شرکت ژاپنی Iris با دستگاهی به نام نودوکا شیوهٔ معاینهٔ حلق را تغییر داده است: یک دوربین جمعوجور مجهز به هوش مصنوعی که تصویر مخاط حلق را تحلیل و در حدود 10 ثانیه نتیجهٔ اولیهٔ احتمال ابتلا به آنفلوانزا را گزارش میکند.
نحوهٔ عملکرد
سیستم نودوکا تصاویر ثبتشده از حلق را با اطلاعات مصاحبهٔ پزشکی و دادههای بالینی ترکیب میکند و مدلهای یادگیری ماشین روی این مجموعهٔ چندمنظوره تحلیل انجام میدهند. این روش جایگزین تست سواب بینیِ مرسوم میشود، معاینه را برای بیمار راحتتر کرده و احتمالِ تشخیص در مراحل اولیه را افزایش میدهد.
- ثبت تصویر حلق توسط دوربین جمعوجور
- گرفتن اطلاعات پرسشوار (مصاحبهٔ بالینی کوتاه)
- تحلیل ترکیبی تصاویر و دادهها توسط مدلهای یادگیری ماشین
- ارائهٔ نتیجهٔ اولیه در حدود 10 ثانیه و در صورت لزوم ارجاع برای آزمونهای تکمیلی
منبع اطلاعات تکمیلی: ویکیپدیا — آنفلوانزا.
تأیید، پوشش بیمه و گسترش در ژاپن
نودوکا در 2022 بهعنوان نخستین دستگاه پزشکی مجهز به هوش مصنوعی در ژاپن تأیید شده و تحت پوشش بیمهٔ سلامت ملی قرار گرفت. از آن زمان بیش از 2,000 مرکز پزشکی در سراسر ژاپن این سیستم را بهکار گرفتهاند. در اکتبر 2025 عملکرد تشخیص مرتبط با کووید-۱۹ نیز برای دستگاه تصویب شد. برای مراجعهٔ سریع: ویکیپدیا — کووید-۱۹.
چالشهای اولیه و جمعآوری داده
شو اوکویاما، بنیانگذار شرکت و پزشک اورژانس با تجربهٔ خدمت در مناطق دورافتاده، میگوید یکی از نخستین موانع فقدان مجموعهٔ دادهٔ مناسب برای تصاویر حلق بود. برای رفع این مشکل، Iris دوربینهایی را به حدود 100 مرکز پزشکی قرض داد و طی نزدیک سه سال، با رضایت بیماران مجموعهای از تصاویر و دادههای بالینی را گردآوری کرد تا مدلها قابلاعتماد شوند.
اثر شبکهای و مزیت رقابتی
پس از عرضهٔ تجاری، هر استفادهٔ بالینی منجر به انباشت دادههای ناشناسشده شد. حجم تصاویر حلق از چندصد هزار پیش از عرضه به چندین میلیون افزایش یافته و بهتدریج کیفیت تشخیص را ارتقا داده است. این رشد دادهای، ورود رقبا را دشوار میکند و تا کنون رقیب شاخصی در همان حوزه ظهور نکرده است.
فراتر از بیماریهای عفونی: تشخیصِ بیماریهای مزمن
تصویر مخاط و الگوی رگهای حلق میتواند نشانگر تغییرات متابولیک یا عروقی باشد. Iris در حال توسعهٔ مدلهایی است که با تحلیل الگوهای مخاطی، نشانههایی از بیماریهایی مانند دیابت و فشار خون را شناسایی کنند. هزینهٔ استنتاج مدلها پایین است، بنابراین افزودن آزمونهای جدید بار هزینهای سنگین برای ارائهدهنده ایجاد نمیکند.
آیندهٔ مراقبتهای بهداشتی و نقش دادهها
چشمانداز بلندمدت شامل بازطراحی فرایندهای مراقبت سلامت از مرحلهٔ جمعآوری داده تا ارجاع و درمان است: مصاحبههای دیجیتال، مشاورهٔ آنلاین، ارجاع به پزشک مراقبت اولیه و هدایت به مراکز تخصصی. در هر مرحله حسگرها و الگوریتمها داده تولید و تحلیل میکنند؛ بسیاری از تکنولوژیهای لازم امروز در دسترساند و تمرکز تیمها بر رفع موانع عملیاتی و مقرراتی است.
چالشهای مقرراتی و بینالمللیسازی
Iris با نهادهای قانونگذاری همکاری نزدیک دارد تا چارچوبهای لازم برای استفادهٔ گسترده را فراهم کند. بهدلیل شباهتهای زیستشناختی غشاهای مخاطی در جمعیتهای مختلف، شرکت امید دارد الگوریتمهای توسعهیافته در ژاپن قابلیت انتقال به بازارهای دیگر را داشته باشند؛ آزمایشهای بالینی در ایالات متحده نیز در دست بررسی است.
مزایا برای بیمار و نظام سلامت
- معاینهای سریعتر و کمتر آزاردهنده برای بیمار
- افزایش احتمال تشخیص زودهنگام و کاهش نیاز به تستهای تهاجمی
- تسهیل پژوهش با مجموعهٔ دادهٔ اختصاصی و بهبود مستمر کیفیت تشخیص
برای اطلاعات تکمیلی دربارهٔ کاربردهای هوش مصنوعی در پزشکی: ویکیپدیا — هوش مصنوعی.
تصاویر: آرشیو Iris / عکاسی کلینیکی
