من گزارش میدم باملین به گزارش اکو ایران، اکونومیست سرمقاله این هفته خود را به تاثیرات هوش مصنوعی در مراقبت های بهداشتی اختصاص داده است. از دیدگاه این نشریه، هوش مصنوعی در همه زمینه‌ها هیجان ایجاد کرده است، اما با دستیابی به تشخیص بهتر، پشتیبانی شخصی از بیمار، کشف سریع‌تر دارو و افزایش کارایی، مراقبت‌های بهداشتی پتانسیل تحول آفرین را دارد.
تحلیلگران پیش‌بینی می‌کنند که در اروپا، گسترش هوش مصنوعی می‌تواند جان صدها هزار نفر را در سال نجات دهد و به صرفه‌جویی در هزینه‌ها در ایالات متحده کمک کند و سالانه ۲۰۰ تا ۳۶۰ میلیارد دلار از کل هزینه‌های پزشکی را کاهش دهد که اکنون ۴٫۵ تریلیون دلار است (معادل ۱۷ درصد تولید ناخالص داخلی). ). از تلفن های پزشکی هوشمند و جراحان روبات گرفته تا توانایی تجزیه و تحلیل مجموعه داده های بزرگ یا توانایی چت با هوش مصنوعی پزشکی با چهره انسان. امکانات فراوان است.
اکنون شواهدی وجود دارد که نشان می دهد سیستم های هوش مصنوعی می توانند دقت تشخیص پزشکی و ردیابی بیماری را افزایش دهند. هوش مصنوعی همچنین می تواند با انجام کارهایی مانند تجویز و نظارت بر بیمار و کارایی مدیریت، کارایی را در بیمارستان ها و مطب ها افزایش دهد و زمان لازم برای رسیدن داروهای جدید به آزمایش های بالینی را کاهش دهد. ابزارهای جدید، از جمله “هوش مصنوعی مولد” می توانند این قابلیت ها را تسریع کنند. با این حال، نتایج نشان می‌دهد که اگرچه هوش مصنوعی سال‌ها در مراقبت‌های بهداشتی مورد استفاده قرار گرفته است، اما ادغام آن کند بوده و نتایج قابل توجهی نبوده است.
دلایل این امر هم خوب است و هم بد. به دلایل خوب، مراقبت های بهداشتی به شواهد زیادی در هنگام معرفی ابزارهای جدید برای محافظت از بیماران نیاز دارد. دلایل بد همچنین شامل داده‌ها، مقررات و مشوق‌ها می‌شود که غلبه بر آنها ممکن است درس‌هایی برای هوش مصنوعی در زمینه‌های دیگر داشته باشد.
آموزش سیستم های هوش مصنوعی با پردازش حجم عظیمی از داده ها انجام می شود. اما داده های بهداشتی تکه تکه هستند و استفاده از آن توسط قوانین سختگیرانه اداره می شود. از سوی دیگر، بیماران خواهان مراقبت بهتر و شخصی‌تر هستند.
بهبود دقت و کاهش خطاهای ابزارهای هوش مصنوعی مستلزم آن است که آنها بر روی مجموعه داده های بزرگی که تنوع بیماران را منعکس می کند آموزش ببینند. یافتن راه‌های امن برای انتقال آزادانه‌تر داده‌های پزشکی نیز کمک خواهد کرد. همچنین می تواند برای بیماران مفید باشد: آنها می توانند حق دسترسی به سوابق خود را در داده های دیجیتال قابل حمل داشته باشند. شرکت های سلامت مصرف کننده در حال حاضر از داده های ابزارهای پوشیدنی استفاده می کنند. سوابق قابل حمل به افراد این امکان را می دهد که از داده های خود استفاده بهتری کرده و مسئولیت بیشتری در قبال سلامت خود بپذیرند.
مشکل دیگر مدیریت و تنظیم این نوآوری ها است. در بسیاری از کشورها، مدیریت هوش مصنوعی در مراقبت های بهداشتی در تلاش است تا با سرعت سریع نوآوری همگام شود. مقامات نظارتی ممکن است در تأیید ابزارهای جدید کند باشند یا فاقد ظرفیت و تجربه باشند. در این زمینه، دولت ها باید تنظیم کننده ها را برای ارزیابی ابزارهای جدید هوش مصنوعی مجهز کنند. آنها همچنین باید شکاف‌های نظارتی در نظارت بر رویدادهای نامطلوب و الگوریتم‌ها را پر کنند تا مطمئن شوند که دقیق، ایمن، کارآمد و شفاف باقی می‌مانند.
اما این مشکل خواهد بود. یک راه حل این است که کشورها با هم کار کنند، از یکدیگر بیاموزند و حداقل استانداردهای جهانی را ایجاد کنند. یک سیستم نظارتی بین المللی کمتر پیچیده نیز به ایجاد بازاری کمک می کند که شرکت های کوچک بتوانند در آن نوآوری کنند. کشورهای فقیرتر با زیرساخت های بهداشتی کمتر توسعه یافته از معرفی ابزارهای جدید مانند دستگاه های سونوگرافی قابل حمل برای زنان در حال زایمان بهره مند خواهند شد.
موضوع نهایی شامل نهادها و مشوق ها می شود. هوش مصنوعی وعده کاهش هزینه‌های پزشکی با کمک یا جایگزینی کارکنان، بهبود بهره‌وری، کاهش خطاها و کاهش هزینه‌ها در عین بهبود مراقبت‌های پزشکی را می‌دهد. جهان ممکن است تا سال ۲۰۳۰ با کمبود ۱۰ میلیون کارمند بهداشتی مواجه شود که حدود ۱۵ درصد از نیروی کار امروزی است.
با این حال، صرفه جویی در پول از طریق نوآوری دشوار است. سیستم های بهداشتی برای بهبود مراقبت ساخته شده اند، نه برای کاهش هزینه ها. فناوری های جدید حدود نیمی از رشد سالانه هزینه های مراقبت های بهداشتی را تشکیل می دهند و سیستم های جدید هزینه ها و پیچیدگی را افزایش می دهند. اما طراحی مجدد فرآیندها برای استفاده موثر از هوش مصنوعی احتمالاً با مقاومت بیماران و پزشکان مواجه خواهد شد. در حالی که هوش مصنوعی ممکن است بتواند بیماران را از طریق تلفن تریاژ کند یا نتایج معمولی ارائه دهد، ممکن است بخواهند شخصاً دیده شوند.
بدتر از آن، بسیاری از سیستم های مراقبت های بهداشتی، مانند آمریکا، به حجم کاری پاداش می دهند. آنها دلیل کمی برای استفاده از فناوری هایی دارند که تعداد بازدیدها، آزمایش ها یا رویه ها را کاهش می دهد. حتی سیستم‌های مراقبت بهداشتی تحت مدیریت عمومی ممکن است انگیزه‌ای برای استفاده از فناوری‌هایی نداشته باشند که به جای بهبود نتایج، هزینه‌ها را کاهش می‌دهند. شاید به این دلیل که پس انداز پول می تواند منجر به بودجه کمتری در سال آینده شود. تا زمانی که دولت ها نتوانند این مشوق ها را تغییر دهند تا هوش مصنوعی درمان های بهتر را با کارایی های جدید ترکیب کند، نوآوری هزینه ها را افزایش می دهد. بر این اساس، دولت‌ها و مقامات بهداشتی باید طرح‌هایی را که برای آزمایش و استقرار فناوری‌های جدید هوش مصنوعی اختصاص داده شده است، تامین کنند. کشورهایی از جمله آمریکا، بریتانیا و کانادا این راه را هموار کرده اند.
وظیفه دولت ها و نهادهای نظارتی برای تقویت هوش مصنوعی در مراقبت های بهداشتی است. با این حال، شرکت ها نیز نقش مهمی دارند. آنها باید اطمینان حاصل کنند که محصولاتشان ایمن، قابل اعتماد و پاسخگو هستند و مردم همچنان کنترل دارند.
این موانع بسیار بزرگ هستند، اما مزایای بالقوه استفاده از هوش مصنوعی در مراقبت های بهداشتی آنقدر زیاد است که باید بر آنها غلبه کرد. و اگر بتوان از هوش مصنوعی در پزشکی استفاده کرد، می تواند الگویی برای پذیرش این فناوری در سایر زمینه ها باشد.
در این رابطه: