آیا ربات‌ها به زودی جای پزشک‌ها را می‌گیرند؟

وینود خسلا (Vinod Khosla) یکی از بزرگترین سرمایه‌گذارهای «سیلیکون ولی» حرف قابل تاملی زد. او ادعا کرده تا سال ۲۰۳۵ ربات‌ها به طور کامل جای پزشک‌ها را خواهند گرفت. خسلا با قاطعیت این حرف را در محافل مختلف می‌زند چرا که شواهد متعددی پیرامون این حرف و صحبت دارد.

پژوهشی در بیمارستان ماساچوست در سال ۲۰۱۷ میلادی طراحی شد که در آن یک سیستم هوش مصنوعی توانسته بود مثل یک کارشناس رادیولوژیست و حتی بهتر، ماموگراف‌های بیماران را بررسی و بیماران مستعد متاستاز را شناسایی کرده و به اطلاع پزشک معالج برساند تا این دسته از بیماران به اتاق عمل هدایت شوند.

جالب است بدانید یک سال پیش از این ماجرا، گزارشی در ژورنال انجمن پزشکی امریکا به انتشار رسید مبنی بر اینکه گوگل توانسته هوش مصنوعی منحصر به فردی بسازد تا با عکس‌برداری از قرنیه چشم افراد، بیماری دیابت را با دقت بالا و سریع شناسایی کند.

اخیرا نیز ربات‌هایی اختراع شده‌اند که توسط یک رایانه مرکزی کنترل می‌شوند. دانشمندان به واسطه این رباتها توانسته‌اند یک عمل جراحی در ناحیه روده یک خوک آزمایشگاهی را با موفقیت به سرانجام برسانند. هر چند مدت زمان بیشتری نسبت به یک جراح انسانی طول کشید تا ربات این پروسه جراحی را به پایان برساند. از طرفی این ابزار پیشرفته همانطور که انتظار می‌رفت توانسته بود با دقت بهتری بخیه پوستی بزند و ناحیه اسکار از لحاظ بهداشتی در شرایط مطلوبی قرار داشت. صاحب نظرهای دنیای تکنولوژی باور دارند تا جایگزینی ربات ها در بیمارستان‌های مختلف زمان زیادی نمانده است.

هوش مصنوعی

هوشمند اما تا چه میزان؟

شناسایی هر چه بهترِ بیماری و اختلال‌های بالینی و به دنبال آن، پیامدهای بهتر درمانی از اهداف اصلی مهندسین پزشکی است اما هوش مصنوعی تنها زمانی می‌تواند با دقت مطلوب عمل کند که یک عده کارشناس و برنامه‌نویس، این ابزارهای الکترونیکی را به درستی برنامه‌ریزی و راه‌اندازی کرده باشند. اگر به هر نحوی یک گروه یا حتی یک فرد در برنامه‌نویسی هوش مصنوعی کوتاهی کند، قاعدتا این امکان وجود دارد با تبعات جبران‌ناپذیری روبه‌رو شویم.

سیستم‌های هوش مصنوعی با بهره‌گیری از شیوه آموزش ماشینی، داده‌های بسیار زیادی را به یک باره مورد تجزیه و تحلیل قرار داده و سپس اختلالات و بروز بیماری خاصی را پیش‌بینی کرده و در نهایت پروسه‌های بالینی متنوعی به اقتضای شرایط پیشنهاد می‌دهند. شاید برای ساخت و توسعه یک هوش مصنوعی بسیار پیشرفته هزینه هنگفتی نیاز باشد اما با این حال بودجه برای این پروژه می‌تواند از ریخت و پاش‌های دیگری که در بیمارستان‌ها انجام می‌شود جلوگیری کرده و از جنبه دیگر، وقت بیماران بیهوده تلف نشود.

هوش‌های مصنوعی فارغ از اینکه چه تعداد کارشناس روی آن مشغول به کار باشند و چه میزان بودجه در اختیار تیم توسعه‌دهنده قرار می‌گیرد، مبتنی بر اطلاعات فعالیت می‌کند و اگر اطلاعات مناسبی به سیستم داده نشود، نتایج مطلوبی را نیز به عنوان خروجی نباید انتظار داشته باشیم. نگرانی اصلی کارشناس‌های تکنولوژی در همین موضوع است که اطلاعات جامع و کافی از تمام مردم در اختیارشان نیست و ثبت و ضبط داده‌های مردم نیاز به یک همت و تلاش اساسی دارد که این همت به تک تک افراد جامعه بستگی دارد.

هوش مصنوعی

چالش‌هایی که هنوز حل نشده‌اند

بر اساس یک گزارش که توسط سازمان بهداشت و درمان ملی امریکا در سال ۲۰۱۷ میلادی به ثبت رسیده، سیاه‌پوست‌ها از شرایط بدتری از لحاظ بهداشتی مثل مرگ و میر نوزادان، سرطان، بیماری قلبی، چاقی و حتی ابتلا به بیماری ایدز رنج می‌برند.

به عنوان مثال میزان مرگ و میر نوزادان در اهالی آلاسکا ۶۰ درصد بیشتر از سفیدپوست‌ها گزارش شده است یا مرگ و میر ناشی از بیماری ایدز در امریکایی‌هایی با نژاد افریقایی روز به روز افزایش می‌یابد. به همین علت تضادهای زیادی بین مردم یک جامعه، آن هم در امریکا دیده می‌شود که وابسته به اقتصاد و شرایط فرهنگی جامعه است. اگر هم روزی ربات ها جای پزشک‌ها را بگیرند، نگاه نژادپرستانه به طور تدریجی در جوامع شکل می‌گیرد و بر این اساس، اگر فردی توان مالی نیز داشته باشد، از انجام یک پروسه بالینی به خاطر رنگ پوستش شاید منع شود.

داده‌هایی که به مدل‌های هوش مصنوعی داده می‌شود می‌تواند سیستم را قوی‌تر یا حتی ضعیف‌تر کند. ماشین‌ها به خودی خود نمی‌توانند دقت اطلاعات را بررسی کنند.

داده‌هایی که به مدل‌های هوش مصنوعی داده می‌شود می‌تواند سیستم را قوی‌تر یا حتی ضعیف‌تر کند. ماشین‌ها به خودی خود نمی‌توانند دقت اطلاعات را بررسی کنند. هوش مصنوعی به صورت پیش‌فرض تمامی داده‌ها را کاملا دقیقا با کیفیت بسیار بالا شناخته و سپس بر اساس این موارد و الگوریتمی که در اختیار دارد، دست به کار می‌شود. شاید با خودتان بگویید که می‌توانیم پس از راه‌اندازی هوش مصنوعی، داده‌ها را تصحیح کنیم اما این کار به نظر کارشناس‌ها چندان شدنی نیست. چون مدل‌های حال حاضر مثل جعبه‌های سیاه موجود در هواپیماها عمل می‌کنند و به همین علت شاید توضیح یک موضوع به ظاهر ساده برای یک هوش مصنوعی چندان کار آسانی نباشد. به خصوص اینکه پیش از این مسئله، داده‌های اشتباهی در مقیاس بالا به خوردش دادیم.

یکی دیگر از چالش‌های بزرگ در این راستا این موضوع است که بیشتر کلینیک‌های حال حاضر اقدامات بالینی را برای بیمارانشان انتخاب می‌کنند که این اطلاعات در محل مشخصی به ثبت نمی‌رسد. هر چند کلینیک‌هایی با نیروهای مجرب و کاربلد سعی می‌کنند ابتدا بیمارهای بد حال را غربالگری کرده و در مرحله بعدی، رویکرد هوشمندانه‌ای جهت درمان انتخاب می‌کنند. با این تفاسیر با وضعیت کنونی، داده‌های چندان مطلوبی برای هوش‌های مصنوعی مشتاق به امر طبابت در دسترس نیست.

هوش مصنوعی

استفاده از هوش مصنوعی برای درمان، آن هم بدون هیچ ریسک؟

چالش‌ها زمانی کاملا درک خواهند شد که بخش‌های مختلفی از سازمان بهداشت و درمان در کشورهای پیشرفته قصد داشته باشند از هوش مصنوعی در مقیاس کلان استفاده کنند. به عنوان مثال زمانی که اعضای مرکز پزشکی دانشگاه پیتزبورگ خطر مرگ ناشی از پنومونیای بیماران را در بخش اورژانس بررسی کردند، هوش مصنوعی توان پیش‌بینی بیماران با رده سنی بالاتر از ۱۰۰ سال یا افرادی که از آسم رنج می‌بردند را نداشت. چرا که تعداد داده‌های با این سن و وضعیت در دیتابیس هوش مصنوعی محدود بود. اگر حتی اطلاعات اندکی درباره آمار و اطلاعات داشته باشید، حتما درک خواهید کرد هر چه اندازه یک گروه کمتر باشد، دقت تخمین یک متغیر نیز کاهش می‌یابد. بنابراین نمی‌توان تاثیر متغیرهای گوناگون را روی این دسته از گروه‌هایی با اندازه کم به درستی و با دقت بررسی کرد.

باید این مسئله مدام بررسی شود که آیا این دسته از سیستم‌ها قابلیت پیش‌بینی بیماری‌ها را به صورت دقیق دارند یا خیر.

پزشکان دانشگاه پیتزبورگ زمانی به اشتباه هوش مصنوعی خود پی برده بودند که با تزریق دوز ناکارآمد آنتی‌بیوتیک سعی داشته‌اند بیماران را درمان کنند. به همین سبب استفاده از هوش‌های مصنوعی جهت شناسایی بیماری مثل راه رفتن روی یک تیغ دو لبه است. اندکی لغزش کافیست تا به تلف شدن جان بیماران بینجامد.

پیش از اینکه به سیستم‌های هوش مصنوعی و تبعا «ربات های پزشک‌نما» اعتماد کامل کنیم، اعضای تیم مهندسی پزشکی می‌بایست ابتدا تضادهای بین داده‌ها را بررسی کرده و در صدد حل این دسته از موارد باشند.

هوش مصنوعی

از طرفی سیستم‌های ماشینی نیازمند ارزیابی‌های متداوم هستند. باید این مسئله مدام بررسی شود که آیا این دسته از سیستم‌ها قابلیت پیش‌بینی بیماری‌ها را به صورت دقیق دارند یا خیر. رویکرد دیگر باید در این رابطه باشد روند بالینی که سیستم پیشنهاد می‌دهد از لحاظ اخلاق حرفه‌‌ای پزشکی تخطی نکند. به همین سبب مطالعه و بررسی ایده‌های مختلف در این زمینه می‌تواند امری بسیار پراهمیت تلقی شود. چرا که تحقیقات در زمینه تکنولوژی و مهندسی پزشکی می‌تواند بستر را برای توسعه هر چه بهتر یک هوش مصنوعی قدرتمند گسترده‌تر سازد.

البته بودجه در جوامع پیشرفته صرفا به تولید و توسعه ربات‌های پزشکی تخصیص نمی‌یابد و اندکی از این هزینه باید صرف فرهنگ‌سازی عموم شود تا به هوش مصنوعی به چشم یک پزشک نگاه کنند یا حداقل فردی را تصور کنند که مثل یک پزشک با دانستن پیش‌زمینه‌ای از اطلاعات فردی این قدرت را دارد تا بیماری‌‌شان را کشف کند. البته در کسری از ثانیه! اگر روزی این فناوری در بیمارستان‌های ایران باب شود آیا شما به ربات‌ها برای شناسایی و درمان بیماری خود اعتماد می‌کنید؟

منبع:
brookings
خرید بلیط هواپیما
برچسب ها

مطالب مرتبط

تشخیص زود هنگام سرطان ریه به کمک هوش مصنوعی گوگل

از میان تمام انواع سرطان در دنیا، سرطان ریه کشنده ترین نوع این بیماری محسوب شده و سالیانه جان بیش از 1.7 میلیون نفر را می گیرد. برای مقایسه بد نیست بدانید این رقم از مجمع تعداد قربانیان سرطان های پستان، پروستات و روده بزرگ بیشتر است. مشکل اصلی اینجاست که اکثر سرطان ها قبل از... ادامه مطلب

هوش مصنوعی به کمک تشخیص زودهنگام دیابت نوع 1 می‌آید

محققان IBM اخیرا از یک ابزار پایش بر مبنای هوش مصنوعی رونمایی کردند که می‌تواند وجود پادتن دیابت نوع 1 را در خون افراد شناسایی کند. برای میلیون‌ها مبتلا به دیابت نوع 1 در دنیا، زندگی روزمره با معاینات شخصی دقیق همراه است، از تزریق روزانه انسولین گرفته تا چک کردن سطح گلوکز موجود در خون،... ادامه مطلب

هوش مصنوعی جدید زمان مرگ بیماران را تخمین می‌زند

محققان دانشگاه استنفورد آمریکا موفق شده‌اند با ایجاد یک شبکه‌ی عصبی عمیق میان اسناد دو میلیون بیمارستان، یک هوش مصنوعی جدید بسازند که زمان تقریبی مرگ بیماران را تخمین زده و به آماده‌ کردن آنها و خانواده‌اشان کمک کنند. این هوش مصنوعی جدید می‌تواند زمان تقریبی مرگ هر بیمار را با دقت ۹۰ درصد تخمین بزند.... ادامه مطلب

تا سال 2021 میلادی، هوش مصنوعی قادر به ترجمه زبان دلفین ها خواهد بود

پردازش زبان طبیعی به کمک هوش مصنوعی، روز به روز در درک زبان های زنده دنیا بهتر می شود. اما شاید نیازی نباشد که این تکنولوژی، صرفاً به زبان های انسانی محدود شود؛ حداقل این آینده ای است که استارتاپ سوئدی Gavagai AB برای تکنولوژی پردازش زبان طبیعی ترسیم کرده است. Gavagai AB در همکاری با... ادامه مطلب

مارک زاکربرگ: هوش مصنوعی تا ده سال آینده برخی امور را بهتر از انسان انجام می دهد

«مهم ترین مبحث مرتبط با هوش مصنوعی که اکنون تمرکز کامل خود را بر آن معطوف ساخته ایم، توسعه کامپیوترهایی است که درکی فراتر از قدرت درک انسان داشته باشند. در نتیجه اموری نظیر شنیدن، دیدن، و درک گفتار در مرکزیت توجه ما قرار گرفته است. تصور می کنم در پنج الی ده سال آینده... ادامه مطلب

انقلاب هوش مصنوعی و انسان محوری بیشتر کسب و کار های آینده

در دهه گذشته، تکنولوژی راه اندازی کسب و کار های جدید، سرمایه گذاری روی آن ها، بهینه کردن بهره‌وری و افزایش گستره جغرافیایی یشان را از هر زمان دیگری راحت تر کرده است. تکنولوژی رسانه های اجتماعی را در اختیار مصرف کنندگان و کارمندان قرار داده و این مساله قدرت این اقشار را هم افزایش داده... ادامه مطلب

نظرات ۰

وارد شوید

برای گفتگو با کاربران، وارد حساب کاربری خود شوید.

ورود
x