نسل بعدی هوش مصنوعی با سرعت بالایی در پزشکی در حال توسعه است.

در اواخر قرن بیستم، هوش مصنوعی ظهور کرد که توسط مهندسان کامپیوتر بر اساس مجموعه‌ای از دستورالعمل‌ها (قوانین) ساخته شده توسط انسان برنامه‌ریزی می‌شد و به فناوری اجازه می‌داد تا مشکلات اساسی را حل کند.

یادداشت سردبیر: بسیاری از صنایع در عصر اطلاعات تحت تأثیر فناوری‌های جدید قرار گرفته‌اند. با تأثیر اتوماسیون، علوم کامپیوتر و هوش مصنوعی (AI)، نهادهایی مانند پزشکان، بیمارستان‌ها، شرکت‌های بیمه و صنایع مرتبط با مراقبت‌های بهداشتی نیز از این قاعده مستثنی نیستند. با این حال، به طور خاص در مراقبت‌های بهداشتی ، هوش مصنوعی تأثیر مثبت‌تری نسبت به سایر صنایع داشته است.

نسل اول

می‌توان تصور کرد که آموزش هوش مصنوعی در این مرحله مشابه رویکردی است که دانشجویان پزشکی در پیش می‌گیرند؛ به سیستم‌های هوش مصنوعی صدها الگوریتم آموزش داده می‌شود تا علائم بیمار را به تشخیص تبدیل کنند. این اولین نسلی است که اصول مراقبت‌های بهداشتی را در سیستم‌های هوش مصنوعی ادغام می‌کند.

برنامه‌های مبتنی بر هوش مصنوعی، پزشکان را قادر می‌سازند تا به‌روزرسانی‌های اطلاعات پزشکی را به‌صورت بلادرنگ دریافت کنند.

الگوریتم‌های تصمیم‌گیری مانند درختی در حال رشد هستند که از تنه (مشکل بیمار) شروع شده و از آنجا شاخه شاخه می‌شود. به عنوان مثال، اگر بیماری از سرفه شدید شکایت کند، پزشک ابتدا تب را بررسی می‌کند. بسته به اینکه تب وجود دارد یا خیر، دو مجموعه سوال وجود خواهد داشت. از پاسخ اولیه، سوالات بیشتری در مورد وضعیت بیمار مطرح می‌شود. این به نوبه خود منجر به شاخه شاخه شدن بیشتر می‌شود. در نهایت، هر شاخه به یک تشخیص تبدیل می‌شود که می‌تواند از ذات‌الریه باکتریایی، قارچی یا ویروسی گرفته تا سرطان، نارسایی قلبی یا مجموعه‌ای از سایر بیماری‌های ریوی باشد.

در مجموع، نسل اول هوش مصنوعی می‌توانست مشکلات را تشخیص دهد اما هنوز نمی‌توانست سوابق پزشکی را تجزیه و تحلیل و طبقه‌بندی کند. در نتیجه، این شکل اولیه هوش مصنوعی نمی‌توانست به اندازه پزشکانی که علم پزشکی را با شهود و تجربه خود ترکیب می‌کنند، 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

با آغاز قرن بیست و یکم، دوره دوم هوش مصنوعی با هوش مصنوعی محدود (ANI) یا هوش مصنوعی که گروه‌های کاری خاص 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 تعریف شده توسط محققان، سیستم‌های نسل دوم از مجموعه داده‌های عظیم برای تشخیص الگوهایی استفاده می‌کنند که شناسایی آنها برای انسان زمان بسیار زیادی طول می‌کشد.

در یک مثال، محققان هزاران ماموگرافی را به یک سیستم ANI دادند که نیمی از آنها سرطان بدخیم و نیمی دیگر سرطان خوش‌خیم را نشان می‌دادند. این مدل می‌توانست فوراً ده‌ها تفاوت در اندازه، تراکم و سایه در تصاویر اشعه ایکس 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 حدس و گمان (برخی از قوانین سرانگشتی) متکی نیست، بلکه به جای آن به تغییرات ظریف بین یافته‌های بدخیم و طبیعی متکی است که نه رادیولوژیست و نه طراح نرم‌افزار از آنها آگاه نیستند.

برخلاف هوش مصنوعی مبتنی بر قانون، ابزارهای هوش مصنوعی نسل دوم گاهی اوقات در دقت تشخیصی از شهود پزشک پیشی می‌گیرند. با این حال، این نوع هوش مصنوعی محدودیت‌های جدی نیز نشان می‌دهد. اولاً، هر برنامه یک وظیفه خاص دارد. این بدان معناست که 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 سیستم فقط زمانی خوب کار می‌کند که داده‌هایی را که بر اساس آنها آموزش دیده است، داشته باشد. نمونه بارز این ضعف زمانی است که UnitedHealthcare برای شناسایی ضعیف‌ترین بیماران و ارائه خدمات پزشکی اضافی به آنها به هوش مصنوعی محدود متکی بود. محققان بعداً هنگام فیلتر کردن داده‌ها متوجه شدند که هوش مصنوعی یک فرض مضر داشته است. بیماران صرفاً به این دلیل سالم تشخیص داده می‌شدند که سوابق پزشکی آنها نشان می‌داد مراقبت‌های پزشکی کمی دریافت کرده‌اند، در حالی که بیمارانی که مراقبت‌های پزشکی بیشتری دریافت کرده‌اند، از نظر سلامتی دست کم گرفته شده‌اند...

نسل بعدی هوش مصنوعی همچنین به افراد این امکان را می‌دهد که بیماری‌ها را تشخیص داده و مانند هر پزشکی، درمان‌ها را برنامه‌ریزی کنند. در حال حاضر، ابزار تولید شده توسط هوش مصنوعی گوگل (MED-PALM2) آزمون صدور مجوز پزشکی را با نمره‌ای در سطح متخصص 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 هنوز قادر به جایگزینی پزشکان نیستند. اما با نرخ رشد نمایی فعلی، انتظار می‌رود این برنامه‌ها در پنج سال آینده حداقل 30 برابر قدرتمندتر شوند. پیش‌بینی می‌شود که نسل‌های آینده ابزارهایی مانند ChatGPT، تخصص پزشکی را برای همه به ارمغان بیاورند و اساساً رابطه بین پزشکان و بیماران را تغییر دهند.

گردآوری شده توسط ویت لو

منبع