نسل‌های هوش مصنوعی به سرعت در پزشکی توسعه می‌یابند

هوش مصنوعی که در اواخر قرن بیستم توسط مهندسان کامپیوتر برنامه‌ریزی شد، بر اساس مجموعه‌ای از دستورالعمل‌ها (قوانین) ایجاد شده توسط انسان‌ها متولد شد و به فناوری اجازه داد تا مشکلات اساسی را حل کند.

یادداشت سردبیر: صنایع زیادی وجود دارند که در عصر اطلاعات تحت تأثیر فناوری‌های جدید قرار می‌گیرند. با تأثیر اتوماسیون، علوم کامپیوتر، هوش مصنوعی (AI)، موضوعاتی مانند پزشکان، بیمارستان‌ها، شرکت‌های بیمه و صنایع مرتبط با مراقبت‌های بهداشتی نیز از این قاعده مستثنی نیستند. اما به طور خاص، در حوزه سلامت ، هوش مصنوعی تأثیر مثبت‌تری نسبت به سایر صنایع دارد.

نسل اول

نحوه آموزش هوش مصنوعی در این زمان را می‌توان مشابه رویکرد دانشجویان پزشکی تصور کرد، به سیستم‌های هوش مصنوعی صدها الگوریتم نیز آموزش داده می‌شود تا علائم بیمار را به تشخیص تبدیل کنند. این اولین نسل از قوانین مراقبت‌های بهداشتی است که در سیستم‌های هوش مصنوعی گنجانده شده است.

برنامه‌های هوش مصنوعی مولد به پزشکان کمک می‌کنند تا اطلاعات را در لحظه به‌روزرسانی کنند

الگوریتم‌های تصمیم‌گیری مانند یک درخت رشد می‌کنند، از تنه (مشکل بیمار) شروع می‌شوند و از آنجا شاخه شاخه می‌شوند. به عنوان مثال، اگر بیماری از سرفه شدید شکایت کند، پزشک ابتدا می‌پرسد که آیا تب دارد یا خیر. دو مجموعه سوال وجود خواهد داشت، تب/بدون تب. پاسخ‌های اولیه منجر به سوالات بیشتر در مورد وضعیت می‌شود. این منجر به شاخه‌های بیشتر می‌شود. در نهایت، هر شاخه یک تشخیص است که می‌تواند از ذات‌الریه باکتریایی، قارچی یا ویروسی گرفته تا سرطان، نارسایی قلبی یا ده‌ها بیماری ریوی دیگر را شامل شود.

به طور کلی، نسل اول هوش مصنوعی می‌توانست مشکلات را تشخیص دهد اما نمی‌توانست سوابق پزشکی را تجزیه و تحلیل و طبقه‌بندی کند. در نتیجه، اشکال اولیه هوش مصنوعی نمی‌توانست به اندازه پزشکانی که علم پزشکی را با شهود و تجربه خود ترکیب می‌کردند، دقیق باشد. و به دلیل این محدودیت‌ها، هوش مصنوعی مبتنی بر قانون به ندرت در عمل بالینی در زمان‌های دیگر مورد استفاده قرار می‌گرفت.

اتوماسیون کامل

در اوایل قرن بیست و یکم، دوره دوم هوش مصنوعی با هوش مصنوعی محدود (ANI) یا هوش مصنوعی که مجموعه‌های خاصی از وظایف را حل می‌کند، آغاز شد. ظهور شبکه‌های عصبی که ساختار مغز انسان را تقلید می‌کنند، راه را برای فناوری یادگیری عمیق هموار کرد. ANI بسیار متفاوت از پیشینیان خود عمل می‌کند. به جای ارائه قوانین از پیش تعیین شده توسط محققان، سیستم‌های نسل دوم از مجموعه داده‌های عظیمی برای تشخیص الگوهایی استفاده می‌کنند که انجام آنها برای انسان زمان زیادی می‌برد.

در یک مثال، محققان هزاران ماموگرافی را به یک سیستم ANI دادند که نیمی از آنها سرطان‌های بدخیم و نیمی دیگر سرطان‌های خوش‌خیم را نشان می‌دادند. این مدل توانست فوراً ده‌ها تفاوت در اندازه، تراکم و سایه ماموگرافی‌ها را شناسایی کند و به هر تفاوت یک عامل تأثیرگذار اختصاص دهد که احتمال بدخیمی را منعکس می‌کند. نکته مهم این است که این نوع هوش مصنوعی مانند انسان‌ها به اکتشافات (قوانین سرانگشتی) متکی نیست، بلکه به تغییرات ظریف بین معاینات بدخیم و طبیعی متکی است که هم برای رادیولوژیست و هم برای طراح نرم‌افزار ناشناخته است.

برخلاف هوش مصنوعی مبتنی بر قانون، ابزارهای هوش مصنوعی نسل دوم گاهی اوقات در دقت تشخیصی از شهود انسان پیشی می‌گیرند. با این حال، این نوع هوش مصنوعی محدودیت‌های جدی نیز دارد. اولاً، هر کاربرد مختص به وظیفه است. یعنی سیستمی که برای خواندن ماموگرافی آموزش دیده است، نمی‌تواند اسکن مغز یا عکس‌برداری با اشعه ایکس قفسه سینه را تفسیر کند. بزرگترین محدودیت ANI این است که این سیستم فقط به اندازه داده‌هایی که بر اساس آنها آموزش دیده است، خوب است. نمونه بارز این ضعف زمانی بود که UnitedHealthcare برای شناسایی بیماران بدحال و ارائه خدمات پزشکی اضافی به آنها به هوش مصنوعی محدود متکی بود. وقتی محققان داده‌ها را بررسی کردند، دریافتند که هوش مصنوعی فرض مضری را مطرح کرده است. بیماران صرفاً به این دلیل سالم تشخیص داده می‌شدند که در پرونده‌های پزشکی خود مراقبت‌های پزشکی کمی دریافت کرده بودند، در حالی که بیمارانی که از مراقبت‌های پزشکی زیادی استفاده می‌کردند، ناسالم تشخیص داده می‌شدند.

نسل‌های آینده هوش مصنوعی همچنین افراد را قادر می‌سازد تا مانند هر پزشکی، بیماری‌ها را تشخیص داده و درمان‌ها را برنامه‌ریزی کنند. در حال حاضر، یک ابزار هوش مصنوعی مولد (MED-PALM2 گوگل) آزمون صدور مجوز پزشکی را با نمره کارشناسی گذرانده است. بسیاری از ابزارهای هوش مصنوعی پزشکی دیگر اکنون می‌توانند تشخیص‌هایی مشابه تشخیص پزشکان بنویسند. با این حال، این مدل‌ها هنوز به نظارت پزشک نیاز دارند و بعید است که جایگزین پزشکان شوند. اما با نرخ رشد نمایی فعلی آنها، انتظار می‌رود این برنامه‌ها در 5 سال آینده حداقل 30 برابر قدرتمندتر شوند. پیش‌بینی می‌شود نسل‌های آینده ابزارهایی مانند ChatGPT تخصص پزشکی را در اختیار همه قرار دهند و اساساً رابطه پزشک و بیمار را تغییر دهند.

گردآوری شده توسط ویت لو

منبع