وقتی تصاویر پزشکی واقعی نیستند؛ انقلاب و تردید در عصر هوش مصنوعی

هوش مصنوعی مولد با توانایی ساخت تصاویر پزشکی از هیچ، مرز میان واقعیت و بازسازی‌های دیجیتال در اتاق‌های جراحی و بخش‌های رادیولوژی را به لرزه درآورده است.

به گزارش خبرگزاری فارس، تصویربرداری پزشکی همیشه رکن اصلی تصمیمات پزشکان بوده است. از تشخیص اولیه بیماری تا طراحی نقشه‌های پیچیده برای درمان، این تصاویر نه فقط برای تماشا، بلکه مبنای اصلی قضاوت بالینی هستند.

حالا ورود مدل‌های مولد هوش مصنوعی به این بخش، نویددهنده یک تغییر بسیار بزرگ و بنیادین است. این تحول بزرگ در کنار جذابیت‌هایش، سوالات سختی درباره اعتبار، استانداردها و مسئولیت‌پذیری به همراه دارد. در سال‌های گذشته پیشرفت این حوزه فقط مدیون بهتر شدن دستگاه‌ها و قوی‌تر شدن آهن‌رباهای ام آر آی بود. اما مدل‌های جدید هوش مصنوعی مسیر کاملاً متفاوتی را در پیش گرفته‌اند.

این فناوری‌های نوین دیگر فقط تصویر را ثبت نمی‌کنند. آن‌ها می‌توانند با استفاده از داده‌های موجود، تصویر را دوباره بسازند، آن را کامل کنند و حتی تصاویر جدیدی تولید کنند.

مدل‌های نوین نیاز به پرتوهای خطرناک را کاهش می‌دهند

 در یک بررسی علمی روی 77 بیمار که تومور مغزی داشتند، نتایج عجیبی به دست آمد. محققان نشان دادند که هوش مصنوعی می‌تواند از روی داده‌های ام آر آی، تصاویر سی تی مصنوعی بسازد. میزان خطای این تصاویر بسیار کم بود و شباهت بخش استخوانی آن‌ها به واقعیت به 80 درصد رسید. این یعنی می‌توان بدون استفاده از پرتوهای مضر، اطلاعات حیاتی بدن را به دست آورد. در مطالعه دیگری روی 182 آسیب کبدی، مشخص شد که تصاویر مصنوعی دقت تشخیص پزشکان را بالاتر برده است.

در واقع قدرت تشخیص از 78 درصد به بالای 85 درصد صعود کرد. این آمارها نشان می‌دهند که تصویر تولید شده توسط هوش مصنوعی دیگر فقط یک کپی ساده نیست. این ابزار به یک کمک‌خلبان برای تقویت تصمیمات نهایی پزشک تبدیل شده است. 

بحران کمبود داده‌های پزشکی به پایان می‌رسد

داده‌های پزشکی بسیار گران‌قیمت، حساس و در دسترس نبودن آن‌ها یک مشکل بزرگ است. هوش مصنوعی مولد با تولید داده‌های باکیفیت، این بن‌بست قدیمی را به کلی می‌شکند. در یک مقاله تحلیل که در سال 2025 منتشر شد، نویسندگان بر یک نکته کلیدی تاکید کردند. آن‌ها معتقدند این فناوری موانع اصلی بر سر راه ساخت مدل‌های تشخیصی دقیق را از میان برمی‌دارد. با استفاده از این روش، الگوریتم‌ها روی نمونه‌های بسیار متنوعی از بیماری‌ها آموزش می‌بینند.

در بررسی آسیب‌های کبدی، مدل‌های هوشمند پس از تمرین با داده‌های مصنوعی، پایداری بیشتری پیدا کردند. زیرساخت‌هایی مثل مونای که بیش از 4 میلیون بار نصب شده‌اند، گواهی بر این ادعا هستند. این ابزارها تعامل پزشک با تصویر را از یک مشاهده ساده به یک تحلیل فعال تبدیل می‌کنند.

کیفیت تصاویر بر اساس نیاز پزشکان تعریف می‌شود

در گذشته کیفیت تصویر را فقط با میزان شفافیت و نبودن پارازیت می‌سنجیدند. اما مدل‌های مولد تعریف جدیدی از کیفیت را به دنیای پزشکی معرفی کرده‌اند. 

در این نگاه جدید، کیفیت یعنی تصویر چقدر می‌تواند به تصمیم درست پزشک کمک کند. در سال 2022 مشخص شد که مدل‌های مبتنی بر انتشار، عملکرد بسیار بهتری نسبت به مدل‌های قدیمی دارند. در بررسی‌های مربوط به شبکیه چشم، تصاویر تولیدی جدید بسیار به واقعیت نزدیک‌تر بودند. این تفاوت به معنای ساخت تصاویری است که با واقعیت آماری بدن انسان هماهنگی کامل دارد.

 طرفداران این فناوری می‌گویند این بهبودها باعث کاهش خطاهای پزشکی می‌شود. وقتی تصویر به واقعیت نزدیک‌تر باشد، ذهن پزشک کمتر دچار انحراف شده و تصمیمات ایمن‌تری می‌گیرد.

 واقعیت‌های مصنوعی ممکن است خطرات پنهانی داشته باشند

در کنار تمام این نکات مثبت، منتقدان هشدارهای جدی و نگران‌کننده‌ای را مطرح می‌کنند. یکی از بزرگترین نگرانی‌ها تولید اطلاعات نادرست توسط هوش مصنوعی است. یک مجله معتبر پزشکی هشدار داده که این مدل‌ها ممکن است چیزهایی را در تصویر بسازند که وجود ندارند.

 این ساختارها شاید از نظر ریاضی درست به نظر برسند اما در بدن بیمار وجود خارجی ندارند. این موضوع زمانی خطرناک می‌شود که جراح بر اساس یک تصویر اشتباه، برنامه عمل را بچیند. شفاف نبودن نحوه تصمیم‌گیری این مدل‌ها، سد بزرگی برای اعتماد کامل پزشکان ایجاد کرده است. همچنین در سال 2025 مشخص شد که معیارهای فعلی برای سنجش کیفیت این تصاویر کافی نیستند. تکیه بر این معیارهای قدیمی می‌تواند تصویری فریبنده و بسیار خوش‌بینانه از واقعیت ارائه دهد.

مرزهای مسئولیت و اخلاق حرفه‌ای تیره می‌شود

 جدا از مسائل فنی، این فناوری پرسش‌های بزرگی درباره اخلاق و قانون ایجاد کرده است. اگر یک تصویر ساخته شده توسط هوش مصنوعی باعث تشخیص غلط شود، چه کسی مقصر است. پزشک، شرکت سازنده نرم‌افزار یا بیمارستان باید پاسخگو باشند.

در گزارش‌های حقوقی پاییز 2025 آمده است که این فناوری مرزهای مسئولیت حرفه‌ای را کاملاً از بین برده است. نبود استانداردهای قانونی روشن می‌تواند باعث شود مردم اعتماد خود را به سیستم سلامت از دست بدهند. این یک چالش جدی برای مدیران بیمارستان‌ها و قانون‌گذاران در آینده نزدیک خواهد بود. از سوی دیگر، نگرانی‌هایی درباره جعل مدارک پزشکی با این تصاویر واقعی وجود دارد. امکان دارد افرادی برای کلاهبرداری از بیمه، از این قدرت هوش مصنوعی برای ساخت بیماری‌های دروغین استفاده کنند.

استانداردسازی تنها راه ورود به دنیای درمان است

همه موافقان و مخالفان در یک نقطه به هم می‌رسند و آن ضرورت وجود قوانین سخت‌گیرانه است. حتی سرسخت‌ترین حامیان هوش مصنوعی هم می‌دانند که بدون تاییدیه، این ابزار به بالین بیمار نمی‌رسد. استانداردهای پیشنهادی شامل بررسی مدل در چندین مرکز درمانی مختلف و روی نژادهای متنوع است.

همچنین باید در گزارش‌های پزشکی ذکر شود که از تصویر مصنوعی استفاده شده است. برخی متخصصان اصرار دارند که این تصاویر فقط باید به عنوان کمک‌درمان استفاده شوند. آن‌ها نباید به عنوان مرجع نهایی و تنها منبع برای تشخیص بیماری در نظر گرفته شوند. یک رادیولوژیست باسابقه تاکید کرده است که هوش مصنوعی باید قابل پیش‌بینی و حسابرسی باشد. تنها در این صورت است که می‌توان مانند هر ابزار پزشکی دیگری به آن تکیه کرد.

 آینده تصویربرداری میان امید و احتیاط رقم می‌خورد

 داده‌ها و نظرات نشان می‌دهند که ما با یک شمشیر دو لبه در پزشکی روبرو هستیم. از یک سو افزایش بهره‌وری و دقت داریم و از سوی دیگر با چالش‌های اخلاقی روبرو می‌شویم. مدل‌های مولد نه فرشته نجات هستند و نه تهدیدی که باید از آن فرار کرد.

آن‌ها ابزارهای قدرتمندی هستند که سرنوشت‌شان به نحوه نظارت ما انسان‌ها گره خورده است. همان‌طور که پژوهشگران می‌گویند، سوال اصلی دیگر درباره ورود یا عدم ورود این فناوری نیست. مسئله اصلی این است که با چه قواعدی و تحت چه نظارتی به آن‌ها اجازه فعالیت می‌دهیم. پاسخ به این پرسش‌های بنیادین، شکل آینده بیمارستان‌ها و سلامت انسان‌ها را تعیین خواهد کرد. این مسیر همچنان باز است و نیاز به تامل و دقت بسیار زیادی دارد.