هوش مصنوعی (Artificial Intelligence) به سرعت در حال تحول پزشکی و مراقبت‌های بهداشتی در سراسر جهان است. با توجه به اینکه حدود ۴.۵ میلیارد نفر به خدمات بهداشتی اساسی دسترسی ندارند و پیش‌بینی می‌شود تا سال ۲۰۳۰ کمبود ۱۱ میلیون نیروی بهداشتی وجود داشته باشد، هوش مصنوعی ابزارهایی را برای افزایش کارایی، گسترش دسترسی و پر کردن خلأهای مراقبتی ارائه می‌دهد.
بر اساس گزارش مجمع جهانی اقتصاد (WEF)، «راهکارهای دیجیتال سلامت مبتنی بر هوش مصنوعی پتانسیل افزایش کارایی، کاهش هزینه‌ها و بهبود نتایج سلامت در سطح جهانی را دارند».
در عمل، نرم‌افزارهای مبتنی بر هوش مصنوعی در برخی وظایف تشخیصی از انسان‌ها پیشی گرفته‌اند. به عنوان مثال، هوش مصنوعی آموزش‌دیده روی اسکن‌های بیماران سکته مغزی، دو برابر دقیق‌تر از متخصصان در شناسایی و تعیین زمان سکته مغزی عمل کرده است.
در مراقبت‌های اورژانسی، هوش مصنوعی می‌تواند در فرآیند تریاژ کمک کند: مطالعه‌ای در بریتانیا نشان داد که یک مدل هوش مصنوعی در ۸۰٪ موارد آمبولانس به درستی پیش‌بینی کرده است کدام بیماران نیاز به انتقال به بیمارستان دارند. همچنین در رادیولوژی، ابزارهای هوش مصنوعی شکستگی‌ها یا ضایعاتی را شناسایی کرده‌اند که پزشکان اغلب از آن‌ها غافل می‌شوند – NICE (سازمان بهداشت بریتانیا) استفاده از هوش مصنوعی در غربالگری رادیوگرافی قفسه سینه را ایمن و صرفه‌جویی‌کننده در هزینه می‌داند و یک سیستم هوش مصنوعی ۶۴٪ ضایعات مغزی صرع بیشتری نسبت به رادیولوژیست‌ها شناسایی کرده است.
هوش مصنوعی هم‌اکنون تصاویر پزشکی (مانند سی‌تی‌اسکن و رادیوگرافی) را سریع‌تر از انسان‌ها می‌خواند. ابزارهای هوش مصنوعی می‌توانند در عرض چند دقیقه ناهنجاری‌ها را شناسایی کنند – از اسکن‌های سکته تا شکستگی استخوان – که به پزشکان کمک می‌کند سریع‌تر و دقیق‌تر تشخیص دهند.
برای مثال، هوش مصنوعی آموزش‌دیده روی هزاران اسکن، ضایعات کوچک مغزی را شناسایی و زمان شروع سکته را پیش‌بینی کرده است، اطلاعاتی که برای درمان به موقع حیاتی است.
همچنین، وظایف ساده تصویربرداری مانند یافتن شکستگی‌ها برای هوش مصنوعی ایده‌آل است: پزشکان اورژانس تا ۱۰٪ شکستگی‌ها را از دست می‌دهند، اما بازبینی هوش مصنوعی می‌تواند این موارد را زودتر شناسایی کند. با ایفای نقش «چشم دوم»، هوش مصنوعی به جلوگیری از تشخیص‌های اشتباه و آزمایش‌های غیرضروری کمک می‌کند و احتمالاً نتایج را بهبود و هزینه‌ها را کاهش می‌دهد.
هوش مصنوعی همچنین پشتیبانی تصمیم‌گیری بالینی و مدیریت بیماران را تقویت می‌کند. الگوریتم‌های پیشرفته می‌توانند داده‌های بیماران را تحلیل کرده و راهنمایی‌های مراقبتی ارائه دهند.
برای مثال، مدل‌های جدید هوش مصنوعی می‌توانند نشانه‌های بیماری‌هایی مانند آلزایمر یا بیماری کلیوی را سال‌ها پیش از بروز علائم تشخیص دهند.
چت‌بات‌های بالینی و مدل‌های زبانی به عنوان دستیاران دیجیتال در حال ظهور هستند: در حالی که مدل‌های زبانی عمومی (مانند ChatGPT یا Gemini) اغلب مشاوره پزشکی قابل اعتماد ارائه نمی‌دهند، سیستم‌های تخصصی که مدل‌های زبانی را با پایگاه‌های داده پزشکی ترکیب می‌کنند (که به آن تولید افزوده بازیابی‌شده می‌گویند) در یک مطالعه اخیر در آمریکا به ۵۸٪ سوالات بالینی پاسخ مفید داده‌اند.
پلتفرم‌های دیجیتال بیماران نیز حوزه‌ای در حال رشد هستند. به عنوان مثال، پلتفرم Huma با استفاده از نظارت و تریاژ مبتنی بر هوش مصنوعی، میزان بازگشت بیماران به بیمارستان را ۳۰٪ کاهش داده و زمان بررسی پزشکان را تا ۴۰٪ کم کرده است.
دستگاه‌های نظارت از راه دور (مانند پوشیدنی‌ها و اپلیکیشن‌های هوشمند) با استفاده از هوش مصنوعی به طور مداوم علائم حیاتی را رصد می‌کنند – پیش‌بینی مشکلات ریتم قلب یا سطح اکسیژن در زمان واقعی – و به پزشکان داده‌هایی برای مداخله زودهنگام می‌دهند.
در وظایف اداری و عملیاتی، هوش مصنوعی بار کاری را کاهش می‌دهد. شرکت‌های بزرگ فناوری اکنون «همیارهای هوش مصنوعی» برای حوزه سلامت ارائه می‌دهند: نرم‌افزار Dragon Medical One مایکروسافت می‌تواند در مشاوره پزشک و بیمار گوش دهد و یادداشت‌های ملاقات را به صورت خودکار تولید کند، در حالی که گوگل و دیگران ابزارهایی برای کدگذاری، صورتحساب و تولید گزارش دارند.
در آلمان، پلتفرمی به نام Elea زمان آزمایش‌های آزمایشگاهی را از هفته‌ها به ساعت‌ها کاهش داده و به بیمارستان‌ها کمک کرده است سریع‌تر عمل کنند. این دستیارهای هوش مصنوعی پزشکان و پرستاران را از کارهای کاغذی آزاد می‌کنند تا بتوانند بیماران بیشتری را ویزیت کنند.
نظرسنجی‌ها نشان می‌دهد پزشکان هم‌اکنون از هوش مصنوعی برای مستندسازی‌های روزمره و خدمات ترجمه استفاده می‌کنند: در یک نظرسنجی AMA در سال ۲۰۲۴، ۶۶٪ پزشکان گزارش داده‌اند که از ابزارهای هوش مصنوعی (افزایش از ۳۸٪ در ۲۰۲۳) برای وظایفی مانند ثبت پرونده، کدگذاری، برنامه‌های مراقبتی یا حتی تشخیص‌های اولیه بهره می‌برند.
بیماران نیز با هوش مصنوعی تعامل دارند: به عنوان مثال، چک‌کننده‌های علائم مبتنی بر هوش مصنوعی می‌توانند تریاژ اولیه انجام دهند، اگرچه تنها حدود ۲۹٪ افراد به این ابزارها برای مشاوره پزشکی اعتماد دارند.
هوش مصنوعی در پژوهش، توسعه دارو و ژنومیک
فراتر از کلینیک، هوش مصنوعی در حال بازتعریف پژوهش‌های پزشکی و توسعه دارو است. هوش مصنوعی با پیش‌بینی رفتار مولکول‌ها، کشف دارو را تسریع می‌کند و سال‌ها کار آزمایشگاهی را صرفه‌جویی می‌کند. (برای مثال، AlphaFold شرکت DeepMind میلیون‌ها ساختار پروتئینی را با دقت پیش‌بینی کرده و به کشف اهداف دارویی کمک کرده است.) ژنومیک و پزشکی شخصی‌سازی‌شده نیز از این فناوری بهره‌مند می‌شوند: هوش مصنوعی می‌تواند داده‌های ژنتیکی گسترده را تحلیل کرده و درمان‌ها را متناسب با هر بیمار تنظیم کند.
در حوزه سرطان‌شناسی، پژوهشگران کلینیک مایو از هوش مصنوعی روی تصاویر پزشکی (مانند سی‌تی‌اسکن) استفاده می‌کنند تا سرطان پانکراس را ۱۶ ماه پیش از تشخیص بالینی پیش‌بینی کنند – که می‌تواند مداخلات زودهنگام را برای بیماری با نرخ بقاء بسیار پایین ممکن سازد.
روش‌هایی مانند یادگیری ماشین همچنین اپیدمیولوژی را بهبود می‌بخشند: تحلیل صدای سرفه با هوش مصنوعی (همان‌طور که گوگل و شرکا در هند انجام دادند) می‌تواند تشخیص سل را ارزان‌تر کند و سلامت جهانی را در مناطق با دسترسی محدود به متخصصان ارتقا دهد.
سلامت جهانی و طب سنتی
تأثیر هوش مصنوعی در سطح جهانی گسترده است. در محیط‌های کم‌منبع، هوش مصنوعی گوشی‌های هوشمند می‌تواند خلأهای مراقبتی را پر کند: به عنوان مثال، یک اپلیکیشن ECG مبتنی بر هوش مصنوعی خطرات بیماری قلبی را حتی در مناطقی که متخصص قلب کم است، شناسایی می‌کند.
هوش مصنوعی همچنین از طب سنتی و مکمل حمایت می‌کند: گزارش اخیر WHO/ITU نشان می‌دهد ابزارهای هوش مصنوعی می‌توانند داروهای بومی را فهرست‌بندی کرده و ترکیبات گیاهی را با بیماری‌های مدرن تطبیق دهند، در حالی که به حفظ دانش فرهنگی احترام می‌گذارند.
هند کتابخانه دیجیتال مبتنی بر هوش مصنوعی متون آیورودا را راه‌اندازی کرده و پروژه‌هایی در غنا و کره از هوش مصنوعی برای طبقه‌بندی گیاهان دارویی استفاده می‌کنند. این تلاش‌ها – بخشی از برنامه WHO – هدف دارند تا طب سنتی را به صورت جهانی در دسترس‌تر کنند بدون اینکه به جوامع محلی آسیب برسانند.
در مجموع، هوش مصنوعی به عنوان راهی برای دستیابی به پوشش سلامت همگانی (هدف سازمان ملل تا سال ۲۰۳۰) دیده می‌شود که خدمات را به مناطق دورافتاده یا کم‌برخوردار گسترش می‌دهد.
مزایای هوش مصنوعی در مراقبت‌های بهداشتی
مزایای کلیدی هوش مصنوعی در پزشکی عبارتند از:
- تشخیص سریع‌تر و دقیق‌تر: هوش مصنوعی می‌تواند تصاویر و داده‌ها را در مقیاس وسیع پردازش کند و اغلب مواردی را که انسان‌ها از دست می‌دهند، شناسایی نماید.
- مراقبت شخصی‌سازی‌شده: الگوریتم‌ها می‌توانند برنامه‌های درمانی را بر اساس داده‌های بیمار (ژنتیک، سابقه، سبک زندگی) تنظیم کنند.
- افزایش کارایی: خودکارسازی کارهای اداری و روتین باعث کاهش فرسودگی پزشکان می‌شود. (گزارش WEF نشان می‌دهد پلتفرم‌های دیجیتال به طور قابل توجهی بار کاری ارائه‌دهندگان را کاهش می‌دهند.)
- صرفه‌جویی در هزینه‌ها: مک‌کینزی تخمین می‌زند استفاده گسترده از هوش مصنوعی می‌تواند سالانه صدها میلیارد دلار از طریق افزایش بهره‌وری و پیشگیری صرفه‌جویی کند. بیماران نیز از نتایج بهتر و هزینه‌های کمتر بهره‌مند می‌شوند.
- گسترش دسترسی: پزشکی از راه دور و اپلیکیشن‌های مبتنی بر هوش مصنوعی به افراد در مناطق روستایی یا کم‌برخوردار امکان دسترسی به غربالگری و نظارت تخصصی را بدون نیاز به سفرهای طولانی می‌دهد.
این مزایا در نظرسنجی‌ها نیز تأیید شده‌اند: بسیاری از پزشکان گزارش می‌دهند که هوش مصنوعی در ثبت پرونده‌ها، تشخیص‌ها و ارتباطات به آن‌ها کمک می‌کند.
همان‌طور که یک گزارش WHO اشاره کرده است، «هوش مصنوعی وعده بزرگی برای بهبود ارائه خدمات بهداشتی و پزشکی در سراسر جهان دارد».
چالش‌ها، ریسک‌ها و اخلاق
با وجود وعده‌ها، هوش مصنوعی در مراقبت‌های بهداشتی با چالش‌های جدی مواجه است. حفظ حریم خصوصی و امنیت داده‌ها بسیار حیاتی است: داده‌های سلامت بسیار حساس هستند و عدم شناسایی مناسب می‌تواند به محرمانگی بیماران آسیب بزند.
تعصب در مدل‌های هوش مصنوعی نگرانی بزرگی است. اگر الگوریتم‌ها بر اساس داده‌های غیرمتنوع (مثلاً عمدتاً بیماران کشورهای پردرآمد) آموزش ببینند، ممکن است برای سایر گروه‌ها عملکرد ضعیفی داشته باشند.
تحلیلی از WHO نشان داده است که سیستم‌های آموزش‌دیده در کشورهای ثروتمند ممکن است در محیط‌های کم‌درآمد یا متوسط شکست بخورند، بنابراین هوش مصنوعی باید به صورت فراگیر طراحی شود. اعتماد و آموزش پزشکان نیز کلیدی است: پیاده‌سازی سریع هوش مصنوعی بدون آموزش مناسب می‌تواند منجر به سوءاستفاده یا خطا شود.
یک متخصص اخلاق در آکسفورد هشدار می‌دهد که کاربران باید «محدودیت‌های هوش مصنوعی را درک کرده و بدانند چگونه آن‌ها را کاهش دهند».
علاوه بر این، سیستم‌های هوش مصنوعی (به ویژه مدل‌های زبانی بزرگ) می‌توانند توهم‌سازی کنند – اطلاعات پزشکی قابل قبول اما نادرست بسازند. برای مثال، یک مطالعه نشان داد ابزار رونویسی Whisper شرکت OpenAI گاهی جزئیات ساختگی ارائه می‌دهد و مدل‌های زبانی محبوب اغلب پاسخ‌های پزشکی کاملاً مبتنی بر شواهد نمی‌دهند.
راهنمایی‌های اخلاقی تأکید می‌کنند که انسان‌ها باید کنترل تصمیمات مراقبتی را حفظ کنند (رضایت آگاهانه، نظارت، پاسخگویی). دستورالعمل‌های WHO شش اصل برای ابزارهای هوش مصنوعی سلامت ارائه می‌دهد: حفاظت از خودمختاری بیمار، تضمین رفاه و ایمنی، درخواست شفافیت و قابل توضیح بودن، حفظ پاسخگویی، ترویج عدالت و حمایت از پایداری.
خلاصه اینکه، هوش مصنوعی باید به عنوان دستیار پزشکان عمل کند نه جایگزین آن‌ها، و باید به گونه‌ای تنظیم شود که مزایا به همه برسد بدون ایجاد آسیب‌های جدید.
قوانین و حاکمیت
نهادهای نظارتی در سراسر جهان در حال ورود به این حوزه هستند. FDA بیش از ۱۰۰۰ دستگاه پزشکی مجهز به هوش مصنوعی را از طریق مسیرهای موجود تسریع کرده است.
در ژانویه ۲۰۲۵، FDA راهنمای جامعی برای نرم‌افزارهای AI/ML به عنوان دستگاه پزشکی منتشر کرد که کل چرخه عمر از طراحی تا نظارت پس از بازار را پوشش می‌دهد.
این راهنما به طور صریح به شفافیت و تعصب می‌پردازد و توسعه‌دهندگان را به برنامه‌ریزی برای به‌روزرسانی‌های مداوم و مدیریت ریسک تشویق می‌کند. FDA همچنین در حال تدوین قوانین برای استفاده از هوش مصنوعی در توسعه دارو است و بازخورد عمومی درباره ملاحظات هوش مصنوعی مولد را جمع‌آوری می‌کند.
در اروپا، قانون جدید هوش مصنوعی اتحادیه اروپا (که در ۲۰۲۴ اجرایی شد) سیستم‌های هوش مصنوعی حوزه سلامت را «پرخطر» طبقه‌بندی می‌کند، به این معنی که باید الزامات سخت‌گیرانه‌ای برای آزمایش، مستندسازی و نظارت انسانی رعایت کنند.
در بریتانیا، سازمان تنظیم مقررات داروها و محصولات بهداشتی (MHRA) دستگاه‌های پزشکی مجهز به هوش مصنوعی را تحت قوانین موجود دستگاه‌های پزشکی نظارت می‌کند.
نهادهای حرفه‌ای و دولت‌ها بر آموزش تأکید دارند: پزشکان به مهارت‌های دیجیتال جدید نیاز خواهند داشت و بیماران باید راهنمایی شوند که چه زمانی استفاده از هوش مصنوعی مناسب است.
همان‌طور که تدروس، مدیرکل WHO بیان کرده است، هوش مصنوعی می‌تواند «سلامت میلیون‌ها نفر را بهبود بخشد» اگر به درستی استفاده شود، اما «می‌تواند سوءاستفاده شده و آسیب‌زا باشد».
بنابراین، سازمان‌های بین‌المللی خواستار مقررات حمایتی هستند که تضمین کند هر ابزار هوش مصنوعی ایمن، مبتنی بر شواهد و عادلانه باشد.
چشم‌انداز آینده
با نگاه به آینده، نقش هوش مصنوعی در مراقبت‌های بهداشتی تنها افزایش خواهد یافت. انتظار می‌رود هوش مصنوعی مولد (مانند مدل‌های زبانی پیشرفته) برنامه‌های بیشتری برای بیماران و ابزارهای تصمیم‌گیری فراهم کند – به شرطی که دقت بهبود یابد.
ادغام با پرونده‌های الکترونیکی سلامت و ژنومیک مراقبت‌های شخصی‌سازی‌شده بیشتری ایجاد خواهد کرد.
رباتیک و جراحی‌های همراه با هوش مصنوعی در بیمارستان‌های پیشرفته رایج خواهند شد. حسگرهای پوشیدنی به همراه الگوریتم‌های هوش مصنوعی به طور مداوم شاخص‌های سلامت را رصد می‌کنند و بیماران و پزشکان را پیش از وقوع اورژانس‌ها هشدار می‌دهند.
ابتکارات جهانی (مانند اتحاد حاکمیت هوش مصنوعی مجمع جهانی اقتصاد) هدف دارند توسعه مسئولانه هوش مصنوعی را در مرزهای مختلف هماهنگ کنند.
نکته کلیدی این است که آینده در شراکت بین هوش مصنوعی و انسان‌ها نهفته است. ترکیب سرعت هوش مصنوعی با تخصص پزشکان می‌تواند «سرعت تشخیص و درمان را افزایش دهد»، به گفته پژوهشگران.
همان‌طور که کارشناسان اغلب می‌گویند، هوش مصنوعی باید «همیار، نه مانع» در مراقبت‌های بهداشتی باشد.
با خوش‌بینی محتاطانه، سیستم‌های بهداشتی در حال پذیرش هوش مصنوعی برای دستیابی به سلامت بهتر برای افراد بیشتر هستند – از تشخیص‌های هوشمند و کلینیک‌های بهینه تا پیشرفت‌های درمانی و عدالت سلامت جهانی.
>>> ممکن است علاقه‌مند باشید به:
