درس های آموخته شده در انتقال به هوش مصنوعی در تصویربرداری پزشکی از COVID-19

هوش مصنوعی تصاویر پزشکی COVID-19

با مهندس شکوفه ساتری

خلاصه

بیماری همه گیر کروناویروس 2019 (COVID-19) ویرانی در سراسر جهان ایجاد کرده است. همچنین نیاز به توسعه فوری تشخیص‌های پیش‌بینی‌کننده کارآمد، به‌ویژه، روش‌های هوش مصنوعی (AI) که در تصویربرداری پزشکی اعمال می‌شود، ایجاد کرد. این امر منجر به همگرایی متخصصان رشته های مختلف برای حل این بیماری همه گیر جهانی از جمله پزشکان، فیزیکدانان پزشکی، دانشمندان تصویربرداری، دانشمندان کامپیوتر و متخصصان انفورماتیک شده است تا بهترین این رشته ها را برای حل چالش های همه گیر COVID-19 به کار گیرند. . با این حال، چنین همگرایی در یک دوره زمانی بسیار کوتاه، پیامدهای ناخواسته ای داشته و چالش های خاص خود را ایجاد کرده است. به عنوان بخشی از ابتکار مرکز داده ها و منابع تصویربرداری پزشکی، ما درس های آموخته شده از انتقال شغلی در سه رشته درگیر (رادیولوژی، فیزیک تصویربرداری پزشکی، و علوم کامپیوتر) را مورد بحث قرار می دهیم و با تجزیه و تحلیل چالش های مرتبط با هر یک از این تجربیات، توصیه هایی را ارائه می کنیم. سه نوع انتقال مرتبط: (1) هوش مصنوعی داده های غیرتصویربرداری به هوش مصنوعی داده های تصویربرداری پزشکی، (2) پزشک متخصص تصویربرداری پزشکی به هوش مصنوعی تصویربرداری پزشکی، و (3) هوش مصنوعی تصویربرداری پزشکی به هوش مصنوعی تصویربرداری COVID-19. درس‌های آموخته‌شده از این انتقال‌های شغلی و انتشار دانش در میان آن‌ها را می‌توان با شناخت پیچیدگی‌های مرتبط با آن‌ها، به طور مؤثرتری انجام داد. این درس‌های آموخته‌شده در انتقال به هوش مصنوعی در تصویربرداری پزشکی از COVID-19 می‌تواند برنامه‌های هوش مصنوعی آینده را اطلاع‌رسانی و بهبود بخشد، و کل انتقال‌ها را بیش از مجموع هر رشته برای مقابله با شرایط اضطراری مانند همه‌گیری COVID-19 یا حل کند. مشکلات در حال ظهور در زیست پزشکی