رفتن به محتوا
Prof. Dr. Mustafa Özdoğan · متخصص انکولوژی پزشکی

دگرگون کردن کامل سلامت با هوش مصنوعی

دگرگون کردن کامل سلامت با هوش مصنوعی

چرا به پشتیبان تصمیم بالینی هوش مصنوعی فوری نیاز داریم؟

مردم کشورهای کم‌درآمد و متوسط به علت کمبود نیرو و پول، دسترسی دشوار و درمان نامناسب دارند. تصور می‌شود پیامد بسیار سنگین، سالانه حدود 8.4 میلیون مرگ و حدود 1.6 تریلیون دلار تولید ازدست‌رفته است. دشواری پرورش متخصص شایسته سلامت، فراهم کردن سامانه‌ای که متخصصان را به دانش بالینی و استاندارد مدیریت کافی برساند و کمبود سامانه معتبر تصمیم بالینی داده‌محور، از علت‌های مهم و پیچیده مشکلات این کشورهاست. تصور می‌شود هوش مصنوعی ظرفیت انقلاب در بهبود خدمت ناکافی ناشی از کمبود دانش و مدیریت را دارد. هوش مصنوعی، یادگیری ماشین یا شبکه عمیق با آزمون‌وخطا یاد می‌گیرد و با تغییر سازگار می‌شود. فناوری پیشرفته و تولید نمایی داده کاربردپذیری را بالا و هزینه را کم می‌کند. کشورهای فراوان سیاست ملی هوش مصنوعی سلامت اعلام کرده‌اند. در شکل زیر، تعریف و تفاوت 3 اصطلاح تازه نزدیک و پرکاربرد، هوش مصنوعی، یادگیری ماشین و عمیق را می‌بینید.

هوش مصنوعی، یادگیری ماشین و عمیق چیست و چه فرق دارند

معجزه هوش مصنوعی یا شکست تازه دیجیتالی شدن سلامت؟

در برابر کاربرد مفید هوش مصنوعی در سلامت همگانی، 3 دشواری پایه هست:

  • نخست؛ یافتن داده مناسب و اعتبار آن. سامانه با، کلان‌داده با مجموعه داده بزرگ آموزش می‌گیرد؛ برای خروجی باکیفیت باید داده نیز باکیفیت و معتبر باشد. در کشورهای کم‌درآمد و متوسط، مشکل پایه دسترسی محدود و حتی ناکافی بودن کیفیت داده برای کاربرد بالینی است. با وجود افزایش جدی داده سلامت، بیشتر منابع از کشورهای پیشرفته‌اند. استفاده از سامانه آموزش‌دیده و توسعه‌یافته فقط با این داده در کشورهای توسعه‌نیافته و درحال‌توسعه ممکن است مشکل جدی بسازد. نقدها عمدتاً کاربردپذیری، اعتبار و استفاده اخلاقی‌اند. اجرای فناوری جدید در این کشورها مشکل سازگاری اجتماعی و زیستی نیز دارد، اما هوش مصنوعی شاید مسئله بحرانی‌تری ایجاد کند. سامانه پیوسته متغیر و درحال‌رشد می‌تواند تصمیم انسان را پشتیبانی یا گاهی جایگزین کند. نمونه سامانه تصمیم‌گیرنده به‌جای خلبان خوب‌آموزش‌دیده را اخیراً در خبرها دنبال کردیم، Boeing MAX سقوط هواپیما، خطای کشنده و برگشت‌ناپذیر می‌سازد. فناوری پرظرفیت هوش مصنوعی از دیگر فناوری پیامد جدی‌تر دارد؛ نظارت حیاتی است. اما هزینه بالای نظارت باعث اجرای بسیاری بدون بررسی کافی می‌شود. پشتیبان تصمیم ماشینی حتماً باید پیش از اجرا خوب نظارت شود.
  • دوم، اجرای ابزار در سلامت دشواری مهم دارد؛ باید فرد درست استفاده کند و تطبیق اغلب سخت است. اما، حتی بهترین ابزار در دست نادرست بی‌اثر یا زیان‌آور است. نظام سلامت چگونه متخصص بی‌آموزش یا کم‌آموزش را برای مصرف تشویق می‌کند؟ چگونه به ارائه‌دهنده تضمین می‌دهد با ابزار حتی داناتر از بهترین متخصص جایگزین نمی‌شود؟ با وجود اشتیاق آشکار، بر توان استفاده مؤثر نیرو و انگیزه آن تمرکز نشده است.
  • سوم، بیشتر نظام‌های سلامت ظرفیت مقرراتی نظارت و مدیریت فناوری به‌سرعت متغیر را ندارند. بیشتر کشورهای کم‌درآمد و متوسط حتی برای خدمت و فناوری سنتی مقررات ناکافی دارند. اجرای هوش مصنوعی در سلامت الزام‌های تنظیم‌گری پیچیده می‌آورد. مثلاً رضایت لازم کاربر درباره عملیات مراحل توضیح‌ناپذیر جعبه‌سیاه مدل، تعهد تأمین اخلاق و محرمانگی و مسئولیت امنیت داده از این مواردند.

نبود ساختار تنظیم‌گر قوی در کشورهای فراوان مانع گسترش مؤثر هوش مصنوعی در سطح نظام است. WHO و دیگران اصول راهنما آغاز کرده‌اند، اما هر کشور باید با سیاست و خدمات خود تطبیق دهد. توان فهم محیط سریع‌متغیر و اجرای اصول حتی در توسعه‌یافته دشوار و تقریباً همه‌جا مانع بزرگ است.

چگونه بر شکست راه‌حل هوش مصنوعی غلبه کنیم؟

یک روش، سرمایه‌گذاری گسترده رو به آینده برای گردآوری داده، تنظیم استانداردها و بهبود ابزارهای کم‌منبع است. گرچه سازگار کردن نظام سلامت کشورهای کم‌درآمد و متوسط با هوش مصنوعی ابتدا هزینه بالا دارد، سود بالقوه آینده ارزش آن را دارد. با اجرای برنامه پوشش همگانی و تلاش کشورها برای راه‌حل کم‌هزینه تقویت ارائه خدمت، این امکان‌پذیری روشن‌تر می‌شود. برای بهره کامل از هوش مصنوعی احتمالاً، برنامه همراه و حسگر و فناوری کم‌هزینه دیگر نیز سرمایه بخواهد تا از کانال‌های مختلف داده باکیفیت بگیریم. - موضوع مرتبط: پر کردن فاصله پزشک و بیمار با برنامه پیامد گزارش‌شده بیمار سپس شرکت راه‌حل‌ساز با مشوق اقتصادی و مقررات به‌طور مطلوب از این داده تازه برای ساخت یا دست‌کم اعتبارسنجی راه‌حل کشورهای توسعه‌نیافته استفاده می‌کند. بخش دیگر آموزش کارکنان برای استفاده خوب است؛ چون دولت اغلب ظرفیت آموزش ندارد با تأمین‌کننده ممکن است. بخش خصوصی می‌تواند رابط آسان‌تر بسازد و کاربرد درست را به نوع درست ارائه‌دهنده برساند.

نتیجه

بخش کلیدی راه‌حل سرمایه‌گذاری دولت در تنظیم‌گر است. سرعت هوش مصنوعی برای مقررات سنتی زیاد است. مدل مدیریت تازه، پایش اثر و آموزش تنظیم‌گر حیاتی است. مقررات ابتدا سبک باشد، اما به‌طور مطلوب ظرفیت کافی برای کاربرد واقعی بدون خطر جدی سلامت عمومی فراهم کند. تعادل با نیاز متفاوت است و هر کشور باید فرمولش را آغاز کند. هوش مصنوعی نوآوری قوی و دگرگون‌کننده با ظرفیت تحول سلامت همگانی است، اما چالش آینده را نمی‌توان نادیده گرفت. با توجه و گام مناسب می‌تواند ابزار کلیدی برابری سلامت جهان باشد.

منابع

Mehul C. Mehta, M.D., Ingrid T. Katz, M.D., M.P.H., and Ashish K. Jha, M.D., M.P.H.
Article.
Transforming Global Health with AI.
NEJM, 27 feb 2020.

درخواست نوبت

هوش مصنوعی DROZDOGAN

این مقاله را با هم بررسی کنیم

درباره مقاله بپرسید و پاسخ‌ها را همراه با منابع منتشرشده در سایت ما بخوانید.

هوش مصنوعی DROZDOGAN

دستیار Drozdogan

دگرگون کردن کامل سلامت با هوش مصنوعی

درباره مقاله بپرسید و پاسخ‌ها را همراه با منابع منتشرشده در سایت ما بخوانید.

اطلاعات گفت‌وگو و حریم خصوصی

این گفت‌وگو را دستیار Drozdogan پاسخ می‌دهد. مدیران مجاز سایت ممکن است آن را برای بررسی کیفیت بازبینی کنند. اطلاعات شخصی را به اشتراک نگذارید.

پاسخ‌ها با زیرساخت OpenAI تهیه می‌شوند. پرسش‌ها و پاسخ‌ها در آن سرویس پردازش می‌شوند؛ سوابق گفت‌وگو در سایت ما ذخیره می‌شوند. اطلاعات هویتی، تماس یا سلامت شخصی را به اشتراک نگذارید.

0 / 1000

فقط برای اطلاع‌رسانی است؛ تشخیص شخصی یا توصیه درمانی ارائه نمی‌شود.

مقاله‌های مرتبط

مقاله‌های دیگر درباره این موضوع را بخوانید.

از تازه‌ها باخبر بمانید

مقاله‌های تازه و پیشرفت‌های علمی را از طریق ایمیل دریافت کنید.

Google Analytics در صفحات عمومی مستقل از این پنجره کار می‌کند و ممکن است از کوکی‌های تحلیلی استفاده کند. انتخاب شما در اینجا فقط خدمات خارجی را کنترل می‌کند.