صفحه نخست

فیلم

عکس

ورزشی

اجتماعی

باشگاه جوانی

سیاسی

فرهنگ و هنر

اقتصادی

علمی و فناوری

بین الملل

استان ها

رسانه ها

بازار

صفحات داخلی

هوش‌مصنوعی چگونه پزشکی را متحول می‌کند؟

۱۴۰۲/۱۲/۱۹ - ۰۹:۱۰:۳۲
کد خبر: ۲۰۶۸۷۸۶
پیشرفت هوش‌مصنوعی تقریبا همه صنایع از جمله پزشکی و بهداشت را تحت تاثیر خود قرار داده است اما باید بدانیم که این فناوری نمی‌تواند جایگزین انسان‌ها در نظام سلامت شود.

به گزارش خبرنگار علم و فناوری خبرگزاری برنا؛ این روزها بیشتر مطالبی که مطالعه می‌کنیم به نوعی با پیشرفت‌های مربوط به هوش‌مصنوعی مرتبط است. یکی از حوزه‌های تاثیرگذاری هوش‌مصنوعی نظام بهداشت و درمان است؛ ولی همان قدر که مراقبیم این موضوع نادیده انگاشته نشود، همان قدر باید حساس باشیم که در مورد آن اغراق نیز نشود.

در طول یک دهه گذشته، نقش هوش‌مصنوعی به شکل ملموسی در نظام بهداشت و درمان ارتقاء پیدا کرده است. اشکال مختلفی از لوازم پزشکی به شکل  لباس‌های پوشیدنی و یا گجت‌های هوشمند یا انواع مختلف سنسور روانه بازار شده‌اند که همه از جمله کاربرد هوش‌مصنوعی است.

یکی از مهم‌ترین مزیت‌های هوش‌مصنوعی افزایش سطح دسترسی افراد به خدمات بهداشتی- درمانی است. این امر به ویژه برای کسانی که در مناطق روستایی و خارج از پوشش خدمات سلامت قرار دارند، بسیار تاثیرگذار خواهد بود.

هم اکنون شاهدیم خدمات بهداشتی- درمانی از راه دور، روز به روز در حال پیشرفت است و این امر کمک می‌کند کسانی که دسترسی به امکانات ندارند، بتوانند به حداقلی از اطلاعات دست یابند. در این بین راه‌حل‌های مبتنی بر هوش‌مصنوعی مانند چت بات‌ها می‌تواند امکان دسترسی را بیش از پیش تسهیل کنند.

در کل این رویکردها باعث صرفه‌جویی در زمان کادر بهداشت و درمان می‌شود و آنها را قادر می‌سازد روی موضوع‌های مهم‌تری تمرکز کنند.

انواع مختلف هوش‌مصنوعی، طیف متنوعی از موضوعات را می‌توانند پوشش دهند؛ یکی از انواع این خدمات ارائه فناوری‌های حمایتی و مستقل از افراد است. این نوع خدمات به کارهایی اطلاق می‌شود که به صورت سنتی به وسیله کادر درمان حرفه‌ایی با هدف تشخیص بیماری و یا تصمیم‌گیری برای درمان انجام می‌شود و حالا به هوش‌مصنوعی تفویض می‌شود. این نوع خدمات در حوزه‌هایی مانند بررسی داده‌های انبوه، مقایسه داده‌ها یا تجزیه و تحلیل مدارک مربوط به تصویربرداری‌های پزشکی کاربرد دارد. به عبارت بهتر، هوش‌مصنوعی قادر است به عنوان چشم دوم کلینیکال بسیاری از خدمات پشتیبانی هوشمند را ارائه کند.

هوش‌مصنوعی علاوه بر این که توان تمرکز درمان را بر روی موضوعات مهم فراهم می‌سازد، رویکردها را نیز از حالت منفعلانه به سمت رویکردهای فعالانه سوق می‌دهد. به عنوان مثال خیلی وقت‌ها هوش‌مصنوعی می‌تواند بیماری‌ها را به صورت زودهنگام تشخیص دهد و این کار می‌تواند بسیاری از مخاطرات آتی را کاهش دهد که چنین رویکردی هم هزینه بهره‌گیرندگان از خدمات و هم هزینه ارائه دهندگان خدمات بهداشتی را می‌تواند کاهش دهد، ضمن این که از انباشت فشار روی کادر درمان نیزجلوگیری می‌کند.

استفاده از انواع مختلف داده‌ها مانند تصویربرداری‌های پزشکی، سوابق پزشکی، اظهارات بیمار، اطلاعات ژنتیک و سبک زندگی، باعث شکل‌گیری الگوریتم تشخیص زودهنگام می‌شود، ضمن این که ریسک‌های مرتبط را نیز شناسایی می‌کند؛ اما نباید فراموش کنیم که استفاده از این مدل‌ها وابسته به اعتبار بالای داده‌ها و رعایت اصول اخلاق حرفه‌ایی است.

رویکرد فعال بدین معناست که وابسته به حضور پزشک نیست. امروزه بسیاری از بیماران -البته بهتر است بگوییم مصرف کنندگان- با استفاده از ابزارهای هوشمند مانند ساعت هوشمند اپل می‌توانند عدم تعادل‌های بدن خود را شناسایی کنند که حتی این امر می‌تواند به تشخیص زودهنگام نارسایی‌های کمک کند.

هر چند هوش‌مصنوعی رشد بسیار زیادی را در حوزه بهداشت و درمان و سلامت در این سال‌ها تجربه کرده است اما هنوز تا نقطه مطلوب فاصله زیادی دارد، در کنار اخبار مثبتی که از هوش‌مصنوعی منتشر می‌شود، شاهد خطاهای الگوریتمی مرتبط با هوش‌مصنوعی نیز هستیم که رخداد این خطاها در حوزه سلامت می‌تواند به بهای جان انسان‌ها تمام شود.

فیلم مستند «کدهای خطا» منتشر شده در سال 2020 نشان می‌دهد که فناوری تشخیص چهره می‌تواند منجر به تبعیض قومی شود. خطا در استفاده از هوش‌مصنوعی هم می‌تواند اثر منفی روی سلامت افراد بگذارد. عمده این خطاها زمانی رخ می‌دهد که در مدل سازی از بانک‌های داده محدود استفاده می‌شود که توان تعمیم مدل را تحت تاثیر قرار می‌دهد. به عبارت بهترخطا زمانی رخ می‌دهد که طراحان ترجیح می‌دهند برای زودتر رسیدن به هدف از میان‌بر استفاده کنند.

هم اکنون سازمان‌های مختلفی در زمینه هوش‌مصنوعی با تعهد به اصول اخلاقی فعال هستند. تمرکز این مجموعه‌ها روی ایمنی بیماران و بهبود راه‌حل‌های همگانی است. برای این منظور مدل‌های پیش بینی باید مبتنی بر داده‌های مکفی باشد که بتواند اعتبار مدل را تائید کند، ضمن این که سوگیری‌های مدل نیز باید شناسایی و از بین برود. در نهایت باید اطمینان حاصل کرد که فناوری که به جهت علمی معتبر اعلام شده است می‌تواند در مورد همه افراد کارآیی داشته باشد و در واقع این امر پاشنه آشیل به کارگیری هوش‌مصنوعی است.

انتهای پیام/

نظر شما