آیا AI امپراطوری پزشکان را هم فرو خواهد پاشید؟ /انقلاب در اقتصاد درمان با هوش مصنوعی

خبرگزاری بازار، فاطمه محمدی پور: امروزه الگوریتم‌های کامپیوتری در حال انجام وظایفی باورنکردنی هستند با دقت بالا، در ابعاد عظیم، با استفاده از هوش شبه انسانی. و به این هوش کامپیوترها معمولا AI گفته می‌شود یا هوش مصنوعی. هوش مصنوعی به وجود آمده تا تاثیر شگرفی در زندگی آینده ما داشته باشد.

هوش مصنوعی با ورود به حوزه‌های مختلف دانش انسانی تحولی بسیار بزرگ را در علوم طبیعی، اجتماعی و سایر زمینه‌های علم ایجاد کرده است. تاکنون دستاورهای ارزشمندی با به‌کارگیری هوش مصنوعی به وجود آمده است و بدون شک روند رو به توسعه ورود این فناوری در اشکال متنوع علم و صنعت متوقف نخواهد شد.

حوزه دانش پزشکی از جمله علومی است که با روی آوردن به فناوری هوش مصنوعی تغییراتی شگفت‌انگیز و بزرگی را در زمینه درمان بیماران و ساخت تجهیزات پزشکی ایجاد کرده است. در حال حاضر پزشکان زیادی در سراسر جهان و به‌ویژه کشورهای توسعه‌یافته از فناوری هوش مصنوعی برای دستیابی به اهداف متفاوت در فرایند درمان بیماران استفاده می‌کنند.

یکی از مشکلاتی که امروزه انسانها با آن مواجه اند تشخیص دیرهنگام انواع بیماریها از جمله سرطان و بیماریهای واگیردار است. هوش مصنوعی قطعا می تواند در این مورد به انسانها کمک کند.  باید گفت هوش مصنوعی در زمینه تشخیص و کنترل بیماریها در آینده ای نزدیک نقش بسزایی خواهد داشت. در ماه‌های اخیر در اثر ابتلا به آنفلوانزا، بیش از میلیون ها نفر در سطح جهان در بیمارستان بستری شده و هزاران نفر نیز از دنیا رفته اند. این در حالی است که ویروس کرونا نیز با سرعت نگران‌کننده‌ای درحال پیشروی در مناطق مختلف جهان است. اما در آینده‌ی نزدیک، استفاده از هوش مصنوعی برای تولید واکسن و دارو می‌تواند به مهار بیماری قبل از اینکه تبدیل به همه‌گیری جهانی شود، کمک کند.

واقعیت این است که روش‌های متداول توسعه دارو و واکسن بسیار ناکارآمد هستند. پژوهشگران در آزمایشگاه‌ها چندین سال، به‌طور مداوم مشغول آزمایش و آزمون و خطای روش‌های مختلف هستند. پژوهشگران به‌جای اینکه به‌طور مداوم درمان‌های احتمالی را به‌صورت دستی امتحان کنند، می‌توانند از سیستم هوش مصنوعی استفاده کنند تا مولکول‌ها و ترکیبات موجود در یک پایگاه بزرگ داده را جستجو کرده و آن‌ها را براساس احتمال اثربخشی مرتب کند. امروزه به‌منظور جستجوی داده‌ها و پاسخ دادن به سوالات و کسب بینش در زمینه‌ی چگونگی انجام کارها، باید از روشی سیستماتیک استفاده کرد.

پژوهشگران امیدوارند با آموزش سیستم هوش مصنوعی و با استفاده از این مجموعه داده‌ها، بتوانند سریع‌تر ویروس واگیردار را مهار نموده و آن را درمان کنند و تشخیص دهند آیا یک درمان بالقوه می‌تواند موجب بروز عوارض جانبی شود یا خیر.

با آغاز سال جدید میلادی، کارآزمایی‌های انسانی مقدماتی در کشور آمریکا جهت طراحی واکسن بهتر برای درمان آنفولانزا از طریق هوش مصنوعی شروع شد و انتظار می‌رود که حداقل تا ۱۲ ماه ادامه داشته باشد. سیستم‌های هوش مصنوعی می‌توانند به طراحی واکسن بهتری برای بیماری‌هایی مانند آنفلوانزا نیز کمک کنند. البته ازنظر فنی این گونه نیست که بدون دخالت پژوهشگران، هوش مصنوعی به‌خودی‌خود یک واکسن را از اول تا آخر طراحی کند.

درحالی‌که سیستم‌های یادگیری ماشین می‌توانند مجموعه داده‌های عظیم را بسیار سریع‌تر از پژوهشگران بیولوژی مورد جستجو قرار داده و برآوردهای دقیق‌تری فراهم کنند و نیز ارتباطات ظریف میان اجزا را درنظر بگیرند، در آینده‌ی نزدیک نیز انسان‌ها همچنان در حلقه‌ی توسعه‌ی دارو حضور خواهند داشت. زیرا این سوال مطرح می شود که چه کسی می‌خواهد تمام داده‌های آموزشی مورد نیاز برای آموزش سیستم هوش مصنوعی را جمع‌آوری، ترکیب، سازماندهی، فهرست‌بندی و برچسب‌گذاری کند؟

همانطور که می دانیم تشخیص بیماری به اطلاعات متعدد و مرتبط‌کردن آن‌ها به یکدیگر بستگی دارد. هوش مصنوعی احتمالاً گزینه‌ی مناسبی برای این کار محسوب می‌شود و در آزمایش‌هایی که اخیراً انجام شده است، توانسته بیماری کودکان را بهتر از بعضی پزشکان تشخیص دهد. می‌توان از هوش مصنوعی برای تریاژ بیماران در بخش اورژانس استفاده کرد و با ارائه‌ی داده‌های کافی باید بتواند وضعیت‌های اضطراری یا معمولی را تشخیص دهد.

معایب استفاده از هوش مصنوعی در زمینه پزشکی

البته استفاده از هوش مصنوعی معایبی نیز دارد. عملکرد هوش مصنوعی در زمینه تشخیص و درمان بیماریها بر اساس پژوهش های انجام شده در مقایسه با پزشکان جوان تر بهتر بوده و در مقایسه با پزشکان باتجربه تر ضعیف تر می باشد. باوجود کارایی هوش مصنوعی، همچنان وجود پزشک برای درمان‌های پزشکی احساس می‌شود؛ زیرا پرونده‌های پزشکی باید همچنان زیر نظر متخصص آموزش‌دیده تشکیل شوند و دانش آن‌ها عامل اصلی در تشخیص بیماری به‌حساب می‌آید. بنابراین باید گفت می‌توان از این فناوری برای کمک به پزشکان استفاده کرد؛ اما برای جایگزینی کامل آن با متخصصان پزشکی راهی طولانی درپیش است.

 از طرف دیگر اگر هوش مصنوعی به‌عنوان رابط مستقیم با بیمار و برای نوشتن علائم او استفاده شود، بیمار حس خوبی به این قضیه نخواهد داشت. درواقع وقتی بیمار به پزشک مراجعه می‌کند، دوست دارد احساس کند که یک نفر به او اهمیت می‌دهد.

همچنین اگر پژوهشگری یادگیری ماشین را درمورد یکی از این مجموعه داده‌ها به کار ببرد و یک نشانگر زیستی را برای پیش‌بینی پاسخ به درمان خاصی کشف کند، هیچ تضمینی وجود ندارد که آن نشانگر در جمعیت‌های متفاوت نیز به کار آید.

به هر حال ما در حال ورود به دورانی هستیم که هوش مصنوعی تاثیری باورنکردنی بر آینده خواهد گذاشت.