خب بچهها یه خبر هیجانانگیز از دنیای هوش مصنوعی دارم! همونطور که میدونید آسیب مغزی ناشی از ضربه، یا همون Traumatic Brain Injury که به اختصار بهش میگن TBI، یکی از مشکلات جدی توی بخش سلامت دنیاست. جالبه بدونید هر سال بیشتر از ۶۹ میلیون نفر توی دنیا این مدل ضربه مغزی رو تجربه میکنن! یعنی چیزی نیست که فقط مخصوص ورزشکارا باشه، خیلی افراد عادی هم ممکنه گرفتار بشن.
حالا بریم سر اصل مطلب. تا الان برای اینکه پیشبینی کنن وقتی به مغز ضربه میخوره چه اتفاقی توی بافتهاش میفته، به کمک مدلهای Finite Element یا همون مدلهای اجزای محدود (یه جور روش شبیهسازی عددیه که ساختار پیچیده بدن رو تحلیل میکنه) سعی میکردن نشون بدن مغز چجوری جابهجا یا دچار تغییر شکل میشه. مشکلی که این مدلها داشتن این بود که اجرای هر شبیهسازی چندین ساعت طول میکشید و واقعاً استفادهش توی موقعیتهای اورژانسی یا لحظهای بیمارستانا رو سخت میکرد.
اینجا هوش مصنوعی اومده وسط تا اوضاع رو عوض کنه! توی این تحقیق اومدن چهار مدل جدید هوش مصنوعی که بهشون Neural Operator یا NO میگن (یعنی مدلهایی که میتونن یاد بگیرن ورودیهای پیچیده مثل عکس MRI، اطلاعات سن و جنسیت، و نقشههای سفتی بافت مغز رو وصل کنن به نحوه تغییر شکل سهبعدی مغز)، رو ریختن توی خط و دیدن کدومشون بهتره.
این چهار مدل FNO (Fourier Neural Operator)، F-FNO (Factorized FNO)، MG-FNO (Multi-Grid FNO) و DeepONet بودن. چندتا اصطلاح خاص توشون هست: مثلاً Fourier Neural Operator یعنی هوش مصنوعیای که با استفاده از ریاضی فوریه (یه روش برای بررسی سیگنالها و موجها) کار میکنه، Multi-Grid یعنی مدلهایی که از چند مقیاس مختلف برای شبیهسازی کمک میگیرن، و DeepONet هم مخفف Deep Operator Network یعنی یه شبکه عصبی خیلی عمیق واسه یادگیری تبدیلهای پیچیده.
حالا جالب اینجاست که همهی این مدلها کاری کردن نتیجهای که قبلاً ساعتها طول میکشیده، توی میلیثانیه حساب شه! مثلاً مدل MG-FNO دقیقترین نتیجه رو داشته با گمراهی فقط ۰/۰۰۲۳ و ۹۴/۳ درصد دقت فضایی (یعنی خیلی شبیه واقعیت داره پیشبینی میکنه و حتی ویژگیهای ریزمغزی رو هم حفظ میکنه)، در حالی که F-FNO هم با نصف تعداد مرحله نسبت به FNO معمولی به جوابش رسیده! DeepONet هم از همه تندتره، یعنی میتونه تو هر ثانیه تقریباً ۱۴.۵ بار محاسبه رو انجام بده! جالبتر اینکه سرعتش هفت برابر بالاتر از MG-FNO بوده و همین باعث میشه گزینه خیلی خوبی برای اجرا روی دستگاههای کمقدرت (مثل کامپیوترهای کوچیک یا نوشتهشده روی دستگاههای پزشکی) بشه.
در کل، استفاده از این مدلها به بیمارستانها و مراکز درمانی اجازه میده که فوراً و به صورت دقیق بفهمن ضربهی وارد شده به سر هر مریض داره مغزش رو چطور تغییر میده. این یعنی دیگه لازم نیست برای هر بیمار ساعتها صبر کنن. همینطور با کمک این مدلها میشه ارزیابی ریسک آسیب مغزی رو شخصیسازی کرد، یعنی دقیقاً بسته به مغز خود هر فرد پیشبینی کرد وضعیتش چطوره.
طراحان این تکنولوژی دارن به جایی میرن که انگاری “همزاد دیجیتال” برای هر مغز آدمی بسازن (digital twin یعنی نسخهای دیجیتالی و شبیهسازی شده از چیزی که توی دنیای واقعی هست). این کار میتونه هم توی کارهای درمانی و هم حتی واسه ارتقاء محافظهای سر، مثل کلاه ایمنی، کمک کنه. خلاصه که هوش مصنوعی داره راه رو برای شبیهسازی و محافظت بهتر از مغز آدمها هموار میکنه و این دیگه فقط توی فیلمای علمیتخیلی نیست!
در نهایت، این تکنولوژیها قراره به پزشکها کمک کنن تا توی لحظه، تصمیمگیری درستتری داشته باشن، جان آدمها رو نجات بدن و حتی وسیلههای محافظتی ورزشی رو هوشمندتر کنن. واقعاً آینده پزشکی داره جالب میشه!
منبع: +
