيانات والأطباء الخبراء
وتقنيات تصوير طبي متطورة. -
2:08 - 2:13هل يمكننا إذًا إيجاد أساليب
أكثر فعالية وقابلة للتوسع -
2:13 - 2:16إضافة إلى طرق ذكاء اصطناعي قيمة
-
2:16 - 2:19لحل هذه المشاكل التي تواجهنا اليوم؟
-
2:19 - 2:22هذا تماماً هو ما تعمل عليه مجموعتنا
في مختبر "إم آي تي ميديا لاب". -
2:22 - 2:26اختراع مجموعة متنوعة
من أساليب الذكاء الاصطناعي غير التقليدية -
2:26 - 2:29لحل الكثير من التحديات التي تواجهنا اليوم
-
2:29 - 2:32في مجال التصوير الطبي والتجارب السريرية
-
2:32 - 2:36في المثال الذي عرضته اليوم،
كان لدينا هدفان -
2:36 - 2:39الهدف الأول كان تقليص
عدد الصور الطبية المطلوبة -
2:39 - 2:42لتدريب خوارزميات الذكاء الاصطناعي.
-
2:42 - 2:44أما الهدف الثاني، فهو أكثر طموحاً،
-
2:44 - 2:48كنا نريد التقليل من استخدام
تقنيات التصوير الطبي عالية الكلفة -
2:48 - 2:49لفحص المرضى
-
2:49 - 2:50إذاً كيف فعلنا ذلك؟
-
2:51 - 2:52بالنسبة لهدفنا الأول،
-
2:52 - 2:54بدلاً من البدء بالعشرات والآلاف
-
2:54 - 2:57من هذه الصور الطبية المكلفة،
واستعمال الذكاء الاصطناعي التقليدي -
2:57 - 2:59بدأنا بصورة طبية واحدة
-
2:59 - 3:03ومن خلال هذه الصورة،
استطعت أنا وفريقي أن نجد أسلوبًا ذكيًّا -
3:03 - 3:06لاستخراج المليارات من حزم المعلومات.
-
3:06 - 3:10تتضمن حزم المعلومات هذه:
الألوان والبكسلات والأبعاد -
3:10 - 3:12وتوصيفات المرض على الصورة الطبية.
-
3:12 - 3:17بمعنى آخر، قمنا بتحويل صورة واحدة
إلى مليارات النقاط من بيانات التدريب، -
3:17 - 3:20مما قلل بشكل كبير من كمية البيانات
اللازمة للتدريب -
3:20 - 3:21بالنسبة للهدف الثاني،
-
3:21 - 3:25أي الحد من استخدام الصور الطبية المكلفة
لفحص المرضى، -
3:25 - 3:28بدأنا بصورة الضوء الأبيض القياسية،
-
3:28 - 3:32الملتقطة للمريض إما من آلة تصوير رقمية
ذات عدسة أحادية عاكسة أو من هاتف محمول. -
3:32 - 3:35المليارات من حزم المعلومات
الذي ذكرناها قبل قليل؟ -
3:35 - 3:38قمنا بتركيبها على هذه الصورة،
-
3:39 - 3:41وأنشأنا ما نسميه صورة مركبة.
-
3:41 - 3:45وما أدهشنا هو أننا احتجنا فقط إلى 50 صورة
-
3:45 - 3:46أكرر، فقط خمسون صورة
-
3:46 - 3:50من هذه الصور المركبة،
من أجل تدريب خوارزمياتنا لفعالية عالية -
3:51 - 3:52لتلخيص طريقتنا،
-
3:52 - 3:55بدلاً من استخدام عشرة آلاف صورة
طبية عالية التكلفة -
3:55 - 3:58يمكننا الآن تدريب خوارزميات الذكاء
الاصطناعي بطريقة غير تقليدية -
3:58 - 4:02باستخدام فقط 50 صورة
قياسية عالية الجودة، -
4:02 - 4:05ملتقطة بآلات تصوير رقمية
ذات عدسة أحادية عاكسة وهواتف محمولة. -
4:05 - 4:07لتوفير التشخيص.
-
4:07 - 4:08والأهم من هذا،
-
4:08 - 4:11فخوارزمياتنا يمكنها أن تقبل،
في المستقبل وحتى في الوقت الحالي -
4:11 - 4:14بعض الصور البسيطة جداً للمريض
بتقنية الضوء الأبيض، -
4:14 - 4:16عوضاً عن تقنيات التصوير الطبي المكلفة.
-
4:17 - 4:20أعتقد أننا مستعدون لدخول عصر
-
4:20 - 4:22حيث يمكن للذكاء الاصطناعي
-
4:22 - 4:25أن يؤثر فيه بشكل هائل على مستقبلنا
-
4:25 - 4:27وأعتقد أن التفكير
في الذكاء الاصطناعي التقليدي -
4:27 - 4:30الذي يعتبر غنيًّا بالبيانات
وفقيرًا في التطبيق -
4:30 - 4:32يجب علينا أيضاً متابعة التفكير،
-
4:32 - 4:35في طرق غير تقليدية لتطوير الذكاء الاصطناعي
-
4:35 - 4:37التي تتطلب فقط كمية محدودة من البيانات
-
4:37 - 4:40لحل بعض المشاكل الكبيرة
التي تواجهنا اليوم -
4:40 - 4:41خاصة في الرعاية الصحية.
-
4:41 - 4:42شكراً جزيلاً لكم.
-
4:42 - 4:46(تصفيق)
- Title:
- كيف يعمل الذكاء الاصطناعي على تسهيل تشخيص الأمراض
- Speaker:
- باتريك شاه
- Description:
-
تتطلب خوارزميات الذكاء الاصطناعي اليوم عشرات الآلاف من الصور الطبية المكلفة من أجل للكشف عن الأمراض.
ماذا لو تمكنا من الحد بشكل كبير من كمية البيانات اللازمة لتدريب الذكاء الاصطناعي، مما يجعل التشخيص منخفض التكلفة وأكثر فعالية؟
يعمل باتيرك شاه على نظام ذكي للقيام بذلك. باستخدام منهج الذكاء الاصطناعي غير التقليدي، حيث طور شاه تقنية تتطلب فقط 50 صورة لتطوير خوارزمية عملية - ويمكن حتى استخدام الصور التي التقطت على الهواتف المحمولة للأطباء من أجل توفير تشخيص.
تعرف على المزيد حول كيفية عمل هذه الطريقة الجديدة لتحليل المعلومات الطبية والتي تسهل الكشف المبكر عن الأمراض التي تهدد الحياة، وتقدم التشخيص اللازم بمساعدة من تقنيات الذكاء الاصطناعي من أجل تحسين أنظمة الرعاية الصحية في جميع أنحاء العالم. - Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 04:59
![]() |
Fatima Zahra El Hafa approved Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
Fatima Zahra El Hafa edited Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
Fatima Zahra El Hafa edited Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
Fatima Zahra El Hafa edited Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
Fatima Zahra El Hafa edited Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
tasnim hemmade accepted Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
tasnim hemmade edited Arabic subtitles for How AI is making it easier to diagnose disease | |
![]() |
Nazem Chamaa edited Arabic subtitles for How AI is making it easier to diagnose disease |