پایگاه تحلیلی‌خبری ایراسین؛ دکتر زهرا بهارلویی، استادیار دانشگاه علوم پزشکی اصفهان، در جریان برگزاری همایش بزرگ ارتباط دانشگاه، صنعت و بخش خصوصی در حوزه هوش مصنوعی (AI Bridge 2026) در دانشگاه اصفهان، با اشاره به طرح غربالگری سرطان برست و کولورکتال که از سوی وزارت بهداشت به دانشگاه علوم پزشکی اصفهان واگذار شده و در سطح استان اصفهان به شکل پایلوت اجرا می‌شود، اظهار کرد: در سطح استان اصفهان به دنبال این هستیم که در کنار اجرای طرح غربالگری، ظرفیت‌های هوش مصنوعی را نیز در بخش‌های مختلف به کار بگیریم و هدف و کارکردهایی را که از این فناوری انتظار داریم، معرفی کنیم. بر همین اساس، از تیم‌های دانشگاهی و شرکت‌های فعال در حوزه هوش مصنوعی دعوت می‌کنیم در فراخوان این طرح شرکت کنند.

وی افزود: این طرح را به‌طور کلی در سه بخش دنبال می‌کنیم؛ نخست، یک پلتفرم مرکزی؛ دوم، دستیار هوش مصنوعی برای ماموگرافی و سوم دستیار هوش مصنوعی برای کولونوسکوپی که به شکل یک معماری یکپارچه‌ای که مدنظر است.

استادیار دانشگاه علوم پزشکی اصفهان درباره ضرورت اجرای این طرح بیان کرد: ضرورت و اهداف غربالگری تا حد زیادی روشن است. سرطان سینه در زنان و سرطان کولورکتال در سنین بالاتر روند رو به افزایشی دارند و تشخیص زودهنگام می‌تواند نقش مهمی در کاهش مرگ‌ومیر ناشی از این بیماری‌ها داشته باشد. با این حال، در مسیر غربالگری چالش‌هایی وجود دارد؛ از جمله اینکه بسیاری از افراد دیر مراجعه می‌کنند، فرصت کافی برای مراجعه ندارند، در برخی مناطق امکانات لازم وجود ندارد و با کمبود نیروی متخصص مواجه هستیم.

بهارلویی ادامه داد: هدف ما این است که هوش مصنوعی هم در برطرف کردن بخشی از این چالش‌ها و هم در افزایش سرعت و دقت به کار گرفته شود.

وی درباره هدف این پروژه توضیح داد: طراحی و پیاده‌سازی مسیر غربالگری که در حال حاضر به شکل دستی و نامنظم انجام می‌شود، ارتقای دقت در تشخیص و کاهش بار پزشکان و متخصصان از اهداف این پروژه است. گروه هدف غربالگری سرطان سینه در استان اصفهان، زنان بالای ۴۰ سال هستند که جمعیت یک‌ونیم میلیون نفری را شامل می‌شوند. در بخش غربالگری سرطان کولورکتال نیز آقایان ۵۰ تا ۷۰ سال در گروه هدف قرار دارند. برای غربالگری سرطان سینه ماموگرافی لازم است و برای سرطان کولورکتال، تست FIT و در مرحله بعد کولونوسکوپی برای بیمارانی که در معرض خطر تشخیص داده شده‌اند، انجام می‌شود.

استادیار دانشگاه علوم پزشکی اصفهان کمبود نیروی متخصص را یکی از چالش‌های اجرای غربالگری دانست و اظهار کرد: در مرحله نخست، افراد باید فرم‌های خوداظهاری را تکمیل کنند، مدارک و اطلاعات مورد نیاز را ارائه دهند و غربالگری اولیه انجام شود. با توجه به جمعیت بالای جامعه هدف، نیروی متخصص کافی برای انجام همه این مراحل وجود ندارد. در مراحل ماموگرافی و کولونوسکوپی نیز همین مسئله وجود دارد و در نهایت برای تهیه گزارش، پیگیری نتایج و ادامه فرآیند درمان نیز به متخصصان نیاز داریم.

بهارلویی افزود: با توجه به اینکه این فرآیند باید در بخش دولتی انجام شود که با کمبود نیرو مواجه است، در حال حاضر غربالگری به صورت دستی انجام می‌شود و ثبت داده‌ها، بررسی و تحلیل اطلاعات و پیگیری مراحل مختلف نیز به همین شکل صورت می‌گیرد. این موضوع باعث می‌شود احتمال خطا افزایش یابد و سرعت انجام کار کاهش پیدا کند.

وی ادامه داد: یکی دیگر از چالش‌های مهم، نبود پیگیری یکپارچه در این حوزه است که می‌توان گفت تمامی این موارد با به‌کارگیری هوش مصنوعی قابل ارتقا است.

پلتفرم مرکزی؛ هسته هوشمند غربالگری

استادیار دانشگاه علوم پزشکی اصفهان درباره ساختار پروژه توضیح داد: پروژه‌ای که در نظر گرفته شده، در سه سطح اصلی تعریف می‌شود. سطح نخست، یک پلتفرم مرکزی است که یک هسته مشترک وجود داشته باشد و افراد و جامعه هدف بتوانند در این پلتفرم ثبت‌نام کنند، اطلاعات پایه و سوابق پزشکی خود را وارد کرده و پرسشنامه‌های مربوطه را تکمیل کنند و یک ارزیابی اولیه انجام شود.

بهارلویی افزود: در همین پلتفرم، فرآیند ارجاع و پیگیری نیز انجام خواهد شد. برای زنان، در صورت نیاز، فرد وارد فرآیند مربوط به غربالگری سرطان سینه و ماموگرافی می‌شود و برای افراد واجد شرایط در غربالگری سرطان کولورکتال نیز فرآیند مربوط به تست‌های اولیه و در صورت نیاز کولونوسکوپی دنبال خواهد شد.

وی گفت: پلتفرم مرکزی باید قابلیت اتصال به مدارک پزشکی، بیمه، امور مالی و برخی سامانه‌های موجود در وزارت بهداشت را نیز داشته باشد. در واقع این پلتفرم، هسته اصلی پروژه است و دو ماژول ماموگرافی و کولونوسکوپی نیز به آن متصل خواهند بود.

استادیار دانشگاه علوم پزشکی اصفهان درباره دستیار هوش مصنوعی ماموگرافی اظهار کرد: وظیفه این دستیار، کمک به متخصص در فرآیند تشخیص است. کار دستیار هوش مصنوعی در این فرآیند این است که باید بتواند در شناسایی ضایعات موجود در تصاویر ماموگرافی، مشخص کردن نواحی موردنظر و تحلیل تصاویر به متخصص کمک کند.

بهارلویی ادامه داد: دستیار هوش مصنوعی کولونوسکوپی نیز به پلتفرم مرکزی متصل است و به‌عنوان کمک تشخیص عمل می‌کند؛ تشخیص ضایعات و مشخص کردن آنها و سپس تبدیل گفتار به متن برای متخصص و در مرحله آخر ارائه یک پیش‌گزارش که متخصص نتیجه را چک و نهایی کند.

وی گفت: آنچه انتظار داریم، یک معماری یکپارچه‌ای باشد که چندماژوله است و موضوع امنیت در آن به‌طور جدی دیده شود. محرمانگی اطلاعات، رمزنگاری داده‌ها، سطح دسترسی برای کاربران مختلف و انطباق با استانداردهای ملی و الزامات حفاظت از داده‌های سلامت از جمله موارد مهمی است که باید در طراحی این معماری مورد توجه قرار گیرد.

استادیار دانشگاه علوم پزشکی اصفهان ادامه داد: این معماری باید قابلیت اتصال به سامانه‌های موجود در وزارت بهداشت را نیز داشته باشد. سامانه‌های مختلفی از جمله سامانه‌های مرتبط با پرونده سلامت، بیمه و سایر زیرساخت‌های موجود وجود دارد که با توجه به نیازهای پروژه، ممکن است اتصال به برخی از آنها ضروری باشد.