اکونومیست: بیماران منتظر پزشک هوش مصنوعی باشند
به گزارش اقتصادآنلاین به نقل از اکوایران، هفته نامه اکونومیست این هفته سرمقاله خود را به اثرات هوش مصنوعی در حوزه مراقبتهای بهداشتی اختصاص داده است. از منظر این نشریه، هوش مصنوعی در همه زمینهها هیجان ایجاد کرده است، اما با رسیدن به تشخیصبهتر، پشتیبانی شخصی برای بیماران، کشف سریعتر دارو و افزایش کارایی، مراقبتهای بهداشتی این پتانسیل را دارد که تحول آفرین باشد.
تحلیلگران پیشبینی میکنند که در اروپا، گسترش هوش مصنوعی میتواند هر سال جان صدها هزار نفر را نجات دهد و به صرفه جویی در هزینهها در آمریکا کمک کند، بهطوری که سالانه 200 تا 360 میلیارد دلار از کل هزینههای پزشکی را کاهش دهد، که اکنون 4.5 تریلیون دلار (معادل 17 درصد تولید ناخالص داخلی) است. از گوشیهای طبی هوشمند و رباتهای جراح گرفته تا توانایی تحلیل مجموعه دادههای بزرگ یا توانایی چت کردن با یک هوش مصنوعی پزشکی با یک چهره انسانی؛ فرصتها فراوان هستند.
درحال حاضر شواهدی وجود دارد که نشان میدهد سیستمهای هوش مصنوعی میتواند دقت تشخیص پزشکی و ردیابی بیماری را افزایش دهد. هوش مصنوعی همچنین میتواند کارایی را در بیمارستانها و جراحیها با انجام وظایفی چون نسخه برداری پزشکی و نظارت بر بیماران و کارآمدسازی مدیریتی، افزایش داده و زمان لازم برای رسیدن داروهای جدید به آزمایشات بالینی را کاهش دهد. ابزارهای جدید، از جمله “هوش مصنوعی مولد” میتواند این تواناییها را تسریع کند. با اینحال، نتایج نشان میدهند که گرچه هوش مصنوعی سالها در مراقبتهای بهداشتی مورد استفاده قرار گرفته است، یکپارچه سازی کند بوده و نتایج چندان قابل توجه نبودهاند.
دلایل این مساله هم خوب و هم بد هستند. دلایل خوب این است که مراقبتهای بهداشتی در هنگام معرفی ابزارهای جدید برای حفاظت از بیماران نیازمند شواهد زیادی هستند. دلایل بد نیز شامل دادهها، مقررات و مشوقهاست، که غلبه بر آنها میتواند درسهایی برای هوش مصنوعی در زمینههای دیگر داشته باشد.
یادگیری در سیستمهای هوش مصنوعی از طریق پردازش حجم عظیمی از دادهها انجام میشود. اما داده های بهداشتی پراکنده هستند و قوانین سختگیرانه استفاده از آن را کنترل میکند. از طرفی، بیماران خواهان مراقبتهای بهتر و شخصیتر هستند.
بهبود دقت و کاهش خطا در ابزارهای هوش مصنوعی مستلزم آن است که روی مجموعه دادههای بزرگی آموزش ببینند که گوناگونی بیماران را منعکس میکند. یافتن راههای امن برای انتقال آزادانهتر دادههای پزشکی نیز کمک کننده خواهد بود. اینکار میتواند به نفع بیماران نیز باشد: آنها میتوانند حق دسترسی به سوابق خود در قالب دادههای دیجیتالی قابل حمل را داشته باشند. شرکتهای سلامت مصرفکننده درحال حاضر از دادههای گجتهای پوشیدنی استفاده میکنند. سوابق قابل حمل به افراد این امکان را میدهد که از دادههایشان استفاده کاملتری داشته باشند و مسوولیت بیشتری در قبال سلامت خود بپذیرند.
مشکل دیگر مدیریت و قاعده مندسازی این نوآوریهاست. در بسیاری از کشورها، حکمرانی هوش مصنوعی در سلامت، در تلاش است تا با سرعت سریع نوآوری همگام شود. مقامات نظارتی ممکن است در تأیید ابزارهای جدید آن کند بوده یا فاقد ظرفیت و تخصص باشند. در این شرایط، دولتها باید نهادهای ناظر را برای ارزیابی ابزارهای جدید هوش مصنوعی مجهز کنند. آنها همچنین باید شکافهای نظارتی را در نظارت بر رویدادهای نامطلوب و الگوریتمها پر کنند تا اطمینان حاصل شود که دقیق، ایمن، مؤثر و شفاف باقی میمانند.
اما این کار دشوار خواهد بود. یک راه حل این است که کشورها باهم کار کنند، از یکدیگر بیاموزند و حداقلی از استانداردهای جهانی را ایجاد کنند. یک سیستم نظارتی بین المللی با پیچیدگی کمتر نیز به ایجاد بازاری که شرکتهای کوچک بتوانند در آن نوآوری کنند کمک میکند. کشورهای فقیرتر، با زیرساختهای بهداشتی کمتر توسعهیافته، از معرفی ابزارهای جدید، چون دستگاههای سونوگرافی قابل حمل برای زایمان زنان بهره مند خواهند شد.
مشکل نهایی شامل نهادها و مشوقهاست. هوش مصنوعی وعده میدهد که با کمک یا جایگزینی کارکنان، بهبود بهره وری، کاهش خطاها و کاهش هزینهها، هزینههای پزشکی را کاهش دهد، درحالی که مراقبتهای پزشکی را نیز بهبود میبخشد. جهان ممکن است تا سال 2030 با 10 میلیون کمبود در کارکنان مراقبتهای بهداشتی مواجه باشد، که حدود 15 درصد از نیروی کار امروزی است.
با اینحال صرفه جویی در پول با استفاده از نوآوری دشوار است. سیستمهای بهداشتی برای بهبود مراقبت ایجاد شدهاند، نه کاهش هزینهها. فناوری جدید حدود نیمی از رشد سالانه هزینههای سلامت را به خود اختصاص میدهد، و سیستمهای جدید نیز هزینهها و پیچیدگی را افزایش میدهد. اما طراحی مجدد فرآیندها برای استفاده موثر از هوش مصنوعی احتمالاً با مقاومت بیماران و پزشکان روبرو خواهد شد. اگرچه هوش مصنوعی ممکن است بتواند بیماران را از طریق تلفن تریاژ کند یا نتایج معمول را ارائه دهد، اما آنها ممکن است بخواهند شخصاً ویزیت شوند.
بدتر از آن، بسیاری از سیستمهای بهداشتی، مانند آمریکا، به حجم کار پاداش میدهند. آنها دلایل کمی برای استفاده از فناوریهایی دارند که تعداد ویزیتها، آزمایشها یا رویهها را کاهش میدهد. حتی سیستمهای مراقبت بهداشتی که به صورت عمومی اداره میشوند، ممکن است انگیزهای برای استفاده از فناوریهایی که به جای بهبود نتایج، هزینهها را کاهش میدهند نداشته باشند؛ شاید به این دلیل که صرفهجویی در پول ممکن است منجر به بودجه کمتری در سال آینده شود. تا زمانی که دولتها نتوانند این مشوقها را تغییر دهند، به گونهای که هوش مصنوعی درمان بهتر را با کاراییهای جدید ترکیب کند، نوآوری هزینهها را افزایش میدهد. بر این اساس، دولتها و مقامات بهداشتی باید طرحهایی را که برای آزمایش و استقرار فناوریهای جدید هوش مصنوعی اختصاص داده شده است، تأمین کنند. کشورهایی از جمله آمریکا، بریتانیا و کانادا این مسیر را هموار کردهاند.
برای تقویت هوش مصنوعی در مراقبتهای بهداشتی عمده بار بر دوش دولتها و نهادهای ناظر است؛ با اینحال، شرکتها نیز نقش مهمی دارند. آنها باید اطمینان حاصل کنند که محصولاتشان ایمن، قابل اعتماد و پاسخگو هستند و انسانها همچنان کنترل را در دست دارند.
این موانع بسیار بزرگند، اما مزایای بالقوه استفاده از هوش مصنوعی در مراقبتهای بهداشتی آنقدر گسترده است که باید بر آنها غلبه کرد. و اگر هوش مصنوعی را بتوان در پزشکی بکار گرفت، میتواند الگویی برای پذیرش این فناوری در زمینههای دیگر باشد.
در همین رابطه:
- برچسب ها: آمريكا بریتانیا کانادا هوش مصنوعی مولد