ماهان شبکه ایرانیان

AI چگونه در تشخیص بیماری‌ها کمک می‌کند؟

هوش مصنوعی؛ دستیار سیستم درمان

با گسترش سریع هوش مصنوعی، نظام سلامت به یکی از اصلی‌ترین میدان‌های آزمون این فناوری تبدیل شده است. کمبود نیروی انسانی، افزایش فشار کاری بر پزشکان و نیاز به کاهش هزینه‌ها باعث شده بیمارستان‌ها بیش از پیش به ابزارهای هوش مصنوعی روی بیاورند

هوش مصنوعی؛ دستیار سیستم درمان 

به همین منظور، روزنامه وال‌استریت به بررسی تجربه بیمارستان‌های بزرگ آمریکا در به‌کارگیری هوش مصنوعی از تحلیل تصاویر پزشکی و تسریع روند تشخیص گرفته تا مدیریت امور اداری و بیمه‌ای پرداخته است. در عین حال به فرصت‌ها و مخاطراتی می‌پردازد که این فناوری نوظهور برای پزشکی معاصر به همراه آورده است.

رادیولوژی سریع‌تر و دقیق‌تر

سمیر عبود، رئیس رادیولوژی اورژانسی در «نورث‌وسترن مدیسن»، فکر می‌کرد که پیشاپیش با حداکثر سرعت ممکن کار می‌کند. او با یک روال کاری دقیق و صیقل‌خورده که از دیکته صوتی هم کمک می‌گرفت، می‌توانست نوشتن گزارش یک عکس رادیولوژی را در زمانی حدود 75 ثانیه به پایان برساند. اما در سال 2024، این نظام درمانی مستقر در شیکاگو، هوش مصنوعی مولد را به کار گرفت. سیستمی که می‌تواند اسکن‌های بیماران را تحلیل کند و گزارش بنویسد. عبود که کار هوش مصنوعی را بررسی و در صورت لزوم اصلاح می‌کند، می‌گوید زمان بازبینی گزارش‌ها به حدود 45 ثانیه کاهش یافته است.

این نتیجه هم شگفت‌انگیز بود و هم تکان‌دهنده. عبود گفت: «این اولین باری بود که احساس کردم ساعتی روی مسیر شغلی من گذاشته شده است.» با این حال، او تاکید کرد که انسان‌ها همچنان بخش ضروری این فرآیند هستند.

خواندن سریع‌تر اسکن‌ها مزایای دیگری هم دارد. عبود در این خصوص گفت: «صدها بیمار منتظر تفسیر تصاویرشان هستند و هرکدام از آنها می‌تواند کسی باشد که در همان لحظه در حال جان دادن است.»

سامانه‌های بزرگ بیمارستانی به میدان آزمونِ اصلی برای پذیرش گسترده هوش مصنوعی تبدیل شده‌اند؛ جایی که هم توانمندی‌های این فناوری آزمایش می‌شود و هم گاهی از طریق خطاهای نگران‌کننده نقاط ضعف آن آشکار می‌شود. بر اساس یک نظرسنجی مشترک از «منلو ونچرز» و «مورنینگ کانسالت»، 27 درصد از نظام‌های درمانی برای مجوزهای تجاری هوش مصنوعی هزینه می‌کنند. رقمی که سه برابر میانگین کل اقتصاد ایالات متحده است.

در حالی با افزایش سن جمعیت، نیازهای درمانی رو به رشد است که بیمارستان‌ها به دنبال راه‌هایی برای مقابله با کمبود مزمن نیروی انسانی هستند؛ کمبودی که می‌تواند باعث فرسودگی پزشکان و تاخیر در ارائه خدمات شود. آنها همچنین به دنبال افزایش بهره‌وری هستند، آن هم در شرایطی که کاهش بودجه «مدیکید» در پیش است.

هوش مصنوعی به‌ویژه در برخی از کم‌زرق‌وبرق‌ترین اما پرزحمت‌ترین وظایف بیمارستانی نفوذ کرده است: یادداشت‌برداری، پاسخ‌گویی به تماس‌های تلفنی بیماران و رسیدگی به مطالبات بیمه‌ای. روپال مالانی، شریک ارشد شرکت مشاوره مک‌کنزی که به نظام‌های درمانی در پیاده‌سازی هوش مصنوعی مشاوره می‌دهد، می‌گوید: «این وظایف به‌شدت وابسته به نیروی انسانی هستند و همان فرآیندهای تکراری هزاران بار انجام می‌شوند.»

با این حال، هرچند هوش مصنوعی می‌تواند به این فرآیند کمک کند، اما تصمیم‌های پزشکی همچنان توسط پزشکان گرفته می‌شود، یک مطالعه در دانشگاه کالیفرنیا، لس‌آنجلس، در سال گذشته نشان داد که هوش مصنوعی در شناسایی نشانه‌های ظریف سرطان پستان که ممکن است بین غربالگری‌های معمول ایجاد و رشد کنند، عملکرد بهتری دارد. این مطالعه برآورد کرد که استفاده از هوش مصنوعی برای کمک به غربالگری می‌تواند بروز چنین سرطان‌هایی را تا 30 درصد کاهش دهد.

 امید، هشدار و نقش انسان

در عین حال، دلایل جدی برای احتیاط وجود دارد. پل ای.‌فریدمن، متخصص قلب در کلینیک مایو، زمانی به چت‌جی‌پی‌تی مراجعه کرد که باید درباره بیماری نظر می‌داد و چند روز پس از جراحی قلب به کاشت دفیبریلاتور نیاز داشت. فریدمن تصور می‌کرد این اقدام امکان‌پذیر و ایمن است، اما می‌خواست بداند آیا مطالعات موردی در این زمینه وجود دارد یا نه.

 چت‌جی‌پی‌تی به او ارجاع‌هایی به چند مقاله در مجلات پزشکی داد و ادعا کرد که این مطالعات نشان می‌دهند چنین اقدامی «ایمن و موثر» است. فریدمن گفت «همه‌چیز بسیار واقعی به نظر می‌رسید» تا اینکه یکی از همکارانش تلاش کرد آن مطالعات را پیدا کند و متوجه شد که کاملا ساختگی هستند.

پس از آن، فریدمن رویکرد «اعتماد کن، اما راستی‌آزمایی کن» را در پیش گرفته است. او گفت: «این‌طور نیست که از چت‌جی‌پی‌تی سوال پزشکی نپرسم، اما هر وقت این کار را می‌کنم، حتما منابع را بررسی می‌کنم، روی آنها کلیک می‌کنم و دست‌کم چکیده مقاله را می‌خوانم.» بخش قلب‌وعروق این بیمارستان اکنون در حال آزمایش ابزارهای هوش مصنوعی داخلیِ جایگزین است.

نماینده‌ای از شرکت اوپن‌ا‌ی‌آی، مالک چت‌جی‌پی‌تی، گفت تیم‌های این شرکت «ارزیابی‌هایی برای کاهش پاسخ‌های گمراه‌کننده یا آسیب‌زا» انجام می‌دهند و مدل‌های جدید بسیار دقیق‌تر از نسخه‌های قبلی مانند مدلی که فریدمن استفاده کرده بود، اطلاعات ارائه می‌دهند. این شرکت تاکید کرد که چت‌جی‌پی‌تی قرار نیست جایگزین راهنمایی متخصصان حوزه سلامت شود. مطالعه‌ای در ماه اکتبر در نشریه The Lancet Gastroenterology & Hepatology نشان داد پزشکانی که به مدت سه ماه از هوش مصنوعی برای کمک به شناسایی ضایعات در کلونوسکوپی استفاده کرده بودند، پس از کنار گذاشتن این ابزار، توانستند تعداد به‌مراتب کمتری از این ضایعات را شناسایی کنند.

آنتونی کاردیلو، پاتولوژیست اهل نیویورک و مدیر آزمایشگاهی تخصصی در مرکز سرطان مموریال اسلون کترینگ، گفت: «من دائما نگران از‌دست‌دادن مهارتم هستم. هر وقت افکارم را به چیزی بیرون از مغز خودم واگذار می‌کنم، می‌ترسم آن حافظه عضلانی را از دست بدهم.»

 کاردیلو گفت او و همکارانش از هوش مصنوعی مولد برای بررسی نمونه‌ها استفاده می‌کنند، اما فقط به‌عنوان یک جفت چشم دوم و پس از آنکه خودشان به تشخیص اولیه رسیده‌اند.

با وجود این نگرانی‌ها، نظام‌های درمانی می‌گویند که هوش مصنوعی را هم بسیار امیدبخش و هم ضروری می‌دانند.  داگ کینگ، مدیر ارشد دیجیتال و نوآوری نورث‌وسترن مدیسن، گفت: «وقتی به موج عظیم نیازهایی که به‌عنوان یک جامعه در راه است فکر می‌کنید، فناوری یکی از معدود اهرم‌هایی است که در اختیار داریم.»

در نورث‌وسترن، بازبینی هوش مصنوعی روی یک‌میلیون اسکن در طول یک سال، 70 مورد را شناسایی کرد که انسان‌ها آنها را برای بررسی بیشتر علامت‌گذاری نکرده بودند. بررسی نشان داد که در پنج مورد، پزشکان به این نتیجه رسیدند که پیگیری بیشتری لازم است.

 نورث‌وسترن همچنین از ابزار هوش مصنوعی دیگری برای زمان‌بندی کار اتاق‌های عمل به‌صورت کارآمدتر استفاده می‌کند؛ موضوعی که به گفته مسوولان، امکان درمان بیماران بیشتری را فراهم کرده است.

بیمارستان‌ها از نخستین کاربران هوش مصنوعی بوده‌اند. الگوریتم‌های پیش‌بینی‌کننده سال‌هاست که سامانه‌های هشدار زودهنگام برای سپسیس را تغذیه می‌کنند، بیماران پرخطر را شناسایی می‌کنند و به مدیریت زمان‌بندی کمک می‌کنند. در شمال کالیفرنیا، 21 بیمارستان «کایزر پرمننته» از سیستمی استفاده می‌کنند که علائم حیاتی و پرونده همه بیماران را تحلیل کرده و هر ساعت به آنها امتیاز می‌دهد تا مشخص کند کدام بیماران بیشترین خطر را دارند. مطالعه‌ای در New England Journal of Medicine نشان داد که این سیستم سالانه جان بیش از 500  نفر را نجات می‌دهد.

در یک روز، این سیستم تشخیص داد که یک بیمار مبتلا به نارسایی قلبی نیاز به بررسی دقیق‌تری دارد. همین موضوع باعث شد پزشکان متوجه شوند او هم‌زمان به یک ویروس شدید تنفسی مبتلاست و به استروئید برای ریه‌هایش نیاز دارد؛ به گفته وینسنت لیو، پزشک مراقبت‌های ویژه ریوی در مرکز پزشکی سانتا کلارای کایزر پرمننته. بیمارستان‌ها با شدت در حال به‌کارگیری هوش مصنوعی برای وظایفی هستند که شاید جلوه ظاهری چندانی نداشته باشند، اما زمان و منابع قابل‌توجهی را مصرف می‌کنند.

 شرکت «اپیک سیستمز»، ارائه‌دهنده پرونده‌های الکترونیک سلامت، در سال 2024 ابزاری مبتنی بر هوش مصنوعی مولد راه‌اندازی کرد که پرونده‌های بیماران را بررسی می‌کند و پیش‌نویس نامه‌های اعتراض به شرکت‌های بیمه را تهیه می‌کند. به گفته این شرکت، حدود هزار بیمارستان هم‌اکنون از این سیستم استفاده می‌کنند.

صرفه‌جویی در زمان، اما نه بدون خطا

نورث‌وسترن هر سال مجبور است برای حدود 5 تا 10 درصد از‌ میلیون‌ها مطالبه بیمه‌ای خود درخواست تجدیدنظر بدهد؛ موضوعی که به گفته دیوید بلانیک، معاون فناوری اطلاعات این مجموعه، هزینه نیروی انسانی و زمان زیادی می‌برد. او گفت: «زمان و نیروی زیادی صرف می‌شود تا با آنها بجنگید، اعتراض کنید و توضیح دهید چرا باید پول دریافت کنیم.»  اما پس از به‌کارگیری ابزار اپیک، کارکنان اکنون برای رسیدگی به هر پرونده ردشده، حدود 23 درصد زمان کمتری صرف می‌کنند.

تلاشی مشابه در مرکز پزشکی مانت‌ساینای نیویورک که به گفته لیزا استامپ، مدیر ارشد اطلاعات دیجیتال این مرکز، باعث افزایش 3 درصدی در لغو رد درخواست‌های بیمه شده و سالانه حدود 12‌میلیون دلار درآمد اضافی برای این نظام درمانی ایجاد کرده است؛ با این حال، مانت‌ساینای اخیرا استفاده از یکی از ابزارهای هوش مصنوعی مولد اپیک را متوقف کرد؛ ابزاری که قرار بود پیام‌های بیماران به پزشکان را تحلیل کرده و پیش‌نویس پاسخ‌های شخصی‌سازی‌شده تولید کند. پزشکان گفتند این پیش‌نویس‌ها مفید نبودند و نیاز به بازنویسی زیادی داشتند.

به گفته انکیت ساخوجا، مدیر آزمایشگاه تضمین هوش مصنوعی مانت‌ساینای، برخی خطاهای مشخص هم رخ داده بود. در یک مورد، سیستم به بیماری که درخواست واکر یا عصا کرده بود گفته بود که نمی‌تواند کمکی بکند. در موردی دیگر، بیماری که از سردرد شکایت داشت، پاسخی بسیار طولانی دریافت کرده بود که می‌گفت مشکل او می‌تواند از چیزی جزئی تا یک تومور مغزی باشد.

شرکت اپیک اعلام کرد که تعداد کمی از بیمارستان‌ها استفاده از این قابلیت را متوقف کرده‌اند و این شرکت در حال کار برای بهبود آن است. به گفته اپیک، این ابزار توانسته است تا 30 ثانیه در هر تعامل، در وقت پرستاران صرفه‌جویی کند و تاکنون در حدود 1700 بیمارستان به کار گرفته شده است. با این حال، شرکت تاکید کرد که این سیستم نیازمند نظارت انسانی است.

«ست هین»، معاون ارشد پژوهش و توسعه اپیک، گفت: «پزشکان کنترل کامل پیام نهایی‌ای را که برای بیمار ارسال می‌شود در اختیار دارند.»

قیمت بک لینک و رپورتاژ
نظرات خوانندگان نظر شما در مورد این مطلب؟
اولین فردی باشید که در مورد این مطلب نظر می دهید
ارسال نظر
پیشخوان