Al یا هوش مصنوعی، دستیار نوین پزشکان در نبرد با تشخیصهای اشتباه
آیا هوش مصنوعی میتواند مانع از تشخیصهای اشتباه پزشکان شود؟ پژوهش تازه میگوید: بله
به گزارش گلونی و به نقل از ScienceNews در برخی از دشوارترین پروندههای پزشکی، مشکل اصلی همیشه انتخاب میان چند تشخیص نیست؛ بلکه این است که اصلاً بیماری درست به ذهن پزشک برسد یا نه.
اکنون یک مطالعه جدید نشان میدهد که هوش مصنوعی (Al) ممکن است در همین بخش، حتی از پزشکان هم بهتر عمل کند.
«آرجون مانرای» دانشمند دادههای زیستپزشکی در Harvard University در یک نشست خبری در ۲۸ آوریل گفت:«ما شاهد یک تحول عمیق فناورانه هستیم؛ تحولی که پزشکی را دگرگون خواهد کرد.» این تحول حاصل پیشرفت در «مدلهای زبانی بزرگ» است؛ همان فناوریای که سامانههایی مانند چتباتهای هوش مصنوعی بر پایه آن ساخته شدهاند.
نسخههای جدیدتر این مدلها که «مدلهای استدلالگر» نامیده میشوند، قادرند مسائل پیچیده را مرحلهبهمرحله تحلیل کنند.
طبق نظرسنجیای از بیش از دو هزار پزشک و پرستار در سراسر جهان، تا سال ۲۰۲۵ از هر پنج نفر یک نفر برای پروندههای پیچیده از هوش مصنوعی بهعنوان نظر دوم استفاده کرده و بیش از نیمی نیز گفتهاند مایلاند از این فناوری برای چنین منظوری بهره ببرند. با این حال، میزان کارآمدی واقعی این ابزار در محیط درمانی همچنان محل بحث بوده است.
مانرای و همکارانش مدل استدلالی OpenAl موسوم به o1-preview را روی مجموعهای از پروندههای پزشکی آزمایش کردند؛ از علائم کلاسیکی که در آموزش پزشکی استفاده میشود گرفته تا دادههای واقعی ۷۶ بیمار مراجعهکننده به بخش اورژانس در بوستون.
نتیجه شگفتانگیز بود:در آزمونهای استدلال بالینی، این مدل هوش مصنوعی بیشتر از پزشکان توانست تشخیص صحیح ــ یا تشخیصی بسیار نزدیک به واقعیت ــ را در میان گزینههای احتمالی خود قرار دهد. یافتههای این تحقیق ۳۰ آوریل در نشریه علمی Science منتشر شد.
ورود Al یا هوش مصنوعی در پروندههای اورژانسی
در یکی از مهمترین بخشهای مطالعه، پژوهشگران اعلام کردند که هوش مصنوعی در بررسی پروندههای اورژانسی حتی در برخی موارد ۱۲ تا ۲۴ ساعت زودتر از پزشک به یک بیماری خطرناک مشکوک شده است.
برای نمونه، بیماری با علائم ظاهراً عادی تنفسی وارد اورژانس شد؛ اما چون سابقه پیوند عضو داشت و سیستم ایمنیاش سرکوب شده بود، در واقع دچار یک عفونت گوشتخوار بسیار خطرناک شده بود که نیاز فوری به جراحی داشت.
هوش مصنوعی از همان ابتدا احتمال این عفونت را مطرح کرده بود؛ در حالی که پزشک انسانی خیلی دیرتر به آن مشکوک شد. با این حال، همه پژوهشگران قانع نشدهاند که این نتایج به معنای آمادگی کامل هوش مصنوعی برای اعتماد در تشخیص پزشکی باشد.
«آریا رائو» پژوهشگر دانشکده پزشکی هاروارد که در این تحقیق حضور نداشت، میگوید: «وقتی از استدلال بالینی صحبت میکنیم، این الزاماً همان چیزی نیست که مدلهای هوش مصنوعی انجام میدهند. این مدلها برای نوعی تفکر زنجیرهای بهینه شدهاند، اما این با شیوهای که ما به دانشجویان پزشکی آموزش میدهیم یکسان نیست.» او تأکید میکند که هوش مصنوعی هنوز در مواجهه با عدم قطعیت و زمانی که باید چند احتمال مبهم را همزمان در نظر بگیرد، ضعف دارد.
به گفته تیم او، مدلهای زبانی بزرگ معمولاً تمایل دارند خیلی سریع به یک نتیجه برسند و همین مسئله در پزشکی ــ جایی که ظرافت و تردید اهمیت بالایی دارد ــ میتواند خطرناک باشد. خود مانرای نیز با این انتقاد مخالفتی ندارد.او میگوید هوش مصنوعی باید «کمکیار پزشک» باشد، نه جایگزین او. به گفته وی: «در نهایت، انسانها میخواهند در تصمیمهای سخت درمانی، یک انسان دیگر راهنمایشان باشد.»
با این حال، همکار او «آدام رادمن» معتقد است نتایج این تحقیق نشان میدهد که این نوع هوش مصنوعی «در دنیای واقعی برای تشخیص بیماری کار میکند».
مطالعه دیگری که ۱۳ آوریل منتشر شد نیز ۲۱ مدل هوش مصنوعی را در روند رسیدن به تشخیص پزشکی بررسی کرد.
هرچند مدلهای استدلالگر بالاترین امتیازها را گرفتند، اما پژوهشگران دریافتند این سامانهها هنوز در مرحلهای که باید چند تشخیص نامطمئن را همزمان بسنجند، شکننده عمل میکنند.
به همین دلیل، بسیاری از متخصصان تأکید دارند که هنوز برای سپردن تصمیم نهایی پزشکی به هوش مصنوعی زود است.
با وجود این اختلافنظرها، هر دو گروه پژوهشی بر یک نکته اتفاقنظر دارند: گام بعدی باید انجام آزمایشهای بالینی گستردهتر باشد تا مشخص شود چگونه میتوان این فناوری را با ایمنی و دقت وارد روند درمان کرد.
رائو میگوید در جهانی که میلیونها نفر دسترسی کافی به خدمات درمانی ندارند، هوش مصنوعی شاید روزی به یک «برابرکننده بزرگ» تبدیل شود؛ ابزاری که بتواند فاصله میان بیماران و تشخیص درست را کوتاهتر کند.
پایان پیام
ترجمه: مریم قرهگزلو