محدودیت‌های ذهن انسان، هوش مصنوعی و آینده پزشکی

پذیرش ناکافی بودن ادراکمان و تلاش برای یادگیری بیشتر، خلاصه تمام علم و فناوری است. این تلاش در پزشکی با ابزارهایی مانند گوشی پزشکی، میکروسکوپ و الکتروکاردیوگرافی نمود یافته بود. اکنون با پدیده‌ای روبه‌رو هستیم که معنایی فراتر از صرف فناوری دارد: هوش مصنوعی!

دانش پزشکی پیوسته تازه می‌شود و با سرعت بسیار افزایش می‌یابد. اما توان پیگیری مداوم و کامل آن را نداریم و اینجا از رایانه کمک می‌گیریم و باید بگیریم. برای تصمیم بیمار به تفکر بیشتر نیاز داریم اما وقت کافی نمی‌یابیم. الکتروکاردیوگرام (EKG، نوار قلب)، از مهم‌ترین ابزارهای پزشکی برای تشخیص حمله قلبی و اختلال ریتم، امروز به بهترین شکل توسط متخصصان پیشرفته مانند متخصص قلب و پزشک اورژانس ارزیابی می‌شود؛ اما روزی نزدیک است که رایانه گزارشی درست، دقیق و قابل فهم برای همه بدهد. بنابراین پزشک بهتر بر درمان تمرکز می‌کند. ابزارهای تشخیصی امروز تصاویر لحظه‌ای می‌دهند؛ مثلاً درد قفسه سینه یا تپش دارید، اما هنگام رسیدن به اورژانس برطرف شده و EKG همان لحظه مشکل نشان نمی‌دهد. به‌جای آن، اگر ساعت هوشمند / دستبند شما با الگوریتم مشخص پیوسته ریتم قلب را ثبت و تحلیل کند، شاید مشکل‌های ناشناخته قلب زودتر پیش‌بینی شوند. هر سال ده‌ها هزار نفر از مشکلات ناگهانی قلبی جان می‌بازند…

روشن است پزشکی با این الگوریتم‌ها شکل می‌گیرد و تنها پرسش این است که متخصصان سلامت خود تغییر را هدایت می‌کنند یا از بیرون دنبال می‌کنند. نادیده گرفتن تفکر بالینی و دیدگاه پزشک ممکن نیست. به نظر می‌رسد پزشکان در آینده به بهای از دست دادن بخشی از حوزه کار، به ماشین‌ها آموزش و حتی راهنمایی حرفه‌ای خواهند داد. نمونه‌ها را همین حالا می‌بینیم؛ مثلاً هوش مصنوعی IBM، Watson، همراه انکولوژیست‌های بالینی توسعه می‌یابد. آنها الگوریتم تشخیص و درمان را به Watson آموزش می‌دهند.

رایانه می‌تواند هم تصمیم‌گیری پزشک برای تشخیص و درمان درست و هم خطاهایش را یاد بگیرد. بنابراین می‌توان از برخی خطاهای پزشکی، آزمایش تکراری و هزینه اضافی درمان جلوگیری کرد. رایانه می‌تواند کل سابقه سلامت، بیماری، دارو و ژنتیک فرد و سبک زندگی، تغذیه، ورزش، سیگار و محیط او را سریع تحلیل و مشکل سلامت آینده یا پاسخ درمان را پیش‌بینی کند.

با یادگیری ماشین، پزشکی بازی تیمی تازه‌ای می‌شود، اما تیم به بازیکنان خوب نیاز دارد. مهم‌ترین‌ها پزشکان آشنا با آمار و علوم رایانه و توانمند در توسعه و تنظیم الگوریتم خواهند بود.

آموزش پزشکی باید بر اساس این نیازها شکل بگیرد، زیرا الزامات فارغ‌التحصیلی بسیار قدیمی‌اند. دانشجویان پزشکی باید در علوم داده، آمار یا الگوریتم بالینی کاربردی نیز آموزش ببینند.

ادغام علوم داده با پزشکی آن‌قدر که تصور می‌شود دشوار و دور نیست. پیش‌تر درباره زیست‌شناسی سلولی و ژنتیک هم چنین تصور می‌شد، اما اکنون در مرکز پژوهش پزشکی‌اند و همه پزشکان با آموزش این زمینه‌ها فارغ‌التحصیل می‌شوند. اگر پیوند پزشکی و انفورماتیک فوری آغاز و ادامه یابد، پزشکان قرن 21. ابزار پردازش داده لازم برای تصمیم را خواهند داشت و مسائل پزشکی را ماهرانه حل می‌کنند.

الگوریتم چیست؟

الگوریتم راهکاری برای رسیدن به حل مسئله است؛ می‌توان آن را «مسئله + الگوریتم = راه‌حل» دانست. ویژه پزشکی نیست، اما بیشترین استفاده در پزشکی و مهندسی است. هوش مصنوعی سلامت طوری طراحی می‌شود که هزاران و حتی بی‌شمار الگوریتم بداند. برای درک بهتر، نمونه‌ای در ادامه می‌دهیم؛

الگوریتم برخورد با افراد مراجعه‌کننده با چسبیدن کنه