سال 2070 است. شما با احساس ناخوشی وارد یک کلینیک مراقبت های اورژانسی می شوید و یک دستگاه از شما می خواهد که علائم خود را شرح دهید. رایانه اطلاعات شما را ثبت میکند، جزئیات را از سوابق الکترونیکی سلامت گذشته شما بازیابی میکند و آزمایشهای تشخیصی را برای تکنسین انسانی پیشنهاد میکند. پس از دریافت نتایج آزمایش، دارویی برای درمان بیماری شما تجویز می کند.
این سناریوی آینده نگر، نمونه ای از این است که چگونه هوش مصنوعی ممکن است بخشی از مراقبت های بهداشتی شود. در واقع، سیستمهای هوش مصنوعی برای خواندن اسکنهای پزشکی و نمونههای بافتی برای تعیین اینکه آیا بیمار به بیماری خاصی مبتلا است یا خیر، در حال توسعه هستند. اما نرمافزارهای آینده میتوانند الگوهای هزاران پرونده سلامت را تجزیه و تحلیل کنند تا موثرترین درمان را برای یک بیمار خاص مشخص کنند.
در مقالهای اخیر، دیوید درانو و کریگ گارثویت، استادان استراتژی در Kellogg، پیامدهای ترکیب هوش مصنوعی در مراقبتهای بهداشتی را بررسی کردند؛ بهویژه اینکه چگونه چنین نرمافزاری بر نقش مرکزی پزشک تأثیر میگذارد.
درانو میگوید در حال حاضر، نیاز به تعامل انسانی در مراقبتهای بهداشتی احتمالاً هوش مصنوعی را بهعنوان یک مکمل و نه جایگزین برای پزشکان در حاشیه نگه میدارد. اما شاید طی چند دهه، بیماران در تعامل با رایانه راحت باشند و حتی به آنها به عنوان منبع اصلی راهنمایی پزشکی خود اعتماد کنند. او میگوید: در دراز مدت، این موضوع دستخوش تغییر است.
شواهد ضد و نقیض
طرفداران این فناوری جدید بر این باورند که هوش مصنوعی می تواند به دو روش اصلی کمک کند.
اولین حوزه ای که هوش مصنوعی می تواند در آن نفوذ کند، طرح درمان هایی است که از طریق داده کاوی به دست می آید. این نرم افزار می تواند الگوهایی را از سوابق الکترونیکی، ویژگی های بیماران، تغییرات ژنتیکی، علائم، درمان و نتایج سلامتی استخراج کند و بر اساس شباهت های یک بیمار جدید به موارد گذشته، ممکن است بتواند موثرترین داروها را برای تجویز یا جراحی پیش بینی کند.
حوزه دوم در تشخیص، به ویژه در زمینه های رادیولوژی و پاتولوژی است. می توان مجموعه بزرگی از تصاویر از بیماران قبلی با تشخیص های شناخته شده را به رایانه داد. سپس برنامه نرم افزاری می تواند بر روی آن تصاویر آموزش داده شود تا ویژگی هایی را که نشان دهنده یک نتیجه مثبت یا منفی است، تشخیص دهد.
برخی از مطالعات نشان می دهد که هوش مصنوعی می تواند چنین وظایفی را نسبتاً خوب انجام دهد و گاهی اوقات علائم بیماری را که پزشکان از دست می دهند، تشخیص دهد. به عنوان مثال، یک تیم گزارش داد که یک برنامه هوش مصنوعی، سرطان سینه را در ماموگرافی، به ویژه سرطان های مهاجم در مراحل اولیه، با دقت بیشتری نسبت به رادیولوژیست ها تشخیص می دهد.
مطالعات دیگر، به بررسی این موضوع پرداختهاند که آیا هوش مصنوعی بهتر است در هنگام تشخیص، مکمل یا جایگزین تخصص پزشکان باشد. درانو می گوید، این تحقیق به نتایج متناقضی رسیده است. در برخی موارد، مانند مطالعه سرطان سینه، پزشکانی که از هوش مصنوعی راهنمایی میشدند، تصمیمات دقیقتری نسبت به هوش مصنوعی به تنهایی گرفتند.
اما در موارد دیگر، ترکیب تخصص پزشک و هوش مصنوعی بهترین گزینه بود. به عنوان مثال، یک تیم نرم افزار هوش مصنوعی آموزش دیده برای تشخیص شکستگی لگن را در رادیوگرافی آزمایش کردند. دو رادیولوژیست باتجربه که خروجی برنامه هوش مصنوعی را در ارزیابی های خود گنجانده بودند بهتر از خود نرم افزار عمل کردند.
درانو می گوید: شواهد ضد و نقیض است.
نیاز به دلسوزی
اما، حتی اگر شواهد نشان دهند که هوش مصنوعی در برخی شرایط می تواند به خوبی یا بهتر از پزشکان عمل کند، آیا هوش مصنوعی در واقع جایگزین پزشکان می شود؟ پاسخ تا حدی به این بستگی دارد که تعامل انسانی چقدر حیاتی است.
به عنوان مثال، پزشکان اطلاعاتی را از بیماران استخراج می کنند، توضیح می دهند که چرا یک روش ضروری است و دستورالعمل هایی را برای مراقبت های بعدی ارائه می دهند. درانو معتقد است که اکثر افراد مسن امروز و شاید بزرگسالان جوانتر نیز همچنان می خواهند از یک انسان در مورد سلامتی خود بشنوند.
او اضافه می کند: در ارتباطات نیاز به شفقت وجود دارد که هوش مصنوعی قادر به انجام آن نیست.
سازمانهای مراقبتهای بهداشتی ممکن است تصمیم بگیرند که یک متخصص در علوم پزشکی با دستمزد کمتر، مانند یک پرستار یا دستیار پزشک، میتواند این نقش را ایفا کند، با تصمیمگیریهایشان که توسط هوش مصنوعی هدایت میشود.
این نیز به این بستگی دارد که آیا وظایف پزشکان میتواند در پرسشها و پاسخهای استاندارد خلاصه شود، یا اینکه به نکات ظریف و تخصص بیشتری نیاز است. به عنوان مثال، یک پزشک ممکن است در کمک به بیمار در مورد وضعیت سلامتی و تعیین اینکه چقدر یک بیماری واقعاً بر کیفیت زندگی یک فرد تاثیر میگذارد ماهر تر باشد.
حتی رادیولوژی که یکی از تخصص هایی است که به نظر می رسد بیش از همه توسط هوش مصنوعی تهدید می شود، همچنان شامل تعامل انسانی قابل توجهی است. Dranove و Garthwaite فهرستی از وظایفی را که رادیولوژیست ها برای آنها صورتحساب می دهند، بررسی کردند. این خدمات شامل خدماتی مانند اسکن اشعه ایکس، سی تی اسکن، معاینه اولتراسوند، ماموگرافی و غیره بود. در نگاه اول به نظر می رسید که رادیولوژیست ها تا حد زیادی روز خود را با استفاده از فناوری سپری می کنند.
اما فهرست جامع تری از وظایف، از شبکه اطلاعات شغلی، نشان داد که این شغل شامل بسیاری از مبادلات بین فردی نیز می شود. به عنوان مثال، رادیولوژیست ها باید نتایج را با سایر کادر پزشکی مورد بحث قرار دهند و خطرات، مزایا و گزینه های درمانی را برای بیماران توضیح دهند
چه کسی سود می برد؟
محققان همچنین در نظر گرفتند که اگر هوش مصنوعی به جای جایگزینی، مکمل پزشکان شود، چه اتفاقی برای زنجیره ارزش در مراقبتهای بهداشتی خواهد افتاد. زنجیره ارزش شامل همه طرف هایی است که در آن مشارکت دارند و از آن سود می برند: بیمار، پزشک، پرستار، سیستم مراقبت های بهداشتی، شرکت داروسازی، شرکت بیمه و ….
از آنجایی که پزشکان نقشی محوری ایفا می کنند، اغلب بخش بزرگی از ارزش را در قالب حقوق های بسیار بالا به دست می آورند. اگر هوش مصنوعی تصمیمات تشخیص و درمان را بر عهده بگیرد، میتوان انتظار داشت که پزشکان از ارزش کمتری برخوردار شوند و دستمزد آنها بر این اساس کاهش یابد. از سوی دیگر، اگر پزشکان بتوانند با کمک هوش مصنوعی تصمیمات پزشکی سریعتر یا دقیق تری صادر کنند، ممکن است در نهایت حقوق بیشتری دریافت کنند؟
درانو می گوید: اگرچه پزشکان ممکن است بهرهورتر شوند، اما لزوماً از مزایای مالی برخوردار نخواهند شد. در عوض، سیستم مراقبت های بهداشتی به احتمال زیاد ارزش اضافی را از طریق سود بالاتر بدست می آورد. به عنوان مثال، سازمان ممکن است معیارهای کیفیت مراقبت های بهداشتی خود را بهبود بخشد و در نتیجه به یک شرکت بیمه استدلال کند که باید بیشتر به آنها پرداخت شود.
او اضافه می کند: پزشکان با هوش مصنوعی جایگزین نمیشوند، اما ممکن است، آنها نباشند که مستقیماً از آن سود می برند.
و حتی مشخص نیست که حتی سازمان مراقبت های بهداشتی نیز پاداش های پولی دریافت کند یا خیر. او میگوید: اگر هوش مصنوعی درمان بیش از حد را کاهش دهد و به روشهای کمتری منجر شود، «در حال از دست دادن پول هستید».
بنابراین سازمانها ممکن است انگیزه مالی قوی برای توسعه و استفاده از هوش مصنوعی نداشته باشند، حتی اگر نتایج بیماران را بهبود بخشد.
یک لحاف تکه تکه شده
گنجاندن هوش مصنوعی در مراقبت های بهداشتی با بسیاری از موانع دیگر روبرو است. یکی از بزرگترین آنها عدم دسترسی به داده ها است. درانو میگوید: اگر تعداد زیادی بیمار برای اموزش کامپیوتر خود ندارید، نمیتوانید بر اساس مجموعهای از دادهها از یک پزشک پیشی بگیرید.
سوابق پزشکی در حال حاضر در سراسر سیستم های مراقبت های بهداشتی پراکنده است و توانایی اشتراک گذاری اطلاعات محدود است. در نتیجه، بیشتر توسعههای هوش مصنوعی تاکنون در سازمانهای پزشکی رخ داده است که فقط از سوابق بیماران خود استفاده میکنند. این بدان معناست که سیستمهای مراقبتهای بهداشتی بزرگ نسبت به سیستمهای کوچکتر مزیت دارند، که ممکن است دادههای کافی برای آموزش مؤثر ماشین(کامپیوتر)را نداشته باشند.
او میگوید: «من فکر میکنم ما شاهد یک لحاف تکه تکه خواهیم بود که در آن هوش مصنوعی پیادهسازی میشود.(فرایندی پراکنده)
در حالی که ممکن است این سازمان های بزرگ بتوانند نرم افزار آموزش دیده خود را با دیگران به اشتراک بگذارند، ممکن است در انجام این کار تردید کنند . درانو میگوید: «از دیدگاه اجتماعی، من باید این اطلاعات را به اشتراک بگذارم» زیرا میتواند نتایج سلامتی را برای بیماران در جاهای دیگر بهبود بخشد. اما دیدگاه سازمان ممکن است این باشد که “چرا چیزی را به صورت رایگان
او میگوید این بدان معنا نیست که سازمانهای بزرگ مراقبتهای بهداشتی باید از توسعه هوش مصنوعی خودداری کنند. اما یک رویکرد هماهنگ، مزایای هوش مصنوعی را به طور مساوی توزیع می کند. اگر بتوان دادهها را به اشتراک گذاشت، همه این فرصت را خواهند داشت.
سخن آخر:
واضح است که ظهور هوش مصنوعی در مراقبتهای بهداشتی تأثیر بسزایی در بهبود نتایج درمان بیماران و کاهش خطای انسانی خواهد داشت با این حال، این سوال باقی می ماند که آیا هوش مصنوعی در نهایت به طور کامل جایگزین پزشکان خواهد شد.
در حالی که ممکن است برخی از جنبههای شغل پزشک وجود داشته باشد که به طور بالقوه میتواند با هوش مصنوعی جایگزین شود، مانند تشخیص بیماریها یا پیشبینی نتایج بیمار، مهم است که عنصر انسانی ارزشمندی را که پزشکان به مراقبتهای بهداشتی میآورند، به خاطر بسپاریم. همکاری بین پزشکان و فناوری هوش مصنوعی می تواند به آینده ای منجر شود که در آن بیماران بهترین مراقبت ممکن را دریافت کنند.