برتلن میسکو که بیشتر به آیندهنگر پزشکی معروف است، هوش مصنوعی را «گوشی معاینه قرن بیست و یکم» مینامد. ارزیابی او میتواند حتی دقیقتر از انتظاراتش باشد. انواع تکنیکها و آزمايشهای مختلف تمام اطلاعات مورد نیاز را برای تشخیص و درمان بیماران در اختیار پزشکان قرار میدهد، اما آنها با حجم زیادی از مسئولیتهای اجرایی و بالینی درگیر هستند که سر و سامان دادن به این حجم از اطلاعات موجود ممکن است غیر ممکن نباشد اما کار طاقت فرسایی است. به همین دلیل این گوشی معاینه قرن 21 میتواند وضعیت را دگرگون کند.
کاربردهای هوش مصنوعی در پزشکی فراتر از کارهای اجرایی تکراری است. از الگوریتمهای تشخیصی قدرتمند تا روباتهای جراحی دقیق، این فناوری در تمام شاخههای پزشکی حضور خواهد داشت. آنچه مسلم است اینکه هوش مصنوعی جایگاه خود را در علم پزشکی پیدا کرده، اما چیزی که ما هنوز نمیدانیم میزان سودمندی آن است. برای تصور آیندهای که در آن هوش مصنوعی بخشی از یک گروه مراقبت از بیمار است، ما ابتدا باید بدانیم چگونه میتوان هوش مصنوعی را با یک پزشک انسانی مقايسه کرد. از لحاظ میزان دقت چگونه میتوان آنها را با یکدیگر مقايسه کرد؟ هوش مصنوعی قادر به فراهم کردن چه نوع مشارکت خاص و منحصر به فردی است؟ در علم پزشکی هوش مصنوعی از چه طریق میتواند بیشتر مفید (یا به طور بالقوه مضر) باشد؟ تنها بعد از پاسخ دادن به این سؤالها است که ما میتوانیم آینده قدرتمند هوش مصنوعی را پیش بینی کرده و در راستای عملی کردن آن قدم برداریم.
هوش مصنوعی در برابر پزشک انسانی
ما هنوز در مراحل ابتدایی توسعه هوش مصنوعی هستیم، اما این فناوری همین حالا هم قادر است مثل پزشکان بیماریها را تشخیص دهد. محققان بیمارستان جان رادکلیف در آکسفورد انگلستان یک سیستم تشخیصی هوش مصنوعی را توسعه دادهاند که در تشخیص بیماری قلبی، حداقل در 80 درصد موارد از پزشکان دقیقتر است. در دانشگاه هاروارد نیز محققان یک میکروسکوپ هوشمند را توليد کردهاند که میتواند عفونتهای بالقوه کشنده خون را شناسایی کند. این ابزار با کمک هوش مصنوعی از طریق بررسی 100 هزار تصویر تولید شده از 25 هزار اسلاید میتواند با رنگآمیزی باکتریها شناسایی آنها را سادهتر کند. این سیستم هوش مصنوعی همین حالا میتواند این باکتریها را با دقت 95 درصدی شناسایی و جداسازی کند.
وقتی پای مراقبتهای بهداشتی در میان باشد، هوش مصنوعی لزوما به معنای جایگزینی با پزشکان نیست، بلکه میتوان از آن برای بهینهسازی و ارتقای تواناییهای آنها استفاده کرد
در برخی موارد دیگر نیز محققان دریافتهاند هوش مصنوعی میتواند در چالشهای تشخیصی که نیاز به اعلام نظر سریع (مثل تشخیص یک ضایعه سرطانی) دارند از پزشکان انسانی بهتر عمل کند. یک مطالعه صورت گرفته منتشرشده در دسامبر 2017 در JAMA منتشر شد، نشان داده شد که الگوریتمهای یادگیری عمیق قادر بودند تحت شرایط حساس زمانی سرطان متاستاتیک سینه را بهتر از رادیولوژیستهای انسانی تشخیص دهند.
در نمونهای دیگر، در مواجهه با جمعآوری نشانههای معنادار از دادههای ژنتیکی سلولهای سرطانی، در حالی که متخصصان انسانی 160 ساعت زمان را صرف بررسی و ارائه توصیههای درمانی بر اساس یافتههای خود کرده بودند، واتسون شرکت ایبیام همین توصیهها را در مدت زمانی کمتر از تنها 10 دقیقه به انجام رساند. گوگل نیز به تازگی یک ابزار هوش مصنوعی از نسخه منبع باز DeepVariant خود را برای تحلیل دادههای ژنتیکی معرفی كرد که دقیقترین ابزار در نوع خود طی یک سال گذشته بوده است. (شکل 1)
شکل 1
همچنین هوش مصنوعی در پيش بيني وقايع بهداشتی قبل از وقوع آن از انسانها بهتر عمل میکند. در ماههای گذشته محققان دانشگاه ناتینگهام مطالعاتی را منتشر کردند که نشان میداد، یک سیستم هوش مصنوعی خودآموخته با بررسی حجم عظیمی از داده از 378,256 بیمار توانسته بود حوادث قلبی عروقی در بیماران را 7.6 درصد بیشتر از استانداردهای مراقبتی فعلی پیشبینی کند. برای معرفی چنین موفقیتی محققان نوشتند: «در نمونه آزمايش شده حدود 83 هزار مورد، 355 بیمار بیشتر قرار داشت که میشد زندگی آنها را نجات داد و این پیشرفت قابل ملاحظهای در علم پزشکی محسوب میشود.»
شاید کاربرد هوش مصنوعی در مواردی که با مقادیر بسیار زیادی از داده سر و کار داریم رویارویی با آن توسط انسان بسیار دشوار است، مفیدتر باشد. این دقیقاً همان چیزی است که در زمینه پزشکی دقیق مورد نیاز است.
مدیر پروژه غیر انتفاعی تشخیص انسانی، شانتانو ناندی میگوید: «وقتی صحبت از توسعه فناوری در هر صنعتی در میان باشد، هوش مصنوعی را نیز باید به طور یکپارچه در آن ادغام کرد. شما باید چنین قابلیتی را با در نظر گرفتن کاربر نهایی طراحی کنید. مردم از نتفلیکس استفاده میکنند، اما موضوعی با عنوان هوش مصنوعی برای تماشای فیلم در میان نیست یا مردم از آمازون استفاده میکنند، اما با فناوری هوش مصنوعی در خرید کاری ندارند.»
به بیان دیگر، اگر یک فناوری به درستی طراحی شده و به شکلی پیاده سازی شود که مردم آن را مفید بدانند، این مردم حتی متوجه آن هم نخواهند شد که در حال استفاده از هوش مصنوعی هستند. وقتی پای مراقبتهای بهداشتی در میان باشد، هوش مصنوعی لزوما به معنای جایگزینی با پزشکان نیست، بلکه میتوان از آن برای بهینهسازی و ارتقای تواناییهای آنها استفاده کرد.
مراقبهای بهداشت روان
مدیر واحد علوم رفتاری بخش سلامت شرکت تحلیل رفتاری مبتنی بر هوش مصنوعی Cogito، اسکایلر پلیس میگوید: «امروز ما بهخوبی ارزش هوش مصنوعی به عنوان مکمل انسان، نه جایگزین با آن را درک میکنیم.» Cogito از سیستم ضبط و تجزیه و تحلیل صدای قدرت گرفته از هوش مصنوعی برای بهبود تعاملات خدمات مشتری در بسیاری از صنایع استفاده میکند. این شرکت با استفاده از یک اپلیکیشن سلامت روان به نام Cogito Companion که رفتار بیمار را ردگیری میکند به عرصه مراقبتهای بهداشتی قدم گذاشته است. (شکل 2)
شکل 2
این اپلیکیشن تلفن بیمار را برای سیگنالهای رفتاری فعال و غیرفعال از قبیل اطلاعات مربوط به موقعیت مکانی که میتواند نشان دهنده آن باشد که یک بیمار برای چندین روز خانه را ترک نکرده یا لاگهای ارتباطی را که نشان میدهد آنها برای چندین هفته به دیگران پیام ارسال نکرده یا صحبت نکردهاند، تحت نظر قرار میدهد. این شرکت مدعی است که اپلیکیشن آنها تنها اطلاعات مربوط به برقراری تماس تلفنی یا ارسال پیامک را ردگیری میکند و اطلاعات مربوط به فرد تماس گیرنده و گفتگوی رد و بدل شده را جمع آوری نخواهد کرد. گروه مراقب از بیمار میتواند گزارشهای بعدی را برای نشانههایی که ممکن است تغییرات کلی در سلامت روان بیمار را نشان دهد، تحت نظر داشته باشد.
Cogito برای آزمایش این اپلیکیشن با چندین سیستم مراقب بهداشتی مشارکت داشته که حوزه فعالیت آنها بیشتر روی جمعیت اعضای سابق نیروهای مسلح است. جانبازان جنگی در معرض خطر جدی انزوای اجتماعی قرار دارند و اغلب به علت خجالت اجتماعی، تمایلی به شرکت در نظام مراقبتهای بهداشتی، به ویژه در زمینههای بهداشت روان ندارند. اسکایلر پلیس میگوید: «نتیجهای که ما به دست آوردیم این بود که این اپلیکیشن به عنوان راهکاری برای جلب اعتماد عمل میکند، به شکلی که میتواند در سطح گستردهتری تعاملات مراقبهای بهداشتی را به انجام برساند. استفاده از این اپلیکیشن به طور مؤثری به عنوان یک آغازگر تغییر رفتار عمل میکند و به جانبازان جنگی کمک میکند تمایل بیشتری به تعامل با خدمات بهداشت روان نشان دهند.»
از هوش مصنوعی نیز در این اپلیکیشن برای الگوريتمهای یادگیری ماشینی برای تجزیه و تحلیل صدای ضبط شده توسط بیمار (چیزی شبیه دفتر خاطرات صوتی) استفاده میشود. این الگوریتمها برای دریافت نشانههای عاطفی طراحی شدهاند. پلیس میگوید: «ما قادر به ساخت الگوریتمهایی هستیم که با الگوها در نحوه صحبت کردن مردم مانند انرژی، ذهنیت، پویایی و جریان در مکالمه مطابقت دارند.»
انسانها این الگوريتم را به کار میگیرند تا یاد بگیرند کدام اصوات قابلیت اطمینان یا صلاحیت لازم را برای شناسایی صدای یک فرد افسرده دارد یا میتواند تفاوت بین صدای یک بیمار دو قطبی در زمان شیدایی و سرخوشی با زمانی را که آنها دچار افسردگی هستند، از هم تشخیص دهد. از آنجا که این اپلیکیشن اطلاعات مربوط به حس و حال هر بیمار را به صورت لحظهای ردگیری میکند، این اطلاعات به متخصصان بالینی کمک میکند تا وضعیت پیشرفت بیماران خود را نیز طی زمان ردگیری کنند.
درک جنبههای انسانی مکالمات و جنبههای انسانی سلامت روان تنها نخستین گام برای رسیدن به هدف نهایی یا همان پیدا کردن راه درمان این بیماریها است و این همان جایی است که نقش پزشکان را درباره مسائل بهداشت روان به روشنی مشخص میکند. اما وقتی موضوع یاری رساندن مطرح میشود، رباتها در کجای این معادله قرار دارند؟
زیر تیغ جراحی (روباتیک)
طی یکی دو دهه اخیر، اصلیترین عناوین به کارگیری هوش مصنوعی در پزشکی به توسعه رباتهای جراح مربوط بوده است. در طول تاریخ، کاربرد روباتهای جراح (که ایدههای داوینچی شناخته شدهترین آنها است) به عنوان یک راهکار گسترشی در کنار جراح انسانی که این دستگاه را کنترل میکند، مطرح بوده است. یکی از این نوع جراحیهای بلندپروازانه که اولین نمونه جهانی از آن نیز نامیده میشود، در سال 2010 در مونترال کانادا صورت گرفت. این نخستين جراحی صورت گرفته توسط یک ربات جراح و یک ربات متخصص بیهوشی (که McSleepy نام داشت) بود. دادههای جمعآوری شده در این روش نشاندهنده عملکرد چشمگیر این پزشکان روباتیک است.
در سال 2015، بیش از یک دهه پس از نخستین حضور روباتهای جراح در اتاق عمل، دانشگاه امایتی یک تجزیه و تحلیل روی دادههای سازمان غذا و داروی ایالات متحده برای ارزیابی میزان ایمنی جراحی روباتیک انجام داد. طی مدت این تحقيق 144 بیمار فوت شده و 1391 بیمار آسیب دیده گزارش شد که عمدتا به علت مشکلات فنی یا خرابی دستگاه بود. این گزارش اشاره میکند که با وجود تعداد به نسبت زیاد گزارشها، اکثریت قریب به اتفاق این جراحیها با موفقیت انجام شده و هیچگونه مشکلی را به همراه نداشته است. اما تعداد حوادث در بخشهای پیچیدهتر جراحی (مثل جراحی قلب و عروق) به میزان قابل توجهی نسبت به بخشهای جراحی عمومی بالاتر بوده است. (شکل سه) از این تحقيقات به این نتیجه میرسیم با وجود این که جراحی روباتیک میتواند در بعضی از تخصصها به خوبی عمل کند، اما بهتر است (لااقل در حال حاضر) جراحیهای پیچیدهتر به همان جراحان انسانی واگذار شود. اما این موضوع میتواند به سرعت تغییر کرده و هر چه جراحان روباتیک بیشتر قادر به جراحی مستقل از جراحان انسانی شوند، تشخیص اینکه چه کسی در بروز مشکلات احتمالی مقصر بوده دشوارتر میشود.
آیا یک بیمار میتواند برای سوء قصد از یک ربات شکایت کند؟ از آنجا که این فناوری هنوز نسبتا جدید است، دعوای قضایی در چنین مواردی هنوز به طور کامل قانونگذاری نشده است. در حالت سنتی کارشناسان تخلفات پزشکی را در نتیجه غفلت از سوی پزشک یا نقض استاندارد تعریف شده مراقبت در نظر میگیرند. اما مفهوم غفلت و قصور چیزی است که هوش مصنوعی به طور ذاتی فاقد آن است و در حالی که این امکان وجود دارد تا رباتها بتوانند به نوعی از استانداردهای عملکردی پایبند باشند، اما باید استانداردهایی وجود داشته باشند. بنابراین اگر نمیشود ربات را مقصر دانست، چه کسی یا چه چیزی مسئول این خطاها است؟ آیا خانواده بیمار میتواند جراح انسانی ناظر بر ربات را پاسخگو بداند؟ یا شرکتی که توليد این ربات را برعهده داشته مسئول ماجرا است؟ مهندسی که آن را طراحی کرده چطور؟ این سوالی است که در حال حاضر جواب مشخصی برای آن وجود ندارد، اما دیر یا زود باید به این وضعیت رسیدگی شود.
در حالت سنتی کارشناسان تخلفات پزشکی را در نتیجه غفلت از سوی پزشک یا نقض استاندارد تعریف شده مراقبت در نظر میگیرند. اما مفهوم غفلت و قصور چیزی است که هوش مصنوعی به طور ذاتی فاقد آن است
ساخت و نه پیشبینی آینده
در سالهای پیش رو قوانین هوش مصنوعی در پزشکی رشد خواهد کرد. بر اساس گزارش تهیه شده Accenture Consulting ارزش بازار هوش مصنوعی در پزشکی در سال 2014 معادل 600 میلیون دلار بوده است و پیشبینی میشود این رقم تا سال 2021 به 6.6 میلیارد دلار برسد.
ممکن است این صنعت پررونق باشد، اما ما نباید عجولانه و شتابزده هوش مصنوعی را به کار بگیریم. زیرا چیزهایی که برای انسانها منطقی جلوه میکنند برای ماشینها اینگونه نیستند. برای مثال، یک هوش مصنوعی را در نظر بگیرید که آموزش داده شده تا تشخیص دهد آیا ضایعات پوستی بهطور بالقوه سرطانی هستند یا خیر. متخصصان پوست اغلب از قوانین مخصوص برای اندازهگیری ضایعاتی که احتمال دارد سرطانی شده باشد، استفاده میکنند. وقتی هوش مصنوعی بر اساس این تصاویر آزمایش میکروسکوپی بافت زنده آموزش داده میشود، این احتمال بیشتر وجود دارد که اگر یک نشانه در این تصویر وجود داشت، بگوییم یک ضایعه سرطانی شده است.
الگوريتمها نیز ممکن است گرایشهای ما را به ارث ببرند که بخشی از آن به دلیل عدم تنوع در مواد مورد استفاده برای آموزش هوش مصنوعی است. چه در پزشکی یا غیر از آن، دادههایی که ماشینها بر اساس آن آموزش میبینند تا حد زیادی توسط کسی که تحقيق را اداره میکند و جاییکه این کار انجام میشود مشخص میشود. هنوز هم سفیدپوستان هستند که روی رشتههای تحقيقات بالینی و علمی تسلط دارند و همچنین تعداد بیشتری از بیمارانی را که در آزمایشات بالینی شرکت میکنند سفیدپوستان تشکیل میدهند. گاهی اوقات تصور یکپارچهسازی هوش مصنوعی و روباتها در علم پزشکی برای ما دلهرهآور است، اما در نهایت این خود انسانها هستند که در این مورد گفتگو کرده و چنین تغییراتی را به وجود میآورند. ما هستیم که تصمیم ميگيريم کجا باید هوش مصنوعی اعمال شود و بهترین راه انجام آن چیست. پزشکان میتوانند با استفاده از هوش مصنوعی به عنوان یک ابزار آیندهای را رقم بزنند که به دنبال آن هستند، آیندهای که هم برای آنها و هم برای بیمارانشان بهترین نتیجه را به همراه داشته باشد.
ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را میتوانید از کتابخانههای عمومی سراسر کشور و نیز از دکههای روزنامهفروشی تهیه نمائید.
ثبت اشتراک نسخه کاغذی ماهنامه شبکه
ثبت اشتراک نسخه آنلاین
کتاب الکترونیک +Network راهنمای شبکهها
- برای دانلود تنها کتاب کامل ترجمه فارسی +Network اینجا کلیک کنید.
کتاب الکترونیک دوره مقدماتی آموزش پایتون
- اگر قصد یادگیری برنامهنویسی را دارید ولی هیچ پیشزمینهای ندارید اینجا کلیک کنید.
نظر شما چیست؟