شاید تا به امروز مطالب زیادی در مورد بلاکچین خوانده باشید، اما استفاده از آن در بخش پزشکی، یکی از جدیدترین، جالب‌ترین و باارزش‌ترین کاربردهای این فناوری است. یک تیم تحقیقاتی پزشکی اخیراً دریافته است که شبکه‌های بلاکچینی برای اشتراک‌گذاری پارامترهای مدل‌های هوش مصنوعی مورد استفاده برای تشخیص وجود سلول‌های سرطانی در بدن، مفید هستند. به گفته این تیم، فناوری بلاکچین اجازه می‌دهد که این پارامترها به طور همزمان در بین همه پژوهشگران، بدون نیاز به کمک یک هماهنگ‌کننده متمرکز، به اشتراک گذاشته شوند. طبق گزارش‌ها، این تیم به طور خاص به استفاده از قراردادهای هوشمند بلاکچین اتریوم برای این منظور اشاره کرده است. با ما در ادامه این مطلب همراه باشید تا به بررسی نقش اتریوم در تحقیقات سرطان بپردازیم.
نقش اتریوم در تحقیقات سرطان
بلاکچین اتریوم در مبارزه جهانی با سرطان استفاده می‌شود. یک مقاله تحقیقاتی که در ماه آوریل در مجله پزشکی Nature Medicine و با عنوان «یادگیری ازدحامی (Swarm Learning) برای هوش مصنوعی غیرمتمرکز در آسیب‌شناسی بافتی سرطان» منتشر شد، در یکی از پاورقی‌های خود می‌گوید که تیم، شروع به استفاده از شبکه اتریوم برای آزمایش‌های خود در مورد سرطان کرده است.
بر اساس این مقاله، هوش مصنوعی (AI) می‌تواند با استخراج اطلاعاتی درباره شکل و اندازه سلول‌هایی که برای چشم انسان قابل مشاهده نیست، به پیش‌بینی ظهور سلول‌های سرطانی در بدن بیماران کمک کند. با این حال، مجموعه داده‌های بزرگ لازم برای اجرای چنین سیستم‌هایی، از نظر جمع‌آوری داده‌ها با «موانع عملی، اخلاقی و قانونی» روبه‌رو هستند؛ به‌ویژه اگر قرار باشد داده‌ها در کشورهای مختلف به اشتراک گذاشته شوند.
یکی از راه‌های حل این مشکل، استفاده از یادگیری فدرال (federated learning) یا یادگیری مشارکتی است که محققان را به اشتراک‌گذاری داده‌های خود ملزم نمی‌کند و فقط از وزن‌ها یا پارامترهای مدل هوش مصنوعی آنهااستفاده می‌کند. با این حال، مشکل چنین سیستم‌هایی این است که بر یک هماهنگ‌کننده متمرکز متکی هستند که اساساً تمام وزن‌های مدل را با هم ترکیب می‌کند و سپس، کنترل کاملی بر پروژه تحقیقاتی و بهره‌برداری تجاری از آن دارد.
برای جلوگیری از این مشکل، این تیم تحقیقاتی به استفاده از یادگیری ازدحامی اشاره کرده است؛ سیستمی که از فناوری بلاکچین برای جلوگیری از واگذاری قدرت به یک نهاد متمرکز استفاده می‌کند. به عبارت دیگر، یادگیری ازدحامی تیم‌ها را قادر می‌سازد که وزن مدل‌های هوش مصنوعی خود را به اشتراک بگذارند، در حالی که همه مشارکت‌کنندگان را در یک سطح نگه می‌دارد. این امر، همکاری بین گروه‌های بیشتری را آسان کرده و به نوبه خود، مدل‌های هوش مصنوعی را با داده‌های بیشتری تغذیه و آنها را قوی‌تر می‌کند.
استفاده از قراردادهای هوشمند بلاکچین اتریوم
این تیم تحقیقاتی به طور خاص بیان می‌کند که از قراردادهای هوشمند بلاکچین اتریوم استفاده کرده است تا سه رایانه جداگانه، وزن مدل هوش مصنوعی آنها را در زمان‌های تعیین‌شده همگام کنند. در واقع، هر سه طرف، مدل‌های هوش مصنوعی را به‌طور همزمان و بدون نیاز به کمک هماهنگ‌کننده‌ای که پارامترهای مدل را به صورت دستی ادغام می‌کند، به‌روزرسانی کرده بودند. در این مقاله آمده است:
در این برنامه، بلاکچین اطلاعات جهانی در مورد مدل را حفظ می‌کند.
این مقاله تحقیقاتی نشان داد که سیستم‌های هوش مصنوعی برخاسته از این روش، عملکرد بهتری از مدل‌های هوش مصنوعی برنامه‌ریزی‌شده قبلی داشتند و عملکردشان با سایر مدل‌هایی که با مجموعه داده‌های ادغام‌شده برنامه‌ریزی شده بودند، یکسان بود (و البته، این تکنیک از لحاظ داده کارآمدتر بود). در همین راستا، یک متخصص پزشکی با نام مستعار AriGoldNFT با اشاره به این مقاله در توییتر توضیح می‌دهد:
یک بیمارستان در نیویورک می‌تواند با بیمارستان دیگری در لس آنجلس از طریق نودها (nodes) ارتباط برقرار کند.
خلاصه مطلب
در این مقاله به بررسی نقش اتریوم در تحقیقات سرطان پرداختیم. این کاربرد، خبر مهمی برای کریپتو و به‌ویژه پلتفرم‌های قرارداد هوشمند است. تاکنون، شبکه‌های بلاکچینی در حوزه امور مالی بسیار مفید بوده‌اند، اما هم منتقدان و هم علاقه‌مندان، عدم پذیرش این فناوری در سایر بخش‌ها را محکوم می‌کنند. در همین راستا، ویتالیک بوترین، خالق و هم‌بنیانگذار اتریوم، در ماه آگوست گفت که کریپتو باید ظرف ۱۰ سال آینده «به چیزی مفید تبدیل شود». و یکی از باارزش‌ترین کاربرد آن، می‌تواند در بخش پزشکی باشد.
دیدگاه خود را ثبت کنید