رویکردی نوآورانه برای حل مسئله‌ی توضیح‌پذیری مدل‌ها: StoryTelling X AI
یکی از مهم‌ترین سدهای پیش روی هوش مصنوعی در ورود به فعالیت‌های روزانه‌ی متخصصان سلامت، موضوع «کمبود توضیح‌پذیری مدل‌ها» است. محققان هم برای حل این مسائل تکنیک‌هایی را تحت عنوان «Explainable AI یا XAI» توسعه داده‌اند و می‌دهند و همچنان مسیر قابل توجهی پیش روی‌مان است.

اما محققان آلمانی، چند روز پیش، با توسعه‌ی یک روش بسیار نوآورانه و با بهره‌گیری از StoryTelling، توانسته‌اند رویکردی را معرفی کنند که با distillation (تقطیع) مدل‌های بزرگ به بخش‌های کوچک‌تر، آن‌ها را قابل توضیح‌تر می‌کنند و سپس از مدل‌های ساده‌تر برای تولید توضیحاتی به شکل داستان استفاده می‌شود تا توضیح‌پذیری مدل بزرگ‌تر را به ما نشان دهند!

این رویکرد می‌تواند اعتماد متخصصان سلامت [و البته سایر متخصصانی که این مسئله‌ی هوش مصنوعی برای‌شان حائز اهمیت است] را افزایش دهد و امید است که شاهد استفاده‌ی روزافزون مدل‌های هوش مصنوعی به شکلی مفید و امن در فعالیت‌های روزانه‌ی این متخصصان باشیم.

📎فایل مقاله در گروه جامعه مدیکس
*🌐 |* @MedX_Media

#معرفی_شرکت‌ها **| قسمت ۴

⭐️ پلتفرم Huma**

شرکت Huma در سال ۲۰۱۱ توسط آقای دانوش وحدت در شهر لندن راه‌اندازی شد. ایشان Huma را با هدف "تسریع پذیرش راه‌حل‌های دیجیتال در مراقبت سلامت و پژوهش" آغاز کردند و توانسته‌اند که تا به حال بیشتر از ۲۵۰ میلیون دلار جذب سرمایه داشته باشند و تعداد کارمندان این شرکت هم به بیشتر از ۱۹۰ نفر رسیده است.

پلتفرم Huma که به عنوان یکی از پیشروان حوزه‌ی TeleHealth شناخته می‌شود، تا به حال +۲۷ میلیون بیمار را در +۳۰۰۰ بیمارستان در سراسر دنیا مورد حمایت قرار داده است، ظرفیت کلینیک‌ها را دو برابر و میزان پذیرش مجدد بیماران (Readmission Rate) را تا حدود ۳۰٪ کاهش داده است!

این شرکت، با جذب سرمایه‌ی ۸۰ میلیون دلاری که اخیرا داشته، به ارزش حدودی یک میلیارد دلار (یونیکورن) رسیده است و از بزرگ‌ترین شرکت‌های حوزه‌ی سلامت دیجیتال محسوب می‌شود. همچنین به تازگی، با خرید شرکت eConsult، در حال راه‌اندازی یک Workspace جدید برای سیستم‌های درمانی است.

🔗 وب‌سایت | لینکدین | کرانج‌بیس

🌐 | @medxmedia_net

*🔺#مهم *| گزارش سمپوزیوم سلامت RAISE 2024
این گزارش، یک نگاه کلی به جایگاه فعلی و آینده‌ی هوش مصنوعی در علوم زیست-پزشکی ارائه می‌دهد. این سند، در واقع خلاصه‌ای از مهم‌ترین مباحث سمپوزیوم RAISE Health است که در ماه May امسال (۲۰۲۴) در دانشگاه استنفورد برگزار شد و حالا منتشر شده است و در دسترس همه قرار گرفته است. مطالعه‌ی این گزارش به همه‌ی علاقه‌مندان پیشنهاد می‌شود.

*🌐 |* @medxmedia_net

دقیق‌ترین مدل تبدیل نسخه‌های دست‌نویس به الکترونیکی معرفی شد!
در عصری که پرونده‌های الکترونیکی پزشکی (EMR) بسیار رایج شده‌اند، نسخه‌های دست‌نویس همچنان در بسیاری از کشورها، از جمله هند [و البته کشور خودمان]، متداول هستند. ادامه پیداکردن این وضع هم چالش‌های قابل‌توجهی را برای ارائه خدمات بهداشتی، تحلیل داده‌ها و ایمنی بیماران [که در عصر هوش مصنوعی اهمیت بسیار بیشتری هم پیدا کرده است] ایجاد می‌کند.

مطالعه‌ی جدیدی با عنوان «MIRAGE»، رویکردی نوآورانه را برای مقابله با این چالش‌ها با بهره‌گیری از مدل‌های زبانی بزرگ چندوجهی (LLM) برای شناسایی نسخه‌های دست‌نویس پزشکی معرفی می‌کند و توانسه است که دقت بهتری را نسبت به «همه‌ی» مدل‌های قبلی داشته باشد!

📎فایل مقاله

🔗 برای خواندن گزارشی از این مقالهبه وب‌سایت ما مراجعه کنید!

*🌐 |* @medxmedia_net

آرمانشهر هوش مصنوعی در پزشکی!
#وبلاگ

در این وبلاگ، دکتر آرمان گرجی، پزشک و پژوهشگر هوش مصنوعی، به مفهومی پرداخته‌اند که به قول ایشان اگر به صورت صحیحی مورد اجرا قرار بگیرد، می‌تواند «نهایت» کاربرد هوش مصنوعی در پزشکی باشد و آن را به کلی متحول کند!

🔗 برای مطالعه این وبلاگبه وب‌سایت ما مراجعه کنید!

*🌐 |* @medxmedia_net

🔹#روش‌های_مشارکت در MedX | بخش اول 🌐 همان‌طور که قبلا هم ذکر شد، MedX یک پروژه‌ی منبع‌باز (Open Source) است و هر کسی که مایل باشد، می‌تواند در آن مشارکت کند. اما برای شفاف‌تر شدن روش‌های مختلف مشارکت در MedX، تصمیم گرفتیم که پست‌هایی را با هشتگ #روش‌های_مشارکت…

هوش مصنوعی گزارش‌های رادیولوژی بیماران را به صورت ویدئویی برای آن‌ها توضیح می‌دهد!
اگر تجربه‌ی دریافت و مشاهده‌ی گزارش‌های رادیولوژی را داشته باشید، حتما می‌دانید که تفسیر آن‌ها کار هر کسی نیست و بیماران هم که اغلب دانش پایه‌ای لازم برای تفسیر این گزارشات را ندارند، همواره با مشکل «ندانستن معنای گزارشی که در دست‌شان است» روبه‌رو هستند.

اما حالا دیگر نیازی به نگرانی درمورد این مسئله نیست! مدل ReXplain [که چند روز پیش در مقاله‌ای از پژوهشگران دانشگاه هاروارد معرفی شد] قرار است آن‌ها را به ویدئوهای کوتاه و قابل فهمی برای بیماران تبدیل کند تا متوجه مسئله‌شان شوند و نهایتا هم تجربه‌ی بهتری از کل مسیر درمانی‌شان داشته باشند!

📎فایل مقاله

🔗 برای خواندن گزارشی از این مقالهبه وب‌سایت ما مراجعه کنید!

*🌐 |* @medxmedia_net

#معرفی_شرکت‌ها **| قسمت ۳

⭐️ پتلفرم Qventus**
این شرکت در سال ۲۰۱۲ توسط آقای Mudit Garg در شهر San Francisco راه‌اندازی شد. ایشان فارغ‌التحصیل برق و MBA دانشگاه استنفورد هستند و Quventus را با هدف «خودکارسازی عملیات‌های سیستم سلامت با کمک فناوری‌هایی مانند هوش مصنوعی» آغاز کردند. این شرکت خصوصی تا به حال بیشتر از ۸۳ میلیون دلار سرمایه جذب کرده است و تعداد کارمندانش هم به بیشتر از ۱۸۰ نفر رسیده است.

این شرکت را می‌توان یکی از پیشگامان به‌کارگیری هوش مصنوعی در فعالیت روزانه‌ی بیمارستان‌ها در نظر گرفت و تا به امروز هم توسط سازمان‌های زیادی مورد استفاده قرار گرفته است. کاربران این شرکت را متخصصان بهداشت و مدیران در بیمارستان‌ها و سیستم‌های بهداشتی تشکیل داده‌اند و این کاربران برای ساده‌سازی جریان کار، افزایش کارایی عملیاتی و در نهایت ارائه نتایج بهتر برای بیماران از طریق «مدیریت مؤثرتر بیمارستان»، به این پلتفرم تکیه می‌کنند.

🔗 وب‌سایت | لینکدین |‌ توییتر | کرانج‌بیس

*🌐 |* @medxmedia_net

انقلابی در مراقبت‌های سرطان: ترکیب دوقلوی دیجیتال و هوش مصنوعی
دوقلوهای دیجیتال، نسخه‌های مجازی بیماران هستند که «به طور مداوم» با داده‌های واقعی به‌روزرسانی می‌شوند. این دوقلوها، می‌توانند به پزشکان برای شبیه‌سازی و پیش‌بینی نتایج درمانی بیماران کمک کنند و نهایتا منجر به اتخاد تصمیم‌های بهتری توسط آنان شوند.

در مقاله‌ی جدیدی که توسط RISA Lab منتشر شده است هم به این دوقلوها و فواید استفاده از آن‌ها در مسیر درمان سرطان پرداخته شده است. این مقاله، یک چارچوب نوآورانه برای دوقلوهای دیجیتال در فرآیندهای درمانی سرطان معرفی می‌کند که شامل سه دوقلوی متفاوت می‌باشد: ۱) دوقلوی ضرورت پزشکی، ۲) دوقلوی تاریخچه بالینی و ۳) دوقلوی راهنمای مراقبت هستند. هر کدام از این دوقلوها هم نقش بسیار مهمی در بهبود کارایی و شخصی‌سازی مراقبت‌های بیمار ایفا می‌کنند.

📎فایل مقاله

🔗 برای خواندن گزارشی از این مقالهبه وب‌سایت ما مراجعه کنید!

*🌐 |* @medxmedia_net