ظرفیت‌های هوش مصنوعی در بهبود مراقبت‌های پزشکی

این چالش‌ها شامل آماده شدن برای همه‌گیری احتمالی بعدی، مقابله با افزایش بی‌وقفه بیماری‌های عفونی در حال مقاوم شدن به آنتی‌بیوتیک‌ها، معکوس کردن روند چاقی فراگیر، درک و رسیدگی به بار فزاینده مشکلات سلامت روان و مراقبت از انسان‌هایی است که طول عمرشان در حال افزایش است اما اغلب سالم نیستند و از بیماری‌های گوناگون رنج می‌برند.

در چنین شرایطی، ایجاد یک شبکه بین‌المللی متشکل از سیستم‌های بهداشتی نوآورانه می‌تواند به سرعت جریان مقابله با چالش‌های سلامت عمومی را به سوی راهکاری مبتنی بر هوش مصنوعی سوق دهد.

یکی از مشکلات برای آموزش ابزارهای هوش مصنوعی پزشکی، ماهیت داده‌های بهداشتی موجود است. برخلاف داده‌هاییی که از طریق دوربین‌ها و حسگرها جمع‌آوری شده و برای آموزش ابزارهای هوش مصنوعی مورد استفاده در راندن خودرو استفاده می‌شوند، داده‌های موجود در سوابق پزشکی حاوی یک تصویر کامل از سلامت افراد نیستند و نمی‌توان با استفاده از آنها، مدل‌ها و ابزارهای هوش مصنوعی را جهت ارائه خدمات مراقبت‌ بهداشت و درمان آموزش داد. سوابق پزشکی موجود یا بر بیماری‌های قبلی افراد و یا بر بیماری‌های کنونی آنان تمرکز دارد و فقط شرایط یک فرد را در حالت بیماری نشان می‌دهند. همچنین در این داده‌ها، موارد عدم ثبت صحیح، نقص اطلاعات و خطای اندازه‌گیری به قدری زیاد است که آموزش مدل‌های هوش مصنوعی با آنها مانند آن خواهد بود که از الگوریتم‌های هوش مصنوعی بخواهیم از میان شکاف‌های یک حصار و از پشت شیشه‌های مات، یک تصویر واقعی از وضعیت سلامت بیماران به ما ارائه کنند.

متأسفانه در حال حاضر، اطلاعات مبنایی و کامل‌ در مورد چگونگی ابتلای افراد به بیماری و یا نیاز پیدا کردن آنان به مراجعه به پزشک وجود ندارد، در حالیکه دسترسی داشتن به چنین اطلاعاتی برای یافتن راه‌های مؤثر در جهت پیشگیری از بیماری و کمک به خوب بودن حال مردم ضروری است. با توجه به افزایش هزینه‌های مراقبت از گروه‌های در حال رسیدن به سنین سالمندی، در روند ارائه مراقبت‌های بهداشت و درمان، پیشگیری نقش حیاتی خواهد داشت. خوشبختانه، هوش مصنوعی در حال تبدیل شدن به بخشی از زندگی روزمره مردم است و همین موضوع باعث ثبت داده‌های جدید و افزایش تعاملات کاربران با ابزارهای هوش مصنوعی می‌شود که این داده‌ها نیز به نوبه خود می‌توانند در کمک به خوب نگه داشتن حال مردم و پیشگیری از بیمار شدن آنان مورد استفاده قرار گیرد.

در حال حاضر، برنامه‌ها و ابزارهای هوش‌مصنوعی بیشتر بر بیماری‌ها و یا درمان‌های ویژه هر بیماری تمرکز دارند و مبتلایان به بیماری‌های حاد و جدی در برابر خود انواع گوناگون فناوری‌های مختلف را می‌بینند. با این حال، لازم است که در توسعه ابزارهای هوش مصنوعی ویژه مراقبت‌های بهداشت و درمان به جای رویکرد مبتنی بر ایجاد بازار برنامه‌های پزشکی تخصصی، رویکرد توسعه مهارت‌های این ابزارها برای ارائه مراقبت‌های بهداشتی در قالب فناوری و همزاد دیجیتال برای بیماران در پیش گرفته شود، چرا که این تغییر رویکرد در دستیابی به سیستم‌های ارائه مراقبت‌های بهداشتی در جهت پیش‌بینی، پیشگیری و شخصی‌سازی بسیار‌ حیاتی خواهد بود.

به عنوان مثال، افرادی که باید به خاطر ابتلا به بیماری‌های اعصاب و روان جدی، دارو مصرف ‌کنند، اغلب با خطر افزایش وزن، فشار خون بالا، دیابت، حملات قلبی و سکته مغزی مواجه می‌شوند. وجود یک «همراه هوش مصنوعی» برای چنین بیمارانی علاوه بر نظارت بر مصرف دارو، می‌تواند برای آنان در دیگر بخش‌های برنامه‌ روزانه خود مثل غذا خوردن، ورزش کردن، تعاملات اجتماعی و سایر فعالیت‌هایشان نقش یک پشتیبان مؤثر را بازی کند و از این طریق، با کاهش عوارض جانبی داروهایشان، به بهبود کیفیت زندگی و عملکرد روزانه آنها در شرایط مختلف شامل بهره‌وری در محل کار کمک کند.

برای توسعه یک همراه هوش مصنوعی باید آن را با استفاده از «همزاد دیجیتال» بیماران و یا «آواتار سلامت» آموزش داد تا بتواند در سنجش وضعیت سلامت بیمار، بررسی شرایط اجتماعی، عادات و لزوم استفاده (یا عدم استفاده) از درمان‌ها را نسبت به سوابق پزشکی هر فرد یک عملکرد درست داشته باشد.

امکان دست یافتن به چنین پیشرفتی در زمینه مراقبت‌های بهداشت و درمان مبتنی بر هوش مصنوعی با قابلیت‌های شخصی‌سازی برای افراد و پیشگیری از بیماری‌ها، نیاز به شکل‌گیری یک همکاری عمیق بین بیماران، ارائه دهندگان خدمات درمانی، پرداخت‌کنندگان هزینه‌های خدمات درمانی (یا مدیران منابع سیستم سلامت اجتماعی)، کارشناسان حوزه سلامت و مهندسان هوش مصنوعی دارد. داده‌های مورد نیاز برای تقویت «آواتار سلامت» بیماران، همچنین می‌تواند به بهبود عملکرد ارائه‌کنندگان خدمات بهداشتی و رفاهی نیز کمک کند.

همانطور که پیشگامان هوش مصنوعی مانند «دیپ‌سیک» (DeepSeek) از حجم و تنوع داده‌ و تعداد کاربران برای آموزش به الگوریتم‌های خود تغذیه می‌کنند، یک «همراه هوش مصنوعی" ایده‌آل برای بیماران و همچنین ارائه دهندگان مراقبت‌های بهداشتی و ارگان‌های مسئول مراقبت از سلامت جامعه نیز باید از یک شبکه جهانی متشکل از سیستم‌های بهداشت و درمان یادگیرنده (LHS) بهره ببرند. چالش‌های مبرم پیش روی بهداشت و سلامت عمومی نظیر لزوم به حداقل رساندن مقاوم شدن بیماری‌ها به آنتی‌بیوتیک‌ها و بهره‌گیری حداکثری از مراقبت‌های بهداشتی در جهت پیشگیری از ابتلای سالخوردگان به بیماری‌های متعدد و مزمن و استفاده بهینه از منابع درمانی موجود برای رسیدگی به وضعیت چنین بیمارانی، فراتر از مرزهای کشورها هستند و سراسر جهان را درگیر خواهند کرد. با توجه به این واقعیت و سایر چالش‌هایی که جهان امروز با آنها مواجه است، برای بهینه‌سازی ابزارها و الگوهای هوش مصنوعی سیستم‌های بهداشتی سراسر جهان در جهت کمک به سلامت انسان‌ها، باید همه کشورها همگام با یکدیگر تلاش کنند.