Kecerdasan buatan (AI) adalah cabang ilmu komputer yang berhubungan dengan pemecahan masalah menggunakan pemrograman simbolik. Kecerdasan buatan (AI) adalah bidang yang berkaitan dengan pengembangan dan penerapan algoritma untuk pemrosesan, pembelajaran, dan interpretasi data.
Pengertian Artificial Intelligence
Hasil dari buku ini adalah pemahaman yang lebih baik tentang konsep himpunan fuzzy dan logika fuzzy, sehingga dapat digunakan di berbagai bidang. Buku ini sangat bermanfaat bagi para peneliti, mahasiswa dan praktisi yang tertarik dengan penerapan logika fuzzy dan ingin memperluas pengetahuannya tentang konsep dasar himpunan fuzzy dan logika fuzzy.
Tujuan
Sejarah
Industri pemrosesan bahasa alami, yang mencakup aplikasi seperti prediksi teks dan pengenalan ucapan dan suara, tumbuh sebesar 28,5 persen pada tahun 2017. Pada tahun 2015, pendapatan global dari big data dan analisis bisnis mencapai US$122 miliar, dengan perkiraan lebih dari US$200 miliar pada tahun 2020 [10] .
Klasifikasi AI
Pesatnya perkembangan kecerdasan buatan memang terlihat dan tidak dapat dipungkiri bahwa di masa depan semua perangkat elektronik dan komputer akan menjadi lebih pintar berkat penerapan metode.
Cabang Keilmuan
Sistem Pakar
Kecerdasan Buatan dalam Layanan Kesehatan 30. lebih mendalami bidang yang menjadi domain sistem pakar. Jika informasi yang diberikan salah, sistem pakar dapat memberikan keputusan yang salah atau menyimpang.
Robotika dan Navigasi
Visi robot melibatkan penerapan teknologi visi komputer pada robot, dimana robot memerlukan informasi visual untuk mengambil keputusan tentang tindakan yang akan diambil. Penggunaan penglihatan pada robot saat ini mencakup fungsi seperti membantu navigasi, mencari objek yang diinginkan, melakukan inspeksi lingkungan, dan lain sebagainya. Penglihatan pada robot memegang peranan penting karena mampu memberikan informasi yang lebih detail dibandingkan dengan sensor jarak jauh atau sensor lainnya.
Misalnya vision digunakan untuk identifikasi pelanggan berbasis visual dan menghindari rintangan bergerak, atau menggerakkan servo sebagai penggerak agar kamera tetap fokus pada wajah seseorang (facial tracking).
Permainan Games
Konsep Kecerdasan Buatan (AI)
Jaringan Saraf Tiruan (Neural Network)
Jaringan saraf tiruan adalah sistem pemrosesan informasi yang dirancang untuk meniru cara otak manusia memecahkan masalah. Pada proses ini jaringan syaraf tiruan menggunakan proses pembelajaran dengan mengubah bobot sinapsis antar neuron. Dengan mempelajari data masa lalu, jaringan syaraf tiruan dapat memberikan keputusan atau prediksi mengenai data yang belum pernah kita lihat sebelumnya.
Jaringan multilayer memperkenalkan satu atau lebih lapisan tersembunyi yang terdiri dari neuron tersembunyi.
Implementasi Artificial Intelligence
Untuk mencapai tingkat kinerja yang menyerupai pikiran manusia, kecerdasan buatan (AI) mengandalkan sistem berbasis algoritma. Metode ini menggunakan antarmuka pemrograman aplikasi (API) yang memungkinkan pengguna melakukan berbagai manipulasi pada gambar, seperti mengedit, mempertajam fokus, dan penyesuaian warna. Dengan menggunakan LBPH, informasi tentang pola piksel berbeda pada gambar skala abu-abu dapat diekstraksi dan digunakan untuk mengenali tekstur rambut dengan variasi berbeda.
Dengan menggunakan keempat metode tersebut, para peneliti menemukan bahwa penggunaan algoritma CNN meningkatkan akurasi dan kemampuan mengenali objek rambut dengan fitur yang kompleks.
AI dalam Penemuan Obat
Bisnis farmasi memiliki jutaan zat dalam kumpulan datanya, dan metode pembelajaran mesin pada umumnya mungkin tidak mampu menanganinya. Model komputer berdasarkan hubungan struktur-aktivitas kuantitatif (QSAR) dapat memprediksi sejumlah besar senyawa atau sifat fisikokimia sederhana seperti log P atau log D dalam waktu singkat. Alat AI yang muncul, seperti DL dan studi pemodelan yang relevan, dapat digunakan untuk memecahkan masalah ini dalam mengevaluasi keamanan dan kemanjuran molekul obat.
Teknik pemodelan hubungan aktivitas struktur kuantitatif telah digunakan untuk mengidentifikasi kandidat obat dan telah berkembang menjadi metodologi QSAR berbasis AI, termasuk analisis diskriminan linier (LDA), mesin vektor pendukung (SVM), hutan acak (RF) dan pohon keputusan yang dapat digunakan untuk mempercepat studi QSAR.
Aplikasi AI dalam Perawatan Klinis
Kardiologi
Neurologi Manfaat AI juga menarik minat di bidang ilmu saraf klinis, di mana teknologi baru dapat berkontribusi pada deteksi dini dan pengelolaan penyakit neurologis yang lebih baik [34]. 35] menyelidiki teknik berbasis pembelajaran mesin untuk memprediksi kekambuhan stroke dan menemukan fitur-fitur penting. Quon dan rekannya [42] telah menunjukkan bahwa DL dapat berguna dalam mengklasifikasikan pelepasan epileptiform serebral (IED) secara otomatis.
Untuk membangun kerangka pengenalan pertumbuhan tumor kanker kolorektal, Lu dan rekannya menggunakan model Faster RCNN.
Hematologi
Alat diagnostik berbantuan komputer mereka mampu mendeteksi, mengevaluasi, dan menganalisis fitur klinis penting pada slide digital dengan akurasi tinggi. Para penulis mampu memprediksi kelangsungan hidup pasien MCL secara keseluruhan dengan akurasi tinggi menggunakan metode berbasis ML yang berbeda. Para peneliti menggunakan teknik berbasis DL, membangun sistem dengan dua modul CNN yang bekerja secara berurutan: satu untuk mengidentifikasi promyelosit yang menyimpang di antara gambar sel mononuklear darah lainnya, dan yang lainnya untuk menentukan apakah ledakan tersebut berasal dari garis keturunan myeloid atau limfoid.
Analisis statistik tradisional atau prediktor naif dikecualikan oleh sistem AI, yang juga secara akurat memprediksi kelangsungan hidup secara keseluruhan.
Nefrologi
Tomaev dkk. misalnya, merancang teknik DL yang melibatkan RNN untuk prediksi risiko eksaserbasi berkelanjutan di masa depan pada pasien AKI. Misalnya, Chen et al., menggunakan algoritma XGBoost yang dikombinasikan dengan analisis kelangsungan hidup untuk membuat stratifikasi kemungkinan perkembangan penyakit ginjal pada pasien IgAN. Cao dkk., misalnya, [52] membandingkan DBN, MLR dan CNN atas kemampuannya memprediksi kualitas hidup terkait kesehatan jangka panjang setelah operasi bariatrik.
Diaz-Rodriguez dkk., [53] misalnya, menemukan bahwa terdapat pengembangan injeksi intra-artikular (IA) baru untuk pengobatan osteoartritis.Penulis mengusulkan agar poloxamer dan asam hialuronat digabungkan untuk menciptakan IA mengandung formulasi beta-lapachone.
AI di Apotek Rumah Sakit
Berbagai Kegunaan Lainnya Tidak seperti AI dalam bidang kedokteran, yang menggunakan algoritme pembelajaran mandiri untuk menganalisis data pasien dan meningkatkan hasil pasien, AI dalam pembedahan dapat melibatkan mobilitas. Dengan kemajuan terkini dalam DL dan DCNN, AI dapat mendeteksi dan melacak objek, membuat prosedur pembedahan menjadi lebih efisien [54, 55]. AI dapat digunakan dalam pendidikan bedah untuk menilai keterampilan bedah, namun diperlukan lebih banyak penelitian mengenai penerapan dan penggunaannya.
Kecerdasan Buatan dalam Diagnosis dan Pengelolaan Aritmia
Pendekatan kecerdasan buatan semakin banyak digunakan dalam banyak aspek perawatan pasien, sehingga membuka jalan bagi pilihan pengobatan yang kurang invasif atau non-invasif. Artikel ini memberikan tindakan diagnostik dan terapeutik serta potensi dampaknya pada semua aspek pengobatan aritmia.
Analisis Sinyal Listrik Jantung Menggunakan Metodologi Kecerdasan Buatan
Deteksi Aritmia Menggunakan Kecerdasan Buatan Pendekatan AI telah digunakan dalam interpretasi EKG
Kecerdasan Buatan dalam Pelayanan Kesehatan 90 . (ketersediaan teknologi nirkabel, Wi-Fi, Bluetooth, dan ponsel pintar), ketersediaan penyimpanan data berbasis web, dan beberapa EKG berbantuan AI meningkatkan keakuratan model, yang mengarah pada gagasan bahwa perubahan struktural mungkin terjadi sebelum AF, seperti hipertrofi miosit, fibrosis, atau perluasan spasial dapat menyebabkan perubahan multidimensi sederhana pada EKG yang tidak terdeteksi oleh mata manusia tetapi dapat diamati oleh DNN. Apple Heart Study, sebuah uji coba berbasis komunitas baru-baru ini yang mengevaluasi kegunaan jam tangan pintar dalam mendeteksi AF, menemukan hasil yang menjanjikan pada 0,41 juta orang yang tidak memiliki riwayat AF sebelumnya. Jika algoritme pemberitahuan denyut tidak teratur berbasis jam tangan pintar mendeteksi kemungkinan AF, subjek diberitahu untuk menjalani pemantauan patch EKG tambahan selama 7 hari.
Untuk diagnosis AF selama periode tindak lanjut secara bersamaan, algoritma berbasis jam tangan pintar menunjukkan nilai prediksi positif sebesar 0,84 (interval kepercayaan
Kecerdasan Buatan dan Perangkat Jantung
Algoritme berbasis aturan adalah bentuk paling dasar dari kecerdasan buatan; namun, ini berbeda dengan Machine learning karena ia tidak dapat belajar [95]. Algoritme pembelajaran mesin digunakan pada perangkat jantung untuk mendeteksi aritmia dan memprediksi kejadian di masa depan. Saya mengembangkan metode pembelajaran mesin untuk membedakan ketukan yang dapat dibenturkan dan yang tidak dapat dibenturkan.
Teknik pembelajaran mesin telah diterapkan untuk meningkatkan prediksi hasil terapi sinkronisasi ulang jantung (CRT), memungkinkan pemilihan pasien yang lebih baik [103,104].
Kecerdasan Buatan dalam Perawatan Kesehatan Kecerdasan Buatan secara sederhana mengacu pada
Hasilnya, arsitektur dirancang untuk mendukung penggunaan medis dalam bentuk organisasi untuk integrasi, rekam medis dan rekam medis elektronik didistribusikan dan diarsipkan dalam bentuk jaringan laba-laba informasi cerdas. Sistem layanan kesehatan harus dilihat sebagai kumpulan sistem yang heterogen, terdistribusi, dan ada di mana-mana yang menggunakan bahasa berbeda, mengintegrasikan perangkat medis, dan disesuaikan oleh entitas berbeda, ditentukan oleh orang-orang yang hidup dalam situasi berbeda dan mengejar tujuan berbeda.[115]. Oleh karena itu, arsitektur dirancang untuk mendukung penggunaan medis dalam bentuk organisasi untuk integrasi, distribusi dan pengarsipan data medis dan data medis elektronik, dalam bentuk jaring laba-laba dari sistem pemrosesan informasi cerdas, yang merupakan subsistem utama. , peran dan aliran fungsionalnya.
Arsitektur dirancang untuk mendukung penggunaan medis dalam bentuk organisasi untuk integrasi, diseminasi dan pengarsipan data medis dan rekam medis elektronik dalam bentuk web sistem pemrosesan informasi cerdas, subsistem utamanya, peran fungsionalnya dan alurnya. informasi dan kontrol di antara keduanya, dengan otonomi yang dapat dimodifikasi.
Aplikasi Kecerdasan Buatan dalam Perawatan Kesehatan
AI dapat digunakan untuk memeriksa data dari seluruh populasi pasien untuk menemukan bukti baru dan memilih prosedur perawatan kesehatan berkualitas tinggi [124].
Melakukan Pekerjaan yang Berulang
AI menghasilkan terobosan dalam layanan kesehatan, seperti pengorganisasian taktik pengobatan yang lebih baik, analisis data untuk strategi pengobatan yang lebih baik, dan pemantauan pengobatan [129]. AI dapat melihat tanda dan gejala penyakit pada pencitraan medis seperti MRI, CT scan, USG, dan x-ray dengan lebih cepat dan akurat, sehingga memungkinkan diagnosis dan pilihan pengobatan lebih cepat [130]. Selain itu, kemampuan untuk mencari database publik yang berisi informasi dari ratusan dokter dan kasus pasien dapat membantu dokter mengelola perawatan.
Konsultasi Digital
AI kemudian dapat menganalisis data ini untuk memberikan akses yang lebih baik kepada masyarakat terhadap informasi tentang kondisi fisik mereka, sehingga memungkinkan mereka membuat keputusan gaya hidup yang lebih aman [133].
Pembuatan Obat
Dua obat yang mengurangi infektivitas diidentifikasi dalam satu hari, ketika penelitian serupa biasanya memakan waktu berbulan-bulan hingga bertahun-tahun, dan berpotensi menyelamatkan ribuan nyawa [135]. Platform AI yang dikombinasikan dengan teknologi komputasi dalam memori akan segera memungkinkan penemuan, pengembangan, dan pengiriman obat lebih cepat, serta membantu para ilmuwan menemukan kegunaan baru obat-obatan [134].
Mendeteksi Penyakit Ganas dan Menilai Efektivitas Kemoterapi pada Pasien Kanker
Mendeteksi Kondisi Mental
Penatalaksanaan Diabetes
Keterbatasan Kecerdasan Buatan dalam Perawatan Kesehatan
Masa Depan Kecerdasan Buatan
AI dapat memberikan diagnosis yang jauh lebih cepat dan akurat untuk segmen populasi yang lebih besar karena kemampuannya mengumpulkan dan mengevaluasi data dalam jumlah besar. Individu yang tidak memiliki akses terhadap layanan kesehatan yang sangat terspesialisasi dapat memperoleh manfaat dari AI [145]. Biaya perawatan kesehatan dapat dikurangi karena diagnosis yang lebih dini dan lebih akurat.
Seiring dengan kemajuan teknologi AI, hal ini akan mengubah cara dokter memandang pasiennya, memperluas kemampuan untuk memprediksi dan mengobati penyakit, mengurangi biaya perawatan kesehatan, dan memajukan layanan medis di wilayah di mana layanan kesehatan langka.
Perangkat AI
Menurut laporan yang dikeluarkan oleh The Business Research Company (Busines Research Company, 2020), pasar perangkat medis (MD) global tumbuh karena meningkatnya kasus penyakit menular dan kronis, peningkatan jumlah fasilitas kesehatan, peningkatan pengeluaran perawatan kesehatan, kemajuan teknologi. dan pertumbuhan populasi menua dengan cepat. Meskipun tingginya permintaan terhadap layanan kesehatan, pemerintah di seluruh dunia, termasuk dokter, berfokus pada pengurangan biaya namun juga menginginkan hasil yang lebih baik bagi pasien.
Kecerdasan Buatan dalam Perangkat Medis: Masa Lalu
Sejak munculnya COVID-19, terjadi peningkatan besar dalam permintaan akan dokter untuk diagnosis, prognosis, dan pengobatan (Badnjevic, 2020).
Kecerdasan Buatan dalam Perangkat Medis: Saat Ini Produsen perangkat medis memanfaatkan teknologi ini
Kecerdasan Buatan dalam Perangkat Medis: Masa Depan
Medicrea GROUP, sebuah perusahaan perangkat medis Perancis yang menyediakan solusi bedah untuk ahli bedah saraf dan ahli bedah plastik, menciptakan UNiD ASI. Sistem seperti ini mewakili perubahan paradigma dari manajemen dan pemeliharaan reaktif ke manajemen dan pemeliharaan prediktif, karena sistem tersebut dapat digunakan untuk mendeteksi anomali perangkat keras yang menyebabkan diagnosis dan perawatan pasien tidak akurat. Temuan penelitian ini menunjukkan bahwa penggunaan pembelajaran mesin dalam teknik klinis dan manajemen teknologi kesehatan dapat membantu mengoptimalkan biaya dan pengelolaan peralatan medis [150].
Peran Kecerdasan Buatan dalam Pengembangan Obat
