کاربرد هوش مصنوعی در تشخیص کرونا

برای اولین بار ویروس کرونا در کشور چین در شهر ووهان از استان هوبی مشاهده شد. کشورهای درگیر با کمک شبکۀ بهداشت و درمان، شروع به ثبت تعداد بیماران و علائم این بیماری کردند. یکی از علائم شایع در این بیماری، تب و افزایش درجۀ دمای بدن بیمار است که می توان از آن برای کاربرد هوش مصنوعی در تشخیص ویروس کرونا استفاده کرد.

پس برای تشخیص به موقع این بیماری، دمای بدن فرد مشکوک از بدو شروع بیماری بین سه تا پنج روز اندازه گیری می شود و این اطلاعات به همراه مشخصات فردی در سیستم خبره ثبت می گردد و سپس با استفاده از تکنیک یادگیری ماشین و شبکۀ عصبی، گزارشی از وضعیت بیمار داده می شود که طبق آن گزارش می توان فهمید که آیا فرد مشکوک به کرونا مبتلاست یا خیر؟

گام اول در این روش، وارد کردن تعدادی داده به عنوان داده های یادگیر به سیستم خبره است تا بتوان از این طریق دقت الگوریتم را در تشخیص بیماری، تست کرد. با توجه به مقدارهای وارد شده و خارج شده، خطای موجود در تشخیص بیماری مشخص می شود و از کاهش یا افزایش ضرایب برای کالیبراسیون سیستم استفاده می شود. اگر علائم در بیمار شدت گرفت و مشکلات تنفسی در آن مشاهده شد باید در گام دوم از صدای سرفه بیمار و کیفیت آن به سیستم خبره ارسال کرد.

کاربرد هوش مصنوعی در تشخیص ویروس کرونا

تنها تفاوت این گام با گام قبلی این است که با استفاده از پردازش سیگنال صوتی، صدای سرفۀ بیمار با سایر بیماران مبتلا به کرونا که علائم مشابهی با فرد مشکوک دارد مقایسه می شود و در صورت وجود تشابه تشخیص می دهد که بیمار به کرونا مبتلاست. اگر فرد مبتلا به کمک کادر درمان نیاز داشته باشد، از طریق سیستم کادر درمان، آنها را برای جابه جایی و شروع درمان فرا می خواند. از مزایای کاربرد هوش مصنوعی در تشخیص ویروس کرونا می توان به عدم نیاز حضور افراد مشکوک به مراکز درمانی اشاره کرد. همچنین کاهش هزینه ها برای تشخیص بیماری و استفاده از بانک اطلاعاتی در پایان دورۀ اپیدمی از دیگر مزایای کاربرد هوش مصنوعی در تشخیص ویروس کرونا می باشد.

کاربرد هوش مصنوعی در تشخیص ویروس کرونا از طریق ترکیب شبکۀ عصبی، پردازش سیگنال عصبی و تکنیک یادگیری ماشین امکانپذیر خواهد بود که سعی می شود، فرآیندی شبیه به فرآیند سیستم بهداشت و درمان طراحی شود تا نتایج آن قابل استناد باشد. این روش از دو فرآیند آنالیز حرارت بدن و پردازش سیگنال صوتی تشکیل شده است که می توان از هر کدام آنها بصورت مجزا برای تشخیص بیمارانی که هر دو علامت بیماری را ندارند، استفاده کرد. با توجه به حجم بالای اطلاعات ورودی یک کشور، کاربرد هوش مصنوعی در تشخیص ویروس کرونا می تواند مفید واقع شود و با کمترین میزان خطا همراه شود.

به کمک سیگنالهای پردازش می توان ویروس کرونا را تشخیص داد.

داده های اولیه در فرآیند یادگیری ماشین خبره، مطابق با جمع آوری و دسته بندی و تحلیل داده های افراد سالم، مشکوک و بیمار در انواع رده های سنی و جنسیتی ثبت می شود که در ابتدای فرآیند باید مقدار خطای پیش بینی در تحلیل و تصمیم گیری اندازه گیری شود. توجه کنید که پارامترهای علائم اولیۀ بیمار و مشخصات فردی بصورت مستقل استفاده می شود و پارامتر وابسته همان عددیست که نشان می دهد فرد چه میزان به بیماری ویروس کرونا مبتلاست. پس در اینجا، تکنیک ریاضی برای استفاده از سری های زمانی چند متغیره، به متغیرهای مستقل اضافه می شود تا بتوان بهترین خطای محاسباتی را تعیین کرد.