ظهور فناوریهایی مانند چت جیبیتی، هوش مصنوعی را در سراسر سال ٢٠٢٣ در کانون توجه قرار داد و سیستم مراقبتهای بهداشتی نیز از این قاعده مستثنی نبوده است. با ورود به سال ٢٠٢٤، در این مطلب به برخی از پیشرفتهای کلیدی هوش مصنوعی در پزشکی و کاربردهای آنها که در سال جدید بر زندگی کاناداییها و سیستم مراقبتهای بهداشتی کانادا تاثیر میگذارد، خواهیم پرداخت.
در همین خصوص سازمان جهانی بهداشت هنگام راهاندازی مجموعهای از ابزارهای هوش مصنوعی در سال گذشته گفت: «با در دسترس بودن روزافزون دادههای حاصل از مراقبتهای بهداشتی و پیشرفت سریع در تکنیکهای تحلیلی، چه یادگیری ماشینی، چه یاگیری مبتنی بر منطق یا آماری، ابزارهای هوش مصنوعی در حوزه سلامت تحول آفرین خواهند بود.»
مراقبت شخصی از بیمار
«رکسانا سلطان»، مدیر ارشد داده و معاون بهداشت در موسسه Vector مستقر در تورنتو که به تحقیقات هوش مصنوعی اختصاص دارد، گفت: «یکی از هیجان انگیزترین پیشرفتهای بالقوه و کاربردهای هوش مصنوعی در پزشکی، استفاده از توانایی یک مدل کامپیوتری برای پردازش و تفسیر دادههای چند وجهی در مورد یک بیمار است.»
سلطان گفت: «در حال حاضر، مدلهای هوش مصنوعی میتوانند بر اساس یک یا دو اطلاعات، مانند اشعه ایکس، بیماریهایی را تشخیص دهند. این روش با آموزش مدل با کمک تصاویر اشعه ایکس به دست میآید تا تشخیصهای خاص را بیاموزد. این اتفاق فوق العاده است. اما این تنها یک منبع اطلاعاتی است.»
او گفت که در «آینده نزدیک»، یادگیری ماشینی توسعه خواهد یافت تا هوش مصنوعی بتواند نگاه بسیار جامعتری به سلامت بیمار داشته باشد. برای مثال، علاوه بر اشعه ایکس، هوش مصنوعی میتواند دادههای دیگری از جمله یادداشتهای پزشک، نمونههای آزمایشگاهی، داروهایی که بیمار مصرف میکند و اطلاعات ژنتیکی را پردازش کند. این توانایی نه تنها نقش مهمی در تشخیص بیمار دارد، بلکه در ارائه یک برنامه درمانی شخصیتر نیز کاربردی است.
شما مدلهایی دارید که فعل و انفعالات پیچیده بین ژنتیک یک فرد و داروهای یک فرد و تمام آزمایشهای تشخیصی متفاوتی که روی آن بیمار انجام میدهید را درک میکند، آنها را در یک تصویر جمع آوری میکند و به شما امکان میدهد که نه تنها بفهمید که در لحظه در بدن فرد چه اتفاقی میافتد، بلکه به نوعی کمک میکند تا برنامه ریزی داشته و درمان مناسب را اعمال کنید و بررسی کنید که چه نتیجهای محتملتر برای این شخص خاص است؟
«راس گرینر»، استاد علوم محاسباتی در دانشگاه آلبرتا، میگوید: «روشهای پزشکی استاندارد قبلاً برای همه یک اندازه بود. اما اکنون متوجه میشوید که تفاوتهای بزرگی بین افراد وجود دارد. ژنهای مختلف، متابولیتهای مختلف، عوامل مختلف سبک زندگی، همگی بر سلامتی تأثیرگذار هستند.
یادگیری ماشینی به این معنی است که رایانهها میتوانند صدها یا هزاران ویژگی را در مورد یک بیمار تجزیه و تحلیل کنند و سطوح آن پیشرفتهتر از چیزی است که یک پزشک انسانی ممکن است پردازش کند و این تکنولوژی الگوهایی را پیدا میکند که به ما امکان میدهد بفهمیم که برای این ویژگی بیماران، باید درمان A را به جای B در نظر بگیرید.
کارآزماییهای بالینی
«سو پیش»، مدیر عامل شرکت DIGITAL، یکی از پنج خوشههای نوآوری در سراسر کشور که توسط دولت فدرال تامین میشود، درباره کاربرد هوش مصنوعی در پزشکی، گفت: «توانایی هوش مصنوعی برای عبور از حجم عظیمی از دادهها باعث صرفه جویی در دهها هزار یا شاید صدها هزار ساعت تلاش انسانی صورت گرفته توسط محققانی که نتایج آزمایشهای بالینی را تجزیه و تحلیل میکنند، خواهد شد.»
پیش که ساکن ونکوور است، گفت: «هوش مصنوعی اساساً میتواند میلیاردها داده را در کسری از ثانیه ارزیابی کند و این بدان معناست که داروهای جدید میتوانند از نظر ایمنی و اثربخشی بسیار سریعتر ارزیابی شوند.»
بهبود کیفیت دادهها
متخصصان موافق این موضوع هستند فرقی نمیکند که هوش مصنوعی برای مراقبتهای بالینی استفاده شود یا تحقیقات درمانی، در هر صورت نتایجی که تولید میکند میتواند به خوبی دادههایی باشد که از آنها تغذیه میکند.
گرینر گفت: «اگر در محاسبات و سایر زمینهها، ورودی نادرست یا با کیفیت پایین مورد استفاده قرار گیرد، خروجی معیوب تولید خواهد شد. بنابراین اگر روی دادههای معیوب آزمایش کنم، بهترین کاری که میتوان انجام داد این است که مدلی در حد همان داده ایجاد کرد و این میتواند مشکل ساز باشد.»
سلطان درباره کاربرد هوش مصنوعی در حوزه سلامت گفت که یکی از حوزههای در اولویت این است که مطمئن شویم هوش مصنوعی دادهها را از منابع قابل اعتماد دریافت میکند، نه اینکه صرفاً اطلاعات در دسترس عموم را به طور بیرویه مصرف کند. برای مثال، چت جیبیتی یک فناوری است که اساساً اینترنت را زیر و رو میکند و مشکل آن این است که اولا همیشه قابل اعتماد و درست نیست. ثانیاً، مملو از سوگیریها و دیدگاههای مشکلساز است که وقتی چیزی را به آن آموزش میدهید که نمیتواند آن قضاوت کند، صرفا همه اطلاعات آنها را میخواند، جذب میکند و دوباره همان شکلی به شما پس میدهد.
سلطان گفت، یکی از روشهای بهبود کیفیت تحلیلهای پزشکی که هوش مصنوعی تولید میکند، آموزش آن با کمک کتابهای درسی پزشکی به جای اینترنت است. محققان همچنین در حال توسعه الگوریتمهای هوش مصنوعی برای یافتن جهتگیری درست در زمینههایی مانند اطلاعات بهداشتی، از جمله تبعیض نژادی یا جنسیتی هستند.
خود مدیریتی بیمار
یکی دیگر از زمینههای کاربردی هوش مصنوعی در پزشکی که دستخوش رشد خواهد شد، توسعه فناوریهایی است که به بیماران کمک میکند تا سلامت خود را مدیریت کنند. به عنوان مثال، هوش مصنوعی پوشیدنی قبلاً برای کمک به بیماران مبتلا به نارسایی قلبی، برای خود نظارتی ایجاد شده است.
به گفته پیش، هوش مصنوعی همچنین در مناطق دورافتاده کانادا برای مدیریت زخمهای برخی از بیماران در زمانی که قادر به دسترسی به درمان در طول همهگیری نبودند، به طور کاملاً مؤثری استفاده شده است. فناوری هوش مصنوعی به تلفن همراه بیمار متصل میشود، یک تصویر سه بعدی از یک زخم میگیرد و بررسی میکند که آیا زخم عفونی شده یا به خوبی بهبود مییابد.
سپس این اطلاعات برای یک پزشک یا پرستار ارسال میشود که می تواند از راه دور به بیمار در مورد نحوه مراقبت از زخم مشاوره دهد. به این ترتیب ما در آینده شاهد نمونههای بیشتر و بیشتری خواهیم بود که در آن هوش مصنوعی با کاهش نیاز انسان به انجام تمام مراحل در ارزیابی و ارائه خدمات مراقبتهای بهداشتی، از سلامت بیمار مراقبت میکند.
این فناوری میتواند فشار را از روی پزشکان، پرستاران و بیمارستانها کم میکند و به آنها امکان دهد که صرفا در مواقع ضروری مراقبتهای حضوری را به بیماران ارائه کنند.
اخلاقیات و مقررات
یکی از چراغهای زرد چشمک زن بزرگ در زمینه کاربرد هوش مصنوعی در حوزه سلامت این است که اطمینان حاصل کنیم که ارزیابیهای بسیار دقیق و متفکرانهای بر روی نحوه آموزش هوش مصنوعی وجود دارد. سیاستگذاریهای عمومی در این باره بسیار مهم خواهد بود.
دکتر «ترزا تام»، مدیر ارشد بهداشت عمومی کانادا، گفت که تدوین مقررات و پادمانهایی که به مسائل اخلاقی مانند حفظ حریم خصوصی بیمار میپردازد، بسیار مهم است. تام در مصاحبه اخیر خود گفت: «فکر میکنم الان زمان واقعاً مناسبی است تا به طور سیستماتیکتر به این موضوع نگاه کنیم و ببینیم که باید چه مقرراتی برای استفاده مسئولانه از هوش مصنوعی داشته باشیم.»
حصول اطمینان از مدیریت دادهها به گونهای که از حریم خصوصی محافظت شود باید با فرآیندههای توسعه هوش مصنوعی درهم آمیخته شود تا پیامدهای قانونی و اخلاقی به حداقل برسد. همه ما در تلاش هستیم تا بفهمیم چه چیزی منطقیتر است. بنابراین در پارادایمهای مربوط به موضوعاتی مانند رضایت و مسائلی مانند مالکیت دادهها و حفاظت از دادهها، در آینده تغییراتی ایجاد خواهد شد.
چگونه از هوش مصنوعی در امور مالی روزمره استفاده کنیم؟
- عضویت در کانال تلگرام رسانه هدهد کانادا
- اخبار روز کانادا و اخبار مهاجرت کانادا را در رسانه هدهد دنبال کنید
- هم اکنون شما هم عضو هفته نامه رسانه هدهد کانادا شوید
منبع: سیتیوی
