شناخت نقش هوش مصنوعی در تحلیل داده‌های آزمایشگاهی

به گزارش پایگاه خبری شبکه آزمایشگاهی کشور، وبینار آموزشی «کاربرد هوش مصنوعی در علوم آزمایشگاهی و تحلیل داده‌های آزمایشگاهی»، توسط آزمایشگاه پیش بالینی دانشگاه علوم پزشکی تهران با هدف توانمندسازی پژوهشگران و کارشناسان آزمایشگاه‌های تشخیص طبی و تحقیقاتی برگزار می‌شود.

این وبینار آموزشی، کاربرد هوش مصنوعی را در انواع دستگاه‌ها و داده‌های آزمایشگاهی شامل طیف‌سنجی، کروماتوگرافی، بیوانفورماتیک، تصویربرداری، آزمون‌های بیوشیمی، دارویی و سایر حوزه‌ها پوشش می‌دهد. استفاده از مدل‌های هوش مصنوعی در این دوره به شرکت‌کنندگان امکان می‌دهد داده‌های آزمایشگاهی را سریع‌تر تحلیل کنند، الگوهای پنهان را شناسایی نمایند، خطای انسانی را کاهش دهند و فرآیندهای تحقیق، کنترل کیفیت و توسعه محصول را بهبود بخشند. برگزاری این وبینار برای تمامی آزمایشگاه‌ها و مراکز تحقیقاتی که داده تولید می‌کنند و نیاز به تحلیل دارند، اهمیت ویژه‌ای دارد.

در بخش مقدمه وبینار، مفاهیم هوش مصنوعی، یادگیری ماشین و یادگیری عمیق تشریح شده و انواع الگوریتم‌های یادگیری ماشین از جمله دسته‌بندی، خوشه‌بندی و رگرسیون معرفی می‌شوند. تفاوت یادگیری نظارت‌شده و بدون نظارت و همچنین شبکه‌های عصبی و شبکه‌های عصبی کانولوشنی برای تحلیل تصاویر نیز به شرکت‌کنندگان آموزش داده خواهد شد.

در بخش عملیاتی وبینار، ابزارهای کاربردی برای تحلیل داده‌های آزمایشگاهی شامل پایتون، گوگل کولب، Scikit-learn، TensorFlow و AutoML معرفی می‌شوند و مراحل توسعه مدل‌های هوش مصنوعی، از پیش‌پردازش داده‌ها تا آموزش و ارزیابی مدل‌ها، به صورت عملی مرور خواهد شد. منابع داده‌های آزمایشگاهی، هم مصنوعی و هم واقعی، در اختیار شرکت‌کنندگان قرار گرفته و تمرین‌های عملی جهت تسلط بر کاربرد ابزارها ارائه خواهد شد.

کاربردهای عمومی هوش مصنوعی در پزشکی آزمایشگاهی نیز در این دوره بررسی می‌شوند و شرکت‌کنندگان با تفسیر خودکار نتایج آزمایش‌های آزمایشگاهی، تحلیل تصاویر میکروسکوپی، سامانه‌های پشتیبان تصمیم‌گیری بالینی و پیش‌بینی بیماری‌ها بر اساس الگوهای داده‌های آزمایشگاهی آشنا خواهند شد. همچنین استفاده از هوش مصنوعی برای خودکارسازی فرآیندها و بهینه‌سازی جریان کاری آزمایشگاه مورد بحث قرار خواهد گرفت.

کاربردهای تخصصی هوش مصنوعی در بخش‌های مختلف آزمایشگاه شامل هماتولوژی، میکروب‌شناسی، بیوشیمی، ایمنولوژی، آزمایش‌های هورمونی، ژنتیک و زیست‌شناسی مولکولی، قارچ‌شناسی و انگل‌شناسی نیز در وبینار آموزش داده خواهد شد. در هماتولوژی، شناسایی خودکار سلول‌های خونی و پیش‌بینی انواع کم‌خونی و سرطان‌های خونی با استفاده از یادگیری ماشین مورد توجه قرار می‌گیرد.

در میکروب‌شناسی، شرکت‌کنندگان با شناسایی کلونی‌های باکتریایی و پیش‌بینی مقاومت آنتی‌بیوتیکی آشنا می‌شوند. در بیوشیمی، پیش‌بینی بیماری‌هایی مانند دیابت، نارسایی کلیه و کبد چرب و کشف الگوهای متابولیکی پنهان آموزش داده خواهد شد. در ایمنولوژی، تفسیر خودکار نتایج آزمایش‌های ELISA و IFA و تشخیص بیماری‌های خودایمنی با پشتیبانی هوش مصنوعی ارائه خواهد شد. در آزمایش‌های هورمونی، تحلیل نوسانات هورمونی برای پیش‌بینی اختلالات و کاربردهای هوش مصنوعی در ناباروری و اختلالات تیروئیدی بررسی می‌شوند. در ژنتیک و زیست‌شناسی مولکولی، تحلیل داده‌های NGS و WGS و شناسایی جهش‌ها و بیماری‌های ژنتیکی با الگوریتم‌های یادگیری ماشین آموزش داده خواهد شد.

در قارچ‌شناسی، شناسایی گونه‌های قارچی و دسته‌بندی کلونی‌ها با استفاده از مدل‌های شبکه عصبی کانولوشنی انجام می‌شود و در انگل‌شناسی، شناسایی انگل‌های خونی و تخم‌های کرمی در نمونه‌های آزمایشگاهی با بینایی ماشین ارائه خواهد شد.

مدرس این دوره، پوریا ذوالفقاری است که به عنوان پژوهشگر حوزه هوش مصنوعی و کارشناس آزمایشگاه پیش بالینی دانشگاه علوم پزشکی تهران فعالیت می‌کند و عضو تیم تحقیقاتی هوش مصنوعی شرکت دانش‌بنیان راکیزه ژن فناور است.

مخاطبان این وبینار شامل مدیران و کارشناسان آزمایشگاه‌های تشخیص طبی، پژوهشگران دانشگاهی و دانشجویان و فارغ‌التحصیلان رشته‌های علوم آزمایشگاهی، شیمی، زیست و علوم پایه هستند. وبینار روز پنجشنبه ششم آذر ماه ۱۴۰۴ از ساعت ۹ تا ۱۵ به صورت آنلاین برگزار می‌شود و فایل‌ها و ویدئوهای دوره پس از برگزاری در اختیار شرکت‌کنندگان قرار خواهد گرفت.

همچنین، شرکت‌کنندگان پس از پایان دوره گواهی معتبر به زبان انگلیسی از دانشگاه علوم پزشکی تهران دریافت خواهند کرد. ثبت‌نام از طریق سایت https://tpcf.ir/FA/workshops/AI-in-lab-Science انجام می‌شود و علاقه‌مندان می‌توانند برای دریافت اطلاعات بیش‌تر با آدرس https://t.me/TUMS_PreClinical_CF تماس بگیرند یا پیام ارسال کنند.

برگزاری این وبینار فرصتی ارزشمند برای ارتقای توانمندی‌های کارشناسان و پژوهشگران آزمایشگاهی در استفاده از هوش مصنوعی و تحلیل داده‌ها محسوب می‌شود و می‌تواند نقش مؤثری در هوشمندسازی فرآیندهای آزمایشگاهی و افزایش دقت و سرعت تحلیل نتایج آزمایشگاهی ایفا کند.