اگر بیماری با ChatGPT مراجعه کند، پزشک چگونه باید واکنش نشان دهد؟
در این مقاله
صدای تازه در اتاق معاینه: پاسخی اطمینان‌بخش به بیماری که با خروجی هوش مصنوعی می‌آید
امروز بسیاری از بیماران نه‌تنها با نتایج آزمایش‌ها، بلکه با نسخه‌ی چاپی پرسش‌هایی که از یک چت‌بات مانند ChatGPT پرسیده‌اند و پاسخ‌هایی که گرفته‌اند به مطب می‌آیند. در آمریکا یک‌سوم بزرگسالان در یک سال گذشته برای اطلاعات سلامت به هوش مصنوعی رجوع کرده‌اند و نیمی از انکولوژیست‌ها نیز می‌گویند بیمارانشان از این ابزارها استفاده می‌کنند. این وضعیت پرسشی را پیش می‌کشد که درمانگاه‌های انکولوژی اکنون هر روز با آن روبه‌رو هستند: وقتی بیمار می‌گوید «هوش مصنوعی درمان دیگری پیشنهاد کرد»، پزشک چگونه باید پاسخ دهد؟ در این نوشته توضیح می‌دهیم که شواهد چه می‌گویند، گفت‌وگویی که اعتماد را حفظ می‌کند چه گام‌هایی دارد و بیماران چگونه می‌توانند از این ابزارها ایمن‌تر استفاده کنند. چارچوب کلی کاربرد هوش مصنوعی در پزشکی را در نوشته‌ی قواعد هوش مصنوعی JAMA بررسی کرده بودیم.
- پاسخ کوتاه: با کنجکاوی برخورد کنید، تلاش بیمار را ارج بگذارید، خروجی را با هم بخوانید و آن را در وضعیت خود بیمار جای دهید. اگر کار را با برشمردن ایرادهای ابزار آغاز کنید یا موضوع را سرسری بگذرانید، ممکن است بیمار دفعه‌ی بعد اطلاعات را از شما پنهان کند.
- چرا مهم است؟ پاسخ چت‌بات‌ها به پرسش‌های سرطان ممکن است همدلانه‌تر و خواناتر از پاسخ‌های پزشکان در انجمن‌های اینترنتی ارزیابی شود؛ اما در حدود یک‌سوم پیشنهادهای درمانی آن‌ها اجزای ناسازگار با رهنمودها و در 12.5% پیشنهادهای ساختگی دیده شد.
- مشکل اصلی دانش نیست، بافت (زمینه) است: در یک مطالعه‌ی تصادفی‌شده که در 2026 منتشر شد، مدل به‌تنهایی تشخیص احتمالی درست را در 94.9% موارد یافت، اما افرادی که از همان مدل استفاده کردند حداکثر در 34.5% موارد به آن رسیدند.
- برای بیماران: پاسخ هوش مصنوعی را نه تصمیم درمانی، بلکه فهرستی از پرسش‌ها برای بردن نزد پزشک بدانید؛ اطلاعات هویتی خود را به اشتراک نگذارید و در نشانه‌های اورژانسی به تیم درمان خود مراجعه کنید.
این موضوع چرا مهم است؟
تشخیص سرطان یکی از لحظه‌هایی در زندگی است که نیاز به اطلاعات در آن به اوج می‌رسد. واژه‌های گزارش پاتولوژی، مرحله‌بندی، گزینه‌های درمان و عوارض جانبی ممکن است در یک معاینه‌ی کوتاه به‌طور کامل فهمیده نشوند (واژه‌های گزارش پاتولوژی، مرحله‌ی 4 و متاستاز یعنی چه؟). نیمه‌شب، چت‌باتی که هر پرسشی را با حوصله پاسخ می‌دهد، گزینه‌ای برای پر کردن این خلأ به نظر می‌رسد. در نظرسنجی‌ای که در فوریه–مارس 2026 در آمریکا انجام شد، 65% از کاربران هوش مصنوعی گفتند که برای دریافت سریع اطلاعات و 41% گفتند که برای شکل دادن به دیدگاهی پیش از تصمیم درباره‌ی رفتن یا نرفتن نزد پزشک به این ابزارها رجوع می‌کنند.
با این حال همین ابزارها ممکن است با لحنی مطمئن اطلاعات نادرست، ناقص یا نامتناسب با وضعیت بیمار بدهند. در نمونه‌هایی که یک جراح پستان نقل کرده است، یک بیمار باور کرده بود که ماستکتومی همیشه عمر طولانی‌تری به همراه دارد و بیمار دیگری درباره‌ی نشانه‌ای که به ارزیابی فوری نیاز داشت، از هوش مصنوعی پاسخی آرام‌بخش گرفته بود. پزشکان همه‌ی این گفت‌وگوها را نمی‌بینند؛ نمی‌دانند بیمار چه پرسیده و چه چیزی را ناقص گفته است. از این رو پرسش دیگر این نیست که «آیا بیماران باید از هوش مصنوعی استفاده کنند؟»، بلکه این است که «وقتی استفاده می‌کنند، چگونه این اطلاعات را در بافت درست قرار دهیم؟» (باورهای نادرست درباره‌ی سرطان).
اگر بیمار با ChatGPT بیاید، پزشک چگونه باید پاسخ دهد؟
پزشک نخست باید با کنجکاوی بپرسد: «چه پرسیدید و چه چیزی بیش از همه ذهنتان را مشغول کرده است؟» سپس تلاش بیمار برای جست‌وجوی اطلاعات را ارج بگذارد، خروجی را همراه بیمار بخواند و اطلاعات را به سه دسته تقسیم کند: درست، نادرست یا ناقص، و نامتناسب با وضعیت بیمار. در گام پایانی، پیشنهادها در بافت مرحله‌ی بیماری، پاتولوژی و هدف‌های بیمار قرار می‌گیرند و با لحنی آرام گفته می‌شود که این ابزار چه کاری از دستش برمی‌آید و چه کاری نه.
سه واکنش متفاوت، سه نتیجه‌ی متفاوت
وقتی بیمار پیشنهادی را که از هوش مصنوعی گرفته است بازگو می‌کند، نخستین جمله‌ی پزشک مسیر بقیه‌ی گفت‌وگو را تعیین می‌کند. سرسری گذشتن از موضوع («به اینترنت نگاه نکنید») یا شتاب برای تصحیح فوری («بیشتر این‌ها نادرست است») میل بیمار به جست‌وجوی اطلاعات را از بین نمی‌برد؛ تنها ممکن است باعث شود او این اطلاعات را از پزشک پنهان کند. در حالی که میل بیمار به مشارکت در درمان، ارزشمندترین مایه‌ی یک فرایند خوب تصمیم‌گیری مشترک است (رویکرد جامع به بیمار مبتلا به سرطان).
شکل 1 · یک پرسش، سه پاسخ متفاوت
سرسری گذشتن، تصحیح فوری یا برخورد با کنجکاوی
این رویکرد با همین ترتیب در راهنمای 2026 انجمن Society for Translational Oncology نیز پیشنهاد شده است: نخست پرسیدن درباره‌ی استفاده‌ی بیمار از هوش مصنوعی، سپس ارج نهادن به تلاش او و پس از شکل‌گیری اعتماد، تعیین انتظارهای واقع‌بینانه. صدای مشابهی از ترکیه نیز شنیده شد: احمد دیریجان (Ahmet Dirican)، استاد انکولوژی پزشکی در ازمیر، گفت که بیماران را تشویق می‌کند بگویند با هوش مصنوعی مشورت کرده‌اند و اطلاعاتی را که می‌آورند به سه دسته‌ی درست، نادرست یا ناقص، و نامتناسب با وضعیت بیمار تقسیم می‌کند و درباره‌اش گفت‌وگو می‌کند.
شکل 2 · چت‌بات چه کاری می‌تواند بکند و چه کاری نمی‌تواند؟
نقطه‌ی شروعی خوب؛ نه تصمیم‌گیرنده
شواهد چه می‌گویند؟
پاسخ‌ها همدلانه به نظر می‌رسند
در مطالعه‌ای که در 2024 در JAMA Oncology منتشر شد، پاسخ پزشکان به 200 پرسش درباره‌ی سرطان که در یک انجمن سلامت (Reddit) مطرح شده بود، با پاسخ‌های سه چت‌بات مقایسه شد. پزشکانی که پاسخ‌ها را امتیاز دادند، بهترین چت‌بات را از نظر کیفیت، همدلی و خوانایی بالاتر از پاسخ‌های پزشکان در انجمن ارزیابی کردند. این نتیجه به ما کمک می‌کند بفهمیم چرا بیماران به این ابزارها روی می‌آورند: چت‌بات عجله نمی‌کند، جنبه‌ی عاطفی پرسش را درمی‌یابد و زبانی ساده به کار می‌برد.
پزشک یا چت‌بات؟ پاسخ‌های نوشتاری به پرسش‌های سرطان
پاسخ به 200 پرسش سرطان در Reddit؛ مقیاس 1–5 که پزشکان امتیاز دادند (بالاتر بهتر است). بهترین چت‌بات (رنگی) و پزشکانی که در انجمن پاسخ دادند (خاکستری).
پاسخ‌های پزشکان به‌طور میانگین 125 واژه بود؛ پاسخ‌های بهترین چت‌بات به‌طور میانگین به 198 واژه رسید. امتیازها را پزشکان دادند، نه بیماران، و پاسخ‌ها بازتاب نامه‌نگاری‌های کوتاه در یک انجمن‌اند، نه گفت‌وگوی اتاق معاینه. نوشته‌ای که همدلانه‌تر به نظر می‌رسد، به معنای تصمیم پزشکی درست‌تر نیست.
اما محدودیت‌های این یافته مهم است. پاسخ‌های پزشکانی که مقایسه شدند، گفت‌وگوهای اتاق معاینه نبودند، بلکه پیام‌های کوتاهی بودند که داوطلبانه در یک انجمن نوشته شده بودند؛ و امتیازها را پزشکان دادند، نه بیماران. زبان گرم‌تر به معنای پیشنهاد درمانی درست‌تر نیست.
خطا و اطلاعات ساختگی در پیشنهادهای درمانی
در مطالعه‌ای که در 2023 باز هم در JAMA Oncology منتشر شد، پژوهشگران 104 پرسش درباره‌ی سرطان پستان، پروستات و ریه را از ChatGPT 3.5 پرسیدند و پاسخ‌ها را با رهنمودهای درمانی NCCN آمریکا مقایسه کردند. 98% پاسخ‌ها دست‌کم یک پیشنهاد سازگار با رهنمود داشتند؛ اما در حدود یک‌سوم آن‌ها (34%) پیشنهادهای ناسازگار با رهنمود نیز وجود داشت و در 12.5% پاسخ‌ها پیشنهادهای ساختگی آمده بود که اصلاً در رهنمودها نبود. نکته‌ی درخور توجه‌تر این بود که پیشنهادهای درست و نادرست اغلب در دل یک پاسخ و با همان لحن مطمئن در هم آمیخته بودند؛ حتی پزشکان متخصص تنها در 62% پاسخ‌ها در امتیازدهی به توافق کامل رسیدند. این مطالعه با مدلی قدیمی انجام شد و مدل‌ها از آن زمان پیشرفت کرده‌اند؛ اما مشکل «درست و نادرست در یک بند» همچنان به قوت خود باقی است (پزشکی مبتنی بر شواهد).
مدل می‌داند، کاربر پیدا نمی‌کند
شاید آموزنده‌ترین شاهد از یک مطالعه‌ی تصادفی‌شده‌ی از پیش ثبت‌شده بیاید که در فوریه 2026 در Nature Medicine منتشر شد. در انگلستان به 1,298 نفر 10 سناریوی پزشکی داده شد که پزشکان آماده کرده بودند؛ شرکت‌کنندگان با استفاده از یکی از سه مدل زبانی بزرگ (GPT-4o، Llama 3، Command R+) یا روشی که خودشان برگزیده بودند، کوشیدند دریابند مشکل چه می‌تواند باشد و به کجا باید مراجعه کنند. وقتی مدل‌ها سناریوها را مستقیم خواندند، تشخیص احتمالی درست را در 94.9% موارد یافتند. اما افرادی که از همان مدل‌ها استفاده کردند حداکثر در 34.5% موارد به آن رسیدند؛ و افزون بر این، از گروه کنترل که با روش‌های خودشان جست‌وجو می‌کردند ناموفق‌تر بودند.
مدل می‌داند، کاربر پیدا نمی‌کند: افت در انتقال اطلاعات
مجله‌ی Nature Medicine 2026؛ 1,298 نفر، 10 سناریوی پزشکی، مطالعه‌ی تصادفی‌شده؛ درصد پاسخ درست.
افرادی که از مدل استفاده کردند، کمتر از گروه کنترل که با روش‌های معمول خود در خانه اطلاعات جست‌وجو می‌کرد به تشخیص احتمالی درست رسیدند (نسبت شانس 1.76 به سود گروه کنترل). در انتخاب محل مراجعه، تفاوت معناداری میان گروه‌ها نبود. مدل‌هایی که در آزمون‌ها امتیاز بالا گرفتند، در گفت‌وگو با انسان‌های واقعی همان موفقیت را نشان ندادند.
پژوهشگران دلایل این افت را نیز بررسی کردند: افراد در نخستین پیام خود نشانه‌هایشان را ناقص گفتند، مدل همیشه اطلاعات کمبود را نپرسید، به پرسش‌های مشابه پاسخ‌های ناهمخوان داد و افراد نتوانستند پیشنهاد درست مدل را از میان گزینه‌های دیگر تشخیص دهند. به‌طور خلاصه، مشکل تنها در دانش مدل نیست، بلکه در گفت‌وگوی میان انسان و مدل است. این نکته توضیح می‌دهد که چرا جای پزشک در اتاق معاینه به‌آسانی پر نمی‌شود: پزشک خوب اطلاعات کمبود را می‌پرسد، آنچه را مهم است جدا می‌کند و نتیجه را در زندگی بیمار جای می‌دهد (چرا نظر دوم مهم است؟).
شکل 3 · چرا اطلاعات درست در میانه‌ی راه گم می‌شود؟
از دانش مدل تا تصمیم فرد
چرا بیماران از هوش مصنوعی می‌پرسند؟
بر پایه‌ی نظرسنجی KFF که در مارس 2026 منتشر شد، 32% بزرگسالان آمریکا در یک سال گذشته برای اطلاعات سلامت به یک چت‌بات هوش مصنوعی رجوع کرده‌اند؛ این رقم هم‌سطح درصد کسانی است که برای اطلاعات سلامت از شبکه‌های اجتماعی استفاده می‌کنند. در نظرسنجی‌ای که در اوت 2025 با 1,000 انکولوژیست آمریکایی انجام شد، 50% انکولوژیست‌ها گزارش کردند که بیمارانشان در مرحله‌ای از درمان از این ابزارها استفاده کرده‌اند؛ 38% گفتند که این کار در بیمار سردرگمی و بی‌اعتمادی ایجاد کرده و 10% گفتند که به بیماران در فهم گزینه‌ها و آماده کردن پرسش‌ها کمک کرده است.
چرا مردم پرسش‌های سلامت خود را از هوش مصنوعی می‌پرسند؟
نظرسنجی KFF، آمریکا، فوریه–مارس 2026؛ کسانی که در یک سال گذشته برای اطلاعات سلامت از هوش مصنوعی استفاده کرده‌اند، درصد.
در همین نظرسنجی، 41% از کسانی که برای اطلاعات سلامت از هوش مصنوعی استفاده کرده بودند، اطلاعات پزشکی شخصی خود مانند نتیجه‌ی آزمایش یا یادداشت پزشک را بارگذاری کرده بودند؛ 77% بزرگسالان نگران حریم خصوصی این اطلاعات‌اند. 42% از کسانی که پرسشی درباره‌ی سلامت جسمی پرسیده بودند، پس از آن به هیچ متخصص سلامتی مراجعه نکردند.
گفت‌وگویی که اعتماد را حفظ می‌کند: پنج گام
گام‌های زیر با ترکیب پیشنهادهای راهنماهای بین‌المللی و تجربه‌ی بالینی روزانه‌ی ما فراهم شده‌اند. هدف این است که بی‌آنکه میل بیمار به جست‌وجوی اطلاعات خاموش شود، اطلاعات در بافت درست قرار گیرد.
شکل 4 · پاسخ به بیماری که با خروجی هوش مصنوعی می‌آید
کنجکاوی، قدردانی، خواندن با هم، بافت و گام بعدی
گام 1. با کنجکاوی بپرسید. پرسشی مانند «از هوش مصنوعی چه پرسیدید؟ چه چیزی بیش از همه ذهنتان را مشغول کرد؟» نگرانی اصلی پشت خروجی را آشکار می‌کند. بیشتر وقت‌ها پرسش بیمار این نیست که «چرا این دارو به من داده نشد؟»، بلکه این است که «آیا درمان به‌اندازه‌ی کافی خوبی می‌گیرم؟». برخی پزشکان اکنون این پرسش را به‌طور روتین مطرح می‌کنند: «آیا این موضوع را از یک هوش مصنوعی پرسیده‌اید؟» وقتی این پرسش بدون داوری مطرح شود، بیماران راحت‌تر سخن می‌گویند.
گام 2. تلاش بیمار را ارج بگذارید. گفتن «اینکه برای فهمیدن بیماری‌تان وقت می‌گذارید بسیار ارزشمند است» به معنای تأیید درستی اطلاعات نیست؛ به معنای دیدن زحمت و نگرانی بیمار است. این جمله‌ی کوچک کمک می‌کند تصحیح‌های بعدی بدون حالت دفاعی پذیرفته شوند (پریشانی و اضطراب مرتبط با سرطان).
گام 3. با هم بخوانید و در سه سبد جای دهید. اطلاعاتی که بیمار می‌آورد معمولاً در سه گروه جای می‌گیرد. تقویت اطلاعات درست با شواهد، اعتماد را افزایش می‌دهد؛ اطلاعات نادرست یا ناقص را باید با ذکر منبع تصحیح کرد؛ و درباره‌ی اطلاعاتی که درست است اما با وضعیت بیمار تناسب ندارد، باید با توضیح دلیلش گفت‌وگو کرد. برای نمونه، پیشنهادی که برای بیماری متاستاتیک معتبر است ممکن است در مرحله‌ی زودهنگام مناسب نباشد، یا دارویی که به یک تغییر ژنتیکی مشخص نیاز دارد، در توموری که این تغییر را ندارد اثری نخواهد داشت (توالی‌یابی نسل جدید، گزارش آزمایش ژنتیک را چگونه بخوانیم؟).
شکل 5 · روش سه سبد
درست، نادرست یا ناقص، نامتناسب با شما
گام 4. در وضعیت بیمار جای دهید. چت‌بات از گزارش پاتولوژی بیمار، تصویربرداری‌ها، کارکرد کلیه و کبد، داروهای دیگری که مصرف می‌کند و انتظارهایش از زندگی شناخت کاملی ندارد. گفتن اینکه «این پیشنهاد در برخی موقعیت‌ها معتبر است؛ بیایید با هم ببینیم با تشخیص و هدف‌های شما چقدر جور درمی‌آید» هم اطلاعات را جدی می‌گیرد و هم نشان می‌دهد که چرا تصمیم برای هر فرد ویژه است. توضیح این نکته که تصمیم‌های درمانی اغلب در شوراهای چندتخصصی گرفته می‌شوند نیز این بافت را تقویت می‌کند.
گام 5. درباره‌ی گام بعدی و استفاده‌ی درست گفت‌وگو کنید. پس از شکل‌گیری اعتماد، بیمار آمادگی بیشتری دارد که بشنود این ابزار چه کاری از دستش برمی‌آید و چه کاری نه. در این مرحله مفید است درباره‌ی راه‌های پرسیدن پرسش‌های بهتر، حفاظت از اطلاعات شخصی و آنچه در نشانه‌های اورژانسی باید کرد گفت‌وگو شود. اینکه از بیمار بخواهید در دیدار بعدی دوباره خروجی را بیاورد، در گفت‌وگو را باز نگه می‌دارد.
جمله‌های نمونه
| وقتی بیمار این را می‌گوید | پزشک می‌تواند این‌طور پاسخ دهد |
|---|---|
| «ChatGPT می‌گوید این درمان بهترین گزینه نیست.» | «این پیشنهاد ممکن است برای بعضی بیماران درست باشد. بیایید با هم ببینیم با تشخیص، مرحله‌ی بیماری و هدف‌های شما چقدر جور درمی‌آید.» |
| «هوش مصنوعی داروی دیگری پیشنهاد کرد.» | «هوش مصنوعی می‌تواند گزینه‌ها را به‌طور کلی فهرست کند، اما جزئیاتی را که وضعیت شما را متفاوت می‌کند نمی‌داند. بگذارید توضیح بدهم چرا این دارو ممکن است در تومور شما اثر داشته باشد یا نداشته باشد.» |
| «هوش مصنوعی گفت این نشانه مهم نیست.» | «خیلی خوب شد که این را به من گفتید. بعضی نشانه‌ها در دوران درمان باید فوراً بررسی شوند؛ بیایید همین حالا با هم نگاهی بیندازیم.» |
| «این مقاله را هوش مصنوعی پیدا کرد.» | «بیایید منبع را با هم ببینیم. هوش مصنوعی گاهی به مقاله‌هایی ارجاع می‌دهد که وجود ندارند؛ اگر واقعی باشد، درباره‌ی محتوایش صحبت می‌کنیم.» |
| «آیا باید به هوش مصنوعی اعتماد کنم؟» | «به‌عنوان نقطه‌ی شروع می‌تواند مفید باشد؛ اما تصمیم‌ها را با توجه به سابقه‌ی پزشکی شما، نتایج آزمایش‌هایتان و آنچه برای شما درست است، با هم می‌گیریم.» |
- مسخره کردن یا کوچک شمردن: جمله‌هایی مانند «این‌ها را از کجا پیدا می‌کنید؟» بیمار را شرمنده می‌کند و او را به پنهان‌کاری می‌کشاند.
- ممنوع کردن: هشدار «به اینترنت و هوش مصنوعی نگاه نکنید» کارساز نیست؛ بیمار همچنان نگاه می‌کند، فقط دیگر نمی‌گوید.
- حالت دفاعی گرفتن: اگر پیشنهاد هوش مصنوعی را چالشی برای دانش پزشک بدانید، گفت‌وگو به مجادله تبدیل می‌شود.
- درس طولانی درباره‌ی هوش مصنوعی دادن: توضیح‌های فنی، پیش از آنکه به نگرانی اصلی بیمار پاسخ داده شود، اعتماد را افزایش نمی‌دهد.
- تأیید بدون بررسی: گفتن «بله، درست است» نیز خطاست؛ به‌ویژه دوز داروها، مکمل‌ها و منابع را باید حتماً بررسی کرد.
مشکل زمان و استفاده‌ی خود پزشک از هوش مصنوعی
خواندن سطربه‌سطر یک خروجی طولانی هوش مصنوعی در طول معاینه همیشه ممکن نیست. راه‌حل عملی این است که از بیمار بخواهید سه پرسش مهم‌ترش را برجسته کند یا پیشنهاد دهید خروجی را پیش از دیدار بعدی با پرستار یا مشاور بیمار در میان بگذارد.
خود پزشکان نیز روزبه‌روز بیشتر از هوش مصنوعی برای یادداشت‌برداری، نوشتن نامه به بیماران یا مرور متون علمی استفاده می‌کنند. این امر شفافیت را دوسویه می‌کند: پزشک نیز باید بتواند آشکارا بگوید که از هوش مصنوعی چگونه و با چه هدفی استفاده می‌کند. استفاده از هوش مصنوعی به‌عنوان ابزارهایی تأییدشده و با حدومرز مشخص در تصمیم‌های تشخیصی و درمانی، با مشورت گرفتن از یک چت‌بات همه‌منظوره یکی نیست (کولونوسکوپی با پشتیبانی هوش مصنوعی و تأیید FDA، هوش مصنوعی برای پیش‌بینی پاسخ به ایمونوتراپی، طرح آزمایشی نسخه‌نویسی با هوش مصنوعی).
برای بیماران: استفاده‌ی ایمن‌تر از هوش مصنوعی
استفاده از چت‌بات‌های هوش مصنوعی کار نادرستی نیست؛ می‌تواند به شما کمک کند بیماری‌تان را بفهمید، واژه‌ها را یاد بگیرید و پرسش‌های بهتری برای پزشکتان آماده کنید. مهم این است که پاسخی را که می‌گیرید نه تصمیم درمانی، بلکه نقطه‌ی شروعی برای گفت‌وگو با پزشکتان بدانید. شیوه‌ی پرسیدن هم کیفیت پاسخ را تعیین می‌کند (از پزشکتان چه بپرسید؟).
شکل 6 · پرسش بهتر، پاسخ مفیدتر
به‌جای پرسش کلی، پرسشی با بافت روشن که منبع می‌خواهد
شکل 7 · استفاده‌ی ایمن برای بیماران
پیش و پس از پرسیدن از چت‌بات
- از داده‌های شخصی خود محافظت کنید: در نظرسنجی آمریکا، 41% از کاربران هوش مصنوعی اطلاعات پزشکی خود مانند نتیجه‌ی آزمایش یا یادداشت پزشک را بارگذاری کرده بودند. اگر می‌خواهید بارگذاری کنید، نام، شماره‌ی شناسایی، نشانی و شماره‌ی پرونده را از پیش پاک کنید و تنظیمات استفاده از داده‌ها را در ابزار بررسی کنید.
- در موقعیت‌های اورژانسی صبر نکنید: در دوران شیمی‌درمانی یا ایمونوتراپی، نشانه‌هایی مانند تب، تنگی نفس، اسهال شدید یا خون‌ریزی را نباید با پاسخ «احتمالاً مهم نیست» یک چت‌بات به تعویق انداخت.
- مراقب پیشنهادهای مکمل و فراورده‌های جایگزین باشید: چت‌بات‌ها ممکن است درباره‌ی فراورده‌های گیاهی و مکمل‌ها اطلاعاتی با شواهد ضعیف بدهند؛ این فراورده‌ها ممکن است با درمان شما تداخل کنند (آیا مکمل‌ها بر درمان اثر می‌گذارند؟، چرا فراورده‌های جایگزین خطرناک‌اند؟، مکمل‌هایی که بدون شواهد مصرف می‌شوند).
- پیشنهادهای کارآزمایی بالینی را با هم ارزیابی کنید: هوش مصنوعی می‌تواند کارآزمایی‌های بالینی‌ای را که شاید برایتان مناسب باشند فهرست کند؛ اما شرایط شرکت در آن‌ها جزئیات فراوانی دارد و باید همراه پزشکتان ارزیابی شود (کارآزمایی بالینی چیست؟، پژوهش‌های فاز 1).
- اثر عاطفی آن را دریابید: خواندن آمارهای طول عمر در نیمه‌شب و به‌تنهایی می‌تواند اضطراب را افزایش دهد. مقادیر میانگین مسیر شخصی شما را بازگو نمی‌کنند؛ درباره‌ی این موضوع‌ها با پزشکتان و در صورت نیاز با پشتیبانی روان‌انکولوژی گفت‌وگو کنید (افسردگی و اضطراب در سرطان، ترس از بازگشت سرطان).
وضعیت در ترکیه
- در ترکیه داده‌ی گسترده‌ای وجود ندارد که نشان دهد بیماران مبتلا به سرطان چقدر از چت‌بات‌های هوش مصنوعی استفاده می‌کنند. اما مشاهده‌های بالینی ما نشان می‌دهد که استفاده از آن‌ها، به‌ویژه در میان بیماران جوان و همراهان بیماران، به‌سرعت در حال افزایش است.
- داده‌های سلامت بر پایه‌ی قانون حفاظت از داده‌های شخصی ترکیه (KVKK) داده‌ی شخصی با ماهیت ویژه به شمار می‌روند. هنگام بارگذاری خروجی‌های سامانه‌ی e-Nabız یا گزارش‌های پاتولوژی در چت‌بات‌ها، مهم است که اطلاعات هویتی پاک شود و بدانید که داده‌ها ممکن است به سرورهای خارج از کشور فرستاده شوند.
- بیشتر مطالعه‌هایی که درستی چت‌بات‌ها را بررسی کرده‌اند با پرسش‌های انگلیسی انجام شده‌اند. درستی پاسخ‌ها به زبان ترکی به همان اندازه آزموده نشده است؛ نام داروها، اطلاعات مجوز و بازپرداخت SGK ممکن است با شرایط ترکیه سازگار نباشد.
- باید جداگانه بررسی کرد که آیا دارویی که هوش مصنوعی پیشنهاد می‌کند در ترکیه مجوز دارد و شرایط بازپرداخت آن چیست (تأییدهای تازه در سرطان و هوش مصنوعی در 2026).
پرسش‌هایی که می‌توانید از پزشکتان بپرسید
- کدام‌یک از این پرسش‌هایی که از هوش مصنوعی پرسیده‌ام برای وضعیت من صدق می‌کند؟
- آیا پیشنهاد درمانی این خروجی با مرحله‌ی بیماری و نتایج آزمایش‌های من سازگار است؛ اگر نه، چرا؟
- آیا این منبع واقعی و قابل‌اعتماد است؟
- در چه نشانه‌هایی باید بی‌آنکه از هوش مصنوعی بپرسم، بی‌درنگ به شما یا اورژانس مراجعه کنم؟
- چگونه خروجی‌های هوش مصنوعی را به دیدار بعدی بیاورم تا برای شما آسان‌تر باشد؟
- «هوش مصنوعی بیشتر از پزشک می‌داند.» نه. مدل ممکن است به دانش گسترده‌ای دسترسی داشته باشد؛ اما نمی‌تواند شما را معاینه کند، همه‌ی پرونده‌تان را ببیند و دانشی را که در آزمون‌ها نشان می‌دهد شاید نتواند با همان موفقیت در گفت‌وگوهای واقعی منتقل کند.
- «اگر همدلانه می‌نویسد، پس درست می‌گوید.» نه. زبان گرم و روان نشان نمی‌دهد که اطلاعات درست یا مناسب شماست.
- «اگر به پزشکم بگویم از هوش مصنوعی پرسیده‌ام، دلخور می‌شود.» نه. گفتن آن ایمن‌ترین راه برای تصحیح اطلاعات نادرست و تقویت اطلاعات درست است.
- «اگر منبع آورده، حتماً درست است.» نه. چت‌بات‌ها گاهی به مقاله‌هایی که وجود ندارند یا به اطلاعات نادرست رهنمودها ارجاع می‌دهند.
- «استفاده از هوش مصنوعی یکسره زیان‌بار است.» نه. برای یادگیری واژه‌ها، آماده کردن پرسش‌ها و دوباره خواندن اطلاعات می‌تواند مفید باشد؛ مهم این است که آن را همراه پزشکتان به کار ببرید.
پرسش‌های پرتکرار
- اگر بیمار با ChatGPT بیاید، پزشک چگونه باید پاسخ دهد؟
- پزشک نخست باید با کنجکاوی بپرسد، تلاش بیمار برای جست‌وجوی اطلاعات را ارج بگذارد و خروجی را همراه بیمار بخواند. اطلاعات به سه دسته‌ی درست، نادرست یا ناقص، و نامتناسب با بیمار تقسیم می‌شود و پیشنهادها در بافت مرحله‌ی بیماری، نتایج آزمایش‌ها و هدف‌های بیمار قرار می‌گیرند. سرسری گذشتن یا شتاب برای تصحیح فوری می‌تواند به اعتماد آسیب بزند.
- آیا ChatGPT درباره‌ی درمان سرطان قابل‌اعتماد است؟
- به‌تنهایی منبع قابل‌اعتمادی برای درمان نیست. در مطالعه‌ای در 2023، در حدود یک‌سوم پاسخ‌های ChatGPT 3.5 درباره‌ی درمان سرطان پیشنهادهای ناسازگار با رهنمودها و در 12.5% پیشنهادهای ساختگی یافت شد. برای فهم واژه‌ها و آماده کردن پرسش‌ها می‌تواند مفید باشد؛ تصمیم‌ها باید همراه پزشک گرفته شوند.
- آیا باید به پزشکم بگویم که با هوش مصنوعی مشورت کرده‌ام؟
- بله. گفتن آن باعث می‌شود اطلاعات نادرست یا نامتناسب با شما تصحیح و اطلاعات درست تقویت شود. آوردن خروجی به‌صورت نوشته و علامت زدن سه پرسش مهم‌ترتان، دیدار را آسان‌تر می‌کند.
- آیا بارگذاری نتایج آزمایش‌هایم در چت‌بات ایمن است؟
- بی‌خطر نیست. داده‌های سلامت، داده‌ی شخصی با ماهیت ویژه هستند. پیش از بارگذاری، نام، شماره‌ی ملی و شماره‌ی پرونده‌تان را پاک کنید، تنظیمات استفاده از داده‌ها را در ابزار بررسی کنید و تفسیر را حتماً با پزشکتان در میان بگذارید.
واژه‌نامه
- چت‌بات هوش مصنوعی
- برنامه‌ی رایانه‌ای که به پرسش‌های نوشتاری با زبان انسانی پاسخ می‌دهد؛ ChatGPT، Gemini و Claude نمونه‌هایی از آن‌اند.
- مدل زبانی بزرگ
- مدل هوش مصنوعی که با مجموعه‌های بسیار بزرگ متن آموزش دیده و با پیش‌بینی واژه‌ی بعدی متن تولید می‌کند.
- توهم (اطلاعات ساختگی)
- تولید اطلاعات، منبع یا پیشنهادی که در واقعیت وجود ندارد، با لحنی مطمئن از سوی مدل.
- انطباق با رهنمود
- همخوانی یک پیشنهاد با رهنمودهای درمانی مبتنی بر شواهد مانند NCCN و ESMO.
- تصمیم‌گیری مشترک
- تصمیم‌گیری پزشک و بیمار با سنجیدن هم‌زمان گزینه‌ها، شواهد و ارزش‌های بیمار.
- مطالعه‌ی تصادفی‌شده
- پژوهشی که در آن شرکت‌کنندگان به قید قرعه در گروه‌ها جای می‌گیرند و روش‌ها به‌شکلی منصفانه مقایسه می‌شوند.
- بافت (زمینه)
- جزئیات شخصی لازم برای تفسیر درست یک اطلاعات: مرحله‌ی بیماری، پاتولوژی، آزمایش ژنتیک، بیماری‌های همراه و هدف‌ها.
- امتیاز همدلی
- ارزیابی‌ای که نشان می‌دهد یک پاسخ تا چه اندازه احساسات طرف مقابل را درمی‌یابد و در نظر می‌گیرد.
- داده‌ی شخصی با ماهیت ویژه
- بر پایه‌ی KVKK، اطلاعات شخصی مانند داده‌های سلامت و ژنتیک که با سخت‌گیری بیشتری حفاظت می‌شوند.
- روان‌انکولوژی
- حوزه‌ی علمی و حمایتی که به نیازهای روانی بیماران مبتلا به سرطان و نزدیکانشان می‌پردازد.
دیدگاه آکادمی DROZDOGAN
در دوران «Dr. Google» یک چیز را آموختیم: بیماری که در جست‌وجوی اطلاعات است، بیماری است که می‌خواهد در درمان مشارکت کند. با چت‌بات‌ها زبان این خواسته تغییر کرد، اما جوهر آن نه.
⚡ چرا مهم است
بخش بزرگی از بیماران ما اکنون پس از یک گفت‌وگوی مقدماتی با هوش مصنوعی به معاینه می‌آیند. معاینه‌ای که بدون آگاهی از محتوای این گفت‌وگو انجام شود، معاینه‌ای ناقص است.
✅ نقاط قوت
هوش مصنوعی اگر درست به کار رود، به بیمار کمک می‌کند واژه‌ها را یاد بگیرد، پرسش‌هایش را مرتب کند و آماده‌تر به معاینه بیاید. حوصله‌ی آن و در دسترس بودنش در هر ساعت می‌تواند در دوره‌های پراضطراب ارزشمند باشد.
⚠️ محدودیت‌ها
شواهد نشان می‌دهد که دانش مدل‌ها ممکن است در گفت‌وگوهای واقعی گم شود و پیشنهادهای درست و نادرست در یک پاسخ در هم آمیخته شوند. درباره‌ی درستی پاسخ‌ها به زبان ترکی و میزان استفاده در ترکیه داده‌ها محدود است.
🩺 در عمل
ما بدون داوری از بیماران می‌پرسیم که آیا با هوش مصنوعی مشورت کرده‌اند، خروجی‌ها را با هم می‌خوانیم و اطلاعات را به سه دسته‌ی درست، نادرست یا ناقص، و نامتناسب با بیمار تقسیم می‌کنیم. درباره‌ی نشانه‌های اورژانسی و پیشنهادهای مکمل به‌ویژه با احتیاط رفتار می‌کنیم.
❓ پرسش‌های باز
آیا چت‌بات‌های ویژه‌ی سلامت در بیماران واقعی ایمن‌تر خواهند بود؟ آیا بیمارانی که با کمک هوش مصنوعی آماده شده‌اند تصمیم‌های بهتری می‌گیرند؟ مدت معاینه چگونه با این نیاز تازه سازگار خواهد شد؟
جمع‌بندی: وقتی بیمار Dr. ChatGPT را به درمانگاه می‌آورد، بهترین کار بستن در نیست، بلکه دعوت از او به سر میز و خواندن خروجی با هم است. قرار دادن اطلاعات در بافت درست، در عصر هوش مصنوعی نیز جنبه‌ای چشم‌ناپوشیدنی از پزشکی باقی می‌ماند (دو سوی میز، طب جایگزین از نگاه یک انکولوژیست پزشکی).
- این نوشته در نوامبر 2026 تهیه شده است.
- داده‌ها از مقاله‌های JAMA Oncology (2023، 2024) و Nature Medicine (2026)، نظرسنجی مارس 2026 مؤسسه‌ی KFF، یک نظرسنجی از انکولوژیست‌ها در اوت 2025 و انتشارات 2026 ASCO، Society for Translational Oncology و OncoDaily گرفته شده‌اند.
- داده‌های نظرسنجی مربوط به آمریکاست؛ داده‌ی گسترده‌ای درباره‌ی ترکیه یافت نشد. نسخه‌های مدل در این مطالعه‌ها ممکن است با نسخه‌هایی که امروز به کار می‌روند متفاوت باشند.
- جمله‌های نمونه از پیشنهادهای راهنماهای بین‌المللی اقتباس شده و آزادانه به ترکی برگردانده شده‌اند. دیدگاه آکادمی از آنِ ماست.
- این نوشته توصیه‌ی پزشکی نیست؛ تصمیم‌های مربوط به سلامت خود را همراه پزشکتان بگیرید.
منابع
- Chen S, Kann BH, Foote MB, et al. Use of artificial intelligence chatbots for cancer treatment information. JAMA Oncol 2023;9(10):1459-1462. doi:10.1001/jamaoncol.2023.2954. jamanetwork.com
- Chen D, Parsa R, Hope A, et al. Physician and artificial intelligence chatbot responses to cancer questions from social media. JAMA Oncol 2024. doi:10.1001/jamaoncol.2024.0836. healio.com
- Bean AM, Payne RE, Parsons G, et al. Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nat Med 2026;32(2):609-615. doi:10.1038/s41591-025-04074-y. pmc.ncbi.nlm.nih.gov
- KFF. Poll: 1 in 3 adults are turning to AI chatbots for health information. 25 مارس 2026. kff.org
- eMarketer. Oncologists report about half of cancer patients are using AI for information (نظرسنجی Impiricus و Klick Health، اوت 2025). emarketer.com
- ASCO AI in Oncology. STO guide offers scripted responses to common questions about chatbot recommendations. 20 اوت 2026. ascoai.org
- The ASCO Post. Upcoming ASCO AI in Oncology webinar turns chatbot printouts into better patient conversations. 3 نوامبر 2026. ascopost.com
- OncoDaily. Ahmet Dirican: When patients bring ChatGPT to the clinic, what should doctors do? 8 اکتبر 2026. oncodaily.com
- OncoDaily. Zacharoula Sidiropoulou: From Dr Google to Dr GPT – what has changed in my consultation room. 18 اکتبر 2026. oncodaily.com
- Medical Economics. 40 million people now use ChatGPT daily for health questions, OpenAI report finds (ChatGPT Health). 7 ژانویه 2026. medicaleconomics.com
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
