صنایع بسیاری توسط خیل تکنولوژی جدید در عصر اطلاعات مختل شده اند. بهداشت و سلامت هم ازاین دسته هستند. خصوصا در زمینه ی اتوماسیون، فراگیری ماشین، هوش مصنوعی، پزشکان، بیمارستانها، شرکت های بیمه و صنایع مربوط به سلامت و بهداشت همگی متاثر از این قضیه هستند- در بیشتر موارد تاثیرات مثبت نسبت به صنایع دیگر. طبق گزارشی از CB Insight تقریبا 86 درصد از سازمانهای تامین بهداشت و سلامت، شرکت های علم زندگی و فروشندگان فناوری به خدمات بهداشتی از تکنولوژی هوش مصنوعی استفاده می کنند. این سازمانها میانگینی برابر 54 میلیون دلار را تا سال 2020 بر روی پروژه های هوش مصنوعی سرمایه گذاری خواهند کرد. آنها بدنبال چه راه حل هایی هستند؟

کاربردهای هوش مصنوعی در حوزه سلامت

روش‌های متعددی وجود دارد که هوش مصنوعی می‌تواند تأثیر مثبتی بر عملکرد پزشکی داشته باشد، از طریق افزایش سرعت تحقیقات یا کمک به پزشکان در تصمیم‌گیری بهتر.

در اینجا چند نمونه از نحوه استفاده از هوش مصنوعی آورده شده است:

  • هوش مصنوعی در تشخیص بیماری

برخلاف انسان ها، هوش مصنوعی هرگز نیازی به خواب ندارد. مدل‌های یادگیری ماشینی را می‌توان برای مشاهده علائم حیاتی بیمارانی که مراقبت‌های ویژه دریافت می‌کنند و در صورت افزایش عوامل خطر خاص به پزشکان هشدار می دهند به کار گرفت.

در حالی که دستگاه‌های پزشکی مانند مانیتورهای قلب می‌توانند علائم حیاتی را ردیابی کنند، هوش مصنوعی می‌تواند داده‌های آن دستگاه‌ها را جمع‌آوری کند و به دنبال شرایط پیچیده‌تری مانند سپسیس(عفونت خون) باشد.

  • درمان شخصی سازی شده

پشتیبانی از پزشکی دقیق با کمک هوش مصنوعی مجازی آسان تر می شود. از آنجایی که مدل‌های هوش مصنوعی می‌توانند اولویت‌ها را یاد بگیرند و حفظ کنند، هوش مصنوعی این پتانسیل را دارد که توصیه‌های بی‌درنگ شخصی ‌سازی شده را در تمام ساعات شبانه‌روز به بیماران ارائه دهد. به جای اینکه هر بار اطلاعات را با یک فرد جدید تکرار کنید، یک سیستم مراقبت های بهداشتی می تواند به بیماران دسترسی شبانه روزی به یک دستیار مجازی مجهز به هوش مصنوعی را ارائه دهد که می تواند به سوالات بر اساس تاریخچه پزشکی، ترجیحات و نیازهای شخصی بیمار پاسخ دهد.

  • هوش مصنوعی در تصویربرداری پزشکی

هوش مصنوعی در حال حاضر نقش برجسته ای در تصویربرداری پزشکی ایفا می کند. تحقیقات نشان داده است که هوش مصنوعی با استفاده از شبکه های عصبی مصنوعی می تواند به اندازه رادیولوژیست های انسانی در تشخیص علائم سرطان سینه و همچنین سایر شرایط موثر باشد. علاوه بر کمک به پزشکان در تشخیص علائم اولیه بیماری، هوش مصنوعی همچنین می‌تواند با شناسایی بخش‌های حیاتی از تاریخچه بیمار و ارائه تصاویر مربوطه به آنها، تعداد خیره‌کننده تصاویر پزشکی را که پزشکان باید پیگیری کنند، را فراهم کند.

  • کارایی کارآزمایی بالینی

زمان زیادی در طول آزمایش‌های بالینی صرف اختصاص کدهای پزشکی به نتایج بیمار و به‌روزرسانی مجموعه داده‌های مربوطه می‌شود. هوش مصنوعی می‌تواند با ارائه جستجوی سریع‌تر و هوشمندانه‌تر برای کدهای پزشکی به سرعت بخشیدن به این فرآیند کمک کند.

  • رشد سریع در حوزه دارویی

کشف دارو اغلب یکی از طولانی ترین و پرهزینه ترین بخش های توسعه دارو است. هوش مصنوعی می‌تواند به کاهش هزینه‌های توسعه داروهای جدید به دو صورت کمک کند:

ایجاد طرح‌های دارویی بهتر و یافتن ترکیب‌های دارویی نویدبخش. با هوش مصنوعی، می توان بر بسیاری از چالش های کلان داده که صنعت علوم زیستی با آن مواجه است غلبه کرد.

مزایای هوش مصنوعی در پزشکی

۱-مراقبت آگاهانه از بیمار

ادغام هوش مصنوعی پزشکی در گردش کار پزشکان می تواند زمینه ارزشمندی را در حالی که ارائه دهندگان در حال تصمیم گیری در مورد مراقبت هستند فراهم کند. یک الگوریتم یادگیری ماشینی آموزش‌دیده می‌تواند با ارائه نتایج جستجوی ارزشمند به پزشکان با بینش‌های مبتنی بر شواهد در مورد درمان‌ها و روش‌ها در حالی که بیمار هنوز در اتاق با آنها است، به کاهش زمان تحقیق کمک کند.

۲-کاهش خطا

شواهدی وجود دارد که نشان می دهد هوش مصنوعی می تواند به بهبود ایمنی بیمار کمک کند. یک بررسی سیستمیک اخیر از 53 مطالعه بررسی شده که تأثیر هوش مصنوعی بر ایمنی بیمار را بررسی می‌کرد، نشان داد که ابزارهای پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی می‌توانند به بهبود تشخیص و مدیریت دارو کمک کنند.

۳-کاهش هزینه های مراقبت

راه های بالقوه زیادی وجود دارد که هوش مصنوعی می تواند هزینه ها را در سراسر صنعت مراقبت های بهداشتی کاهش دهد. برخی از امیدوارکننده‌ترین فرصت‌ها عبارتند از:

کاهش خطاهای دارویی، کمک‌های بهداشتی مجازی و حمایت از جریان کار اداری و بالینی کارآمدتر.

۴-افزایش تعامل پزشک و بیمار

بسیاری از بیماران خارج از ساعات کاری معمولی به سؤالاتی فکر می کنند. هوش مصنوعی می‌تواند به ارائه پشتیبانی شبانه‌روزی از طریق ربات‌های چت کمک کند که می‌توانند به سؤالات اساسی پاسخ دهند و در مواقعی که دفتر پزشک آنها باز نیست، منابعی را در اختیار بیماران قرار دهد. هوش مصنوعی همچنین می‌تواند به‌طور بالقوه برای تریاژ (الویت بندی بالینی)سوالات و پرچم‌گذاری اطلاعات برای بررسی بیشتر مورد استفاده قرار گیرد، که می‌تواند به ارائه‌دهندگان سلامت در مورد تغییرات سلامتی که نیاز به توجه بیشتری دارند هشدار دهد.

۵-ارائه ارتباط متنی

یکی از مزیت های اصلی یادگیری عمیق این است که الگوریتم های هوش مصنوعی می توانند از زمینه قبلی بیمار برای تمایز بین انواع مختلف اطلاعات استفاده کنند. برای مثال، اگر یک یادداشت بالینی شامل فهرستی از داروهای فعلی بیمار به همراه داروی جدیدی باشد که پزشک آن‌ها توصیه می‌کند، یک الگوریتم هوش مصنوعی آموزش‌دیده می‌تواند از پردازش زبان طبیعی برای شناسایی داروهایی که در تاریخچه پزشکی بیمار تعلق دارند استفاده کند.

آیا هوش مصنوعی به طور کامل جانشین پزشکان خواهد شد؟

پاسخ دکتر اریک توپول به این سوال منفی است. او نظرش را  در کتاب “deep medicine” با مقایسه تکنولوژی‌های به کار رفته در ماشین‌های خودران با استفاده‌های هوش مصنوعی در پزشکی بدین شکل بیان می‌کند: مهندسان مشغول در حوزه خودرو‌های خودران 5 سلسله مراتب از خودران کردن خودرو ها را ایجاد کرده‌اند:

سطح1: کامپیوتر و انسان در کنار هم خودرو را کنترل می‌کنند مثال این حالت دستیار پارک و ترمز اضطراری است.

سطح2: کامپیوتر عملا کنترل خودرو را در دست دارد اما در شرایط پیچیده‌تر و بحرانی وظیفه هدایت خودرو توسط انسان انجام می‌شود.

سطح3: در این حالت کامپیوتر خودرو را کنترل می‌کند و توانایی مدیریت شرایط پیچیده را نیز دارد و انسان تنها نقش پشتیبانی دارد.

سطح4: در این حالت خودرو در اکثر شرایط نیازی به پشتیبانی انسان ندارد و کنترل خودرو در اختیار کامپیوتر است.

سطح5: نقش انسان به طور کامل حذف شده و تحت هیچ شرایطی نیازی به مداخله انسان نیست و فرمان می‌تواند حذف شود.

از نظر دکتر توپول رسیدن به مرحله 4 در حوزه‌ی پزشکی بر خلاف خودروهای خودران  دور از ذهن به نظر می‌رسد چرا که اگر چه هوش مصنوعی ‌می‌تواند روندهایی مشخص مثل تشخیص یک ضایعه پوستی یا تشخیص یک بیماری از طریق الگوریتم‌های مشخص را بهتر از انسان انجام دهد اما در حوزه‌ی پزشکی به صورت کلی لزوم نظارت انسان غیر قابل حذف است. در حوزه‌ی پزشکی پیشرفت‌هایی مشابه سطح 3 و سطح 2 در مثال بالا بسیار کمک کننده خواهند بود مثل تشخیص بیماری و ارائه راهکارهای درمان در موارد مشخص.