عنوان	مروری کوتاه بر تشخیص خودکار زبان‌پریشی به کمک هوش مصنوعی
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	پردازش زبان طبیعی؛ تشخیص خودکار؛ زبان‌پریشی؛ هوش مصنوعی؛ یادگیری ماشینی
چکیده	کاربرد هوش مصنوعی در تشخیص زبان‌پریشی پیشرفت بسیاری کرده است. این مطالعه، با مرور یافته‌های ادبیات پژوهشی، به کارایی روش‌های تشخیص خودکار زبان‌پریشی با کمک هوش مصنوعی، و ابعاد فناوری زیربنای این نوآوری‌ها می‌پردازد. فناوری‌های هوش مصنوعی در توسعه ابزارهای تشخیصی مؤثر بوده‌اند. هوش مصنوعی می‌تواند نقایص زبانی را در افراد مبتلا به زبان‌پریشی با استفاده از تکنیک‌های تشخیص گفتار و NLP شناسایی کند. این ابزارها می‌توانند آسیب‌های زبانی ظریفی را که ممکن است در ارزیابی‌های سنتی شناسایی نشوند، تشخیص دهند. استفاده از شبکه‌های عصبی پیچشی یک رویکرد در تشخیص خودکار با یادگیری ماشینی است. این شبکه‌های عصبی می‌توانند انواع مختلف زبان‌پریشی را با تجزیه‌وتحلیل داده‌های تصویربرداری مغز طبقه‌بندی کنند. این رویکرد دقت تشخیص را افزایش و زمان تشخیص را کاهش داده و مداخله اولیه را تسهیل می‌کند. سیستم‌های تشخیصی هوشمند می‌توانند در وظایف تشخیصی خاص از متخصصان انسانی بهتر عمل کنند و خطای انسانی را کاهش دهند. طراحی الگوریتم‌های تشخیص با معیارهای عملکرد زبانی تدوین‌شده بر پایه مقیاس‌ها و ابزارهای تشخیصی، تحلیل و شناسایی الگوها در گفتار، و شناسایی الگوهای آسیب در تصاویر اسکن مغزی، سه رویکرد پی‌ریزی سیستم‌های تشخیص زبان‌پریشی مبتنی بر هوش مصنوعی هستند. ادغام منابع مختلف داده‌ها، برای ارائه ارزیابی جامع از زبان‌پریشی مورد تأکید است. ملاحظات اخلاقی و پیشگیری از سوگیری‌های بالقوه در تشخیص هوش مصنوعی مهم هستند. تحقیقات کنونی بر اصلاح این فناوری‌ها برای افزایش قابلیت اطمینان و صحت، متمرکز است. ... زمینه: استفاده از هوش مصنوعی در تشخیص زبان‌پریشی پیشرفت بسیاری کرده است. زبان‌پریشی اختلالی زبانی ناشی از آسیب مغزی است که اغلب با تظاهرات پیچیده‌اش، چالش‌هایی در تشخیص دقیق و بموقع ایجاد می‌کند. هدف: این مطالعه مروری، به تحقیقات درباره کارایی روش‌های تشخیص خودکار زبان‌پریشی با کمک هوش مصنوعی، و ابعاد فناوری زیربنای این نوآوری‌ها می‌پردازد. روش: مرور نیمه‌نظام‌مند مجموعه‌ای از یافته‌ها در ادبیات پژوهشی موجود نتایج: فناوری‌های هوش مصنوعی، به‌ویژه یادگیری ماشینی و پردازش زبان طبیعی در توسعه ابزارهای تشخیصی پیچیده مؤثر بوده‌اند. هوش مصنوعی می‌تواند مستقلاً نقایص زبانی در افراد مبتلا به زبان‌پریشی را با استفاده از تکنیک‌های تشخیص گفتار و NLP شناسایی و تحلیل کند. این ابزارها می‌توانند آسیب‌های زبانی ظریفی را که ممکن است در ارزیابی‌های سنتی شناسایی نشوند، تشخیص دهند، و در نتیجه دقت و کارایی تشخیصی را بهبود می‌بخشند. استفاده از شبکه‌های عصبی پیچشی (CNN) یک رویکرد در تشخیص خودکار با یادگیری ماشینی است. این شبکه‌های عصبی می‌توانند به طور مؤثر انواع مختلف زبان‌پریشی را با تجزیه و تحلیل داده‌های تصویربرداری مغز طبقه‌بندی کنند. این رویکرد دقت تشخیصی را افزایش می‌دهد، از زمان لازم برای تشخیص می‌کاهد و مداخله و درمان اولیه را تسهیل می‌کند. شواهد تجربی از کاربرد هوش مصنوعی در موقعیت‌های بالینی پشتیبانی می‌کند. سیستم‌های تشخیصی هوشمند می‌توانند در وظایف تشخیصی خاص از متخصصان انسانی بهتر عمل کنند و خطای انسانی و بار شناختی را کاهش دهند. این سیستم‌ها ارزیابی‌های منسجم و عینی را ارائه می‌دهند که برای تشخیص دقیق و برنامه‌ریزی درمان بسیار مهم است. الگوریتم‌های تشخیصی با معیارهای عملکرد زبانی تدوین‌شده بر پایه مقیاس‌ها و ابزارهای تشخیصی، تحلیل و شناسایی الگوها در برونداد زبانی، و تحلیل و شناسایی الگوهای آسیب در تصاویر اسکن مغزی از رویکردهای پی‌ریزی سیستم‌های تشخیص زبان‌پریشی مبتنی بر هوش مصنوعی هستند. ادغام منابع مختلف داده‌ها، مانند گفتار و تصویربرداری، برای ارائه ارزیابی جامع از زبان‌پریشی مورد تأکید است. ملاحظات اخلاقی و سوگیری‌های بالقوه در تشخیص هوش مصنوعی مهم هستند. برای کارآمدی و توانایی بهبود قدرت تشخیص در سیستم‌های هوشمند، باید در طراحی آن‌ها از دقت بالا اطمینان حاصل شود، و از سوگیری‌هایی که می‌تواند به گروه‌های خاص بیماران آسیب وارد کند، اجتناب شود. تحقیقات کنونی بر اصلاح این فناوری‌ها برای افزایش قابلیت اطمینان و صحت متمرکز است. نتیجه‌گیری: روش‌های تشخیصی خودکار با کمک هوش مصنوعی برای بهبود تشخیص زبان‌پریشی نویدبخش هستند. این فناوری‌ها مزایای باارزشی از نظر دقت، کارایی و امکان مداخله زودهنگام ارائه می‌دهند. با این حال، پرداختن به نگرانی‌های اخلاقی و اطمینان از کاربرد عادلانه این ابزارها ضروری است. تحقیقات بیشتر برای بررسی کاربرد هوش مصنوعی در عمل بالینی، با هدف بهینه‌سازی روش‌های تشخیصی و روند درمان بیماران ضروری است.
پژوهشگران	رضا خانی (Reza Khany) (نفر اول)، محمد مهدی معادی خواه (نفر دوم)