یازاکو؛ یاسمین مولانا – شاید کمتر کسی متخصص علوم داده را بشناسد و با این حوزه آشنایی داشته باشد. داده‌ها و دنیای پیچیده‌ی ارقام در زندگی روزمره‌ی انسان چطور می‌توانند سرنوشت‌ها را رقم بزنند و شاید از اتفاقی در آینده بگویند؟
توماس دونپورت و دی جی پاتیل در سال ۲۰۱۲ در مقاله‌ی «علم داده: جذاب‌ترین شغل قرن بیست و یکم» متخصصان علم داده را این‌طور تعریف می‌کنند: این متخصصان کسانی هستند که می‌دانند چگونه می‌توان از انبوه اطلاعات بدون ساختار، پاسخ سوال‌های کسب‌وکار را پیدا کرد. درواقع به عقیده‌ی دانشمندان، علم داده رشته‌ی در حال ظهوری است که به جمع‌آوری، آماده‌سازی، تحلیل، بصری‌سازی، مدیریت و نگهداشت اطلاعات در حجم بالا می‌پردازد و متخصص علم داده دانشی کاربردی از داده‌ها و ابزارها و درک تئوریکی دارد که مشخص می‌کند چه چیزی از نظر علمی ممکن است.
علم داده در علم پزشکی و تشخیص بیماری بدون استفاده از دستگاه‌های مانیتورینگ، حمل و نقل و ترافیک، حوزه‌های مهندسی و جرم‌شناسی کاربرد دارد و در این میان دکتر وحید مجیدنژاد، پژوهشگر جوان ایرانی در حوزه علم داده‌ها توانسته است با گروهی از مختصصان به دستاوردهای علمی همچون تشخیص خودکار ویروس کرونا با استفاده از تصاویر سی‌تی‌اسکن دست یابد که پیش‌بینی می‌شود کمک شایانی در علم پزشکی بکند.
دکتر وحید مجیدنژاد، متولد ۱۳۶۱ در شهر تبریز فارغ‌‌التحصیل دکترای تخصصی علوم کامپیوتر (با گرایش تحلیل سیستم‌ها و مدیریت و پردازش داده‌ها) از انستیتوی انفورماتیک آکادمی علوم بلاروس در سال ۱۳۹۲ است. یاز اکو در راستای معرفی نخبگان منطقه‌ی آذربایجان به گفتگو با وی در مورد علم داده به عنوان جذاب‌ترین شغل دنیا و دستاوردهای وی به عنوان پژوهشگر برتر دست زده است که در ادامه می‌آید:
از توسعه‌ی برنامه تشخیص کرونا تا نرم‌افزار تشخیص بیماری حنجره؛ دستاوردهای جوان ایرانی
وحید مجیدنژاد پژوهشگر برتر در زمینه‌های علم داده و هوش مصنوعی در حوزه‌ی تحلیل داده‌ها با استفاده از ابزارهای هوش مصنوعی در پروژه‌های مختلف ملی حضور داشته و در این راستا موفقیت‌های مختلفی را بدست آورده است که در توسعه‌ی علم، گام موثری برداشته است.
پژوهشگر جوان ایرانی در خصوص یکی از مهمترین دستاوردهای علمی خود که در حوزه‌ی درمان مورد استفاده قرار گرفته است، گفت: اخیرا تیم پژوهشی بنده توانسته به موفقیت‌هایی در پروژه‌ی تشخیص خودکار ویروس کرونا با استفاده از تصاویر سی‌تی‌اسکن برسد که امیدوارم کمک شایانی در حوزه‌ی سلامت امروزی باشد. در این پروژه تمرکز بر روی یادگیری عمیق بوده و از شبکه‌های عصبی پیچشی استفاده کرده و توانسته به نتایج چشمگیری برسد. البته هنوز هم در حال بهبود نتایج هستیم.
وحید مجیدنژاد در تشریح این پژوهش علمی اظهار داشت: ویروس کرونا تقریبا دو سالی است که گریبانگیر جامعه شده و در این مدت کوتاه، تحقیقات مشابهی با استفاده از تصاویر سی‌تی‌اسکن و ابزارهای مختلف انجام گرفته است. هدف اصلی ما در این پروژه دستیابی به دقت تشخیص فوق‌العاده بالا است و در این راستا از شبکه‌ی عصبی عمیق به عنوان عنصر محوری پروژه استفاده کرده‌ایم.
از دیگر دستاوردهای این پژوهشگر جوان، توسعه‌ی نرم‌افزار کاربردی تشخیص بیماری تارهای صوتی و حنجره بوده. وی در این خصوص گفت: با به‌کارگیری ابزارهای یادگیری ماشین و علوم داده توانستم یک نرم‌افزار کاربردی تشخیص بیماری‌های تارهای صوتی و حنجره را توسعه دهم. این نرم‌افزار از ابزارهای مختلفی مانند درخت تصمیم و شبکه‌های عصبی و الگوریتم ژنتیک استفاده کرده و از پردازش گفتارهای صوتی بیماران جهت تشخیص بیماری‌شان استفاده می‌کند که در این صورت دیگر نیازی به ابزارهای مانیتورینگ تهاجمی حلق بیماران وجود ندارد و باعث ناراحتی و استرس آنها نمی‌شود. قسمتی از نتایج این پروژه نیز در مجلات بین‌المللی انتشار یافته و در اختیار پژوهشگران علاقه‌مند قرار گرفته است.
وی در ادامه سخنان خود افزود: دستاوردهای بنده در زمینه‌های مختلفی همچون امنیت شبکه‌های کامپیوتری و مهندسی پزشکی است ولی دوست دارم توان و دانش و فعالیت‌های خود را بیشتر وقف در طراحی و تولید برنامه‌های سودمند در حوزه‌ی سلامت و پزشکی توسعه دهم که دنیای کنونی بیش از همه نیازمند آن است.
کاهش هزینه های درمانی؛ آینده پیش بینی شده علوم داده
وحید مجیدنژاد با اشاره به کارکرد علوم داده برای آینده‌ی پزشکی و اهمیت آن در حوزه‌ی درمان و سلامت گفت: در حال حاضر بسیاری از صنایع، قابلیت به‌کارگیری هوش مصنوعی، یادگیری ماشین، داده کاوی و به طور کل علم داده را دارند.
وی در ادامه افزود: حوزه‌ی سلامت، حوزه‌ای است که پژوهشگران امیدوارند علم داده بتواند مشکلات موجود در خصوص تشخیص بیماری‌ها را سریع‌تر و دقیق‌تر از قبل حل کند. در این راستا اخیرا حوزه‌ی پزشکی موفقیت‌های امیدوار‌کننده برای به‌کارگیری راه‌حل‌های مبتنی بر علوم داده داشته است.
به گفته‌ی این پژوهشگر جوان؛ تجزیه و تحلیل داده‌های پزشکی ما را به سطح جدیدی از کشف داروهای جدید تا درمان بیماری‌ها ارتفا می‌دهد. درواقع علم داده می‌تواند باعث صرفه‌جویی در هزینه‌های سنگین علوم پزشکی و مراقبت‌های بهداشتی شود.
وی تشریح کرد: به عبارت دیگر علم داده می‌تواند کمک شایانی به کاهش هزینه‌ها، تشخیص بیماری‌ها بصورت غیرتهاجمی و اکتشاف داروهای جدید بکند و به جای استفاده از شیوه‌های تصویربرداری و ورود دستگاه به بدن بیمار برای تشخیص بیماری که اغلب عوارض مختلفی را برای فرد بوجود می‌آورد و تحمیل‌کننده هزینه نیز هست، داده‌ها و ابزارهای هوش مصنوعی به علم پزشکی کمک می‌کند تا روند تشخیص بیماری به شیوه‌ای متفاوت و بر اساس اطلاعات و داده‌ها انجام شود.
تشخیص سرطان پستان به کمک شبکه‌های عصبی عمیق؛ برنامه‌ی آینده پژوهشگر جوان
وحید مجیدنژاد با اشاره به برنامه‌های آتی تحقیقاتی خود گفت: تیم تحقیقاتی بنده عمدتا متشکل از دانشجویان مستعد و علاقه‌مندبوده و بر روی حوزه‌های مختلفی در علوم داده پژوهش می‌کنند ولی از مهمترین حوزه‌های کاری ما حوزه‌ی سلامت است.
وی یکی از برنامه‌های آتی خود را تشخیص سرطان پستان از روی تصاویر هیستوپاتولوژی عنوان کرد و اظهار داشت: در حال توسعه‌ی الگوریتم‌های هوش جمعی هستیم که در مسایل بهینه‌سازی استفاده می‌شوند و می‌توانند کمک شایانی به صنعت و تولید کنند.
