مشخصات مقاله:
عنوان فارسی مقاله:
یادگیری ماشینی و هوش مصنوعی در خدمت پزشکی: ضرورت یا امکان؟
عنوان انگلیسی مقاله:
Machine learning and artificial intelligence in the service of medicine: Necessity or potentiality?
کلمات کلیدی مقاله:
هوش مصنوعی – یادگیری ماشینی – کاربردهای پزشکی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر – مهندسی پزشکی
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی – مهندسی الگوریتم ها و محاسبات – سایبرنتیک پزشکی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
مقدمه
تعاریف اولیه
پذیرش بیمار: به دست آوردن داده های اولیه بیمار
رادیولوژی
هماتولوژی
نورولوژی
سرطان شناسی
زیست شناسی سلولی و سلول درمانی
قلب و عروق
چشم پزشکی
جمع بندی
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
A B S T R A C T
Motivation: As a result of the worldwide health care system digitalization trend, the produced healthcare data is estimated to reach as much as 2314 Exabytes of new data generated in 2020. The ongoing development of intelligent systems aims to provide better reasoning and to more efficiently use the data collected. This use is not restricted retrospective interpretation, that is, to provide diagnostic conclusions. It can also be extended to prospective interpretation providing early prognosis. That said, physicians who could be assisted by these systems find themselves standing in the gap between clinical case and deep technical reviews. What they lack is a clear starting point from which to approach the world of machine learning in medicine. Methodology and Main Structure: This article aims at providing interested physicians with an easy-tofollow insight of Artificial Intelligence (AI) and Machine Learning (ML) use in the medical field, primarily over the last few years. To this end, we first discuss the general developmental paths concerning AI and ML concept usage in healthcare systems. We then list fields where these technologies are already being put to the test or even applied such as in Hematology, Neurology, Cardiology, Oncology, Radiology, Ophthalmology, Cell Biology and Cell Therapy.
چکیده
انگیزه: در نتیجه گرایش موجود برای دیجیتال کردن سیستم های خدمات درمانی به صورت جهانی، داده های تولید شده در خدمات درمانی احتمالا به 2314 اگزابایت داده جدید در سال 2020 می رسد.
توسعه رو به رشد سیستم های هوش مصنوعی به هدف ارائه استدلال بهتر و استفاده موثرتر از داده های جمع آوری شده صورت گرفته است. این کاربرد تنها محدود به تفسیر گذشته نگر نیست بلکه می تواند جمع بندی های تشخیصی را هم ارائه کند. همچنین این روش ها را می توان به صورتی توسعه داد که با تشخیص اولیه، بتوانند تفسیر های آینده نگر را ایجاد کنند. با این وجود، پزشک هایی که می توانند از این سیستم ها استفاده کنند، احساس می کنند که در خلا بین موارد بالینی و نظرات فنی دقیق قرار گرفته اند. کمبود آن ها یک نقطه آغازین مشخص است که از آن، می توان به دنیای یادگیری ماشینی در پزشکی نزدیک شد.
روش شناسی و ساختار اصلی: این مقاله به هدف ارائه کردن دیدگاه های ساده در رابطه با هوش مصنوعی (AI) و یادگیری ماشینی (ML) در زمینه پزشکی برای پزشکان علاقه مند و پیشرفت های مربوطه در سال های اخیر، ارائه شده است.
به این منظور، ما اول مسیر های توسعه عمومی در رابطه با مفاهیم استفاده از AI و ML در سیستم های خدمات درمانی را بررسی می کنیم. سپس ما زمینه هایی را ارائه می کنیم که این تکنولوژی ها از قبل تست یا استفاده شده اند مانند هماتولوژی، نورولوژی، علوم قلب، سرطان شناسی، رادیولوژی، چشم پزشکی، زیست شناسی سلولی و درمان سلولی.