هوش مصنوعی حتی می‌تواند به بشریت کمک کند تا به مسیر خود برای دستیابی به هدف توسعه پایدار سازمان ملل متحد مبنی بر پوشش همگانی سلامت تا سال ۲۰۳۰ بازگردد.

مسابقه هوش مصنوعی.jpg
هوش مصنوعی در ارزیابی نیاز به آمبولانس کمک می‌کند. عکس: Weforum.org

با این حال، بر اساس گزارش مجمع جهانی اقتصاد با عنوان «آینده مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی: پیشرو بودن» و با وجود پیشرفت‌های سریع فناوری، بخش مراقبت‌های بهداشتی در مقایسه با سایر صنایع، در پذیرش هوش مصنوعی «پایین‌تر از حد متوسط» است.

طبق این گزارش، «تحول مبتنی بر هوش مصنوعی فقط به معنای پذیرش ابزارهای جدید نیست، بلکه مستلزم بازنگری در کل شیوه ارائه و دسترسی به مراقبت‌های بهداشتی است.»

با توجه به اینکه پیش‌بینی می‌شود بازار مراقبت‌های بهداشتی تولید شده توسط هوش مصنوعی امسال به ۲.۷ میلیارد دلار و تا سال ۲۰۳۴ به نزدیک به ۱۷ میلیارد دلار برسد، در اینجا به برخی از راه‌هایی که هوش مصنوعی صنعت مراقبت‌های بهداشتی را متحول می‌کند، اشاره می‌کنیم:

هوش مصنوعی می‌تواند تصاویر مغز را تجزیه و تحلیل کند.

یک نرم‌افزار هوش مصنوعی جدید در تجزیه و تحلیل تصاویر مغز بیماران سکته مغزی، دو برابر دقیق‌تر از متخصصان عمل می‌کند. دو دانشگاه در بریتانیا این نرم‌افزار را با ۸۰۰ اسکن مغزی آموزش دادند و سپس آن را روی ۲۰۰۰ بیمار آزمایش کردند. نتایج چشمگیر بود. این نرم‌افزار علاوه بر دقت بالا، توانست بازه زمانی وقوع سکته مغزی را نیز شناسایی کند - عاملی حیاتی برای پزشکان.

پاول بنتلی، متخصص مغز و اعصاب، به روزنامه Health Tech گفت: «در اکثر قریب به اتفاق سکته‌های مغزی ناشی از لخته شدن خون، اگر بیماران ظرف ۴.۵ ساعت پس از سکته به بیمارستان برسند، واجد شرایط دریافت دارو و جراحی هستند. ظرف ۶ ساعت، جراحی هنوز امکان‌پذیر است، اما پس از آن، تصمیم‌گیری‌های درمانی دشوارتر می‌شود زیرا بسیاری از موارد برگشت‌ناپذیر هستند. بنابراین، تعیین دقیق زمان شروع و پتانسیل بهبودی بسیار مهم است.»

هوش مصنوعی شکستگی استخوان را بهتر از انسان تشخیص می‌دهد.

استفاده از هوش مصنوعی برای تجزیه و تحلیل اولیه می‌تواند به جلوگیری از عکسبرداری‌های غیرضروری با اشعه ایکس و به حداقل رساندن خطر از دست رفتن شکستگی‌ها کمک کند. موسسه ملی تعالی سلامت و مراقبت (NICE) در بریتانیا می‌گوید این فناوری ایمن و قابل اعتماد است و می‌تواند تعداد ویزیت‌های پیگیری را کاهش دهد.

ارزیابی نیازهای آمبولانس با استفاده از هوش مصنوعی

در بریتانیا، هر ماه حدود ۳۵۰ هزار نفر با آمبولانس به بیمارستان منتقل می‌شوند. تصمیم در مورد اینکه چه کسی باید به بیمارستان دیگری منتقل شود، با توجه به کمبود مداوم تخت‌های بیمارستانی، بر عهده کادر پزشکی پیش‌بیمارستانی است. مطالعه‌ای در یورکشایر (شمال انگلستان) نشان داد که در ۸۰٪ موارد، هوش مصنوعی می‌تواند به طور دقیق پیش‌بینی کند که کدام بیماران نیاز به انتقال دارند. مدل هوش مصنوعی بر اساس عواملی مانند تحرک، ضربان قلب، سطح اکسیژن خون و درد قفسه سینه آموزش دیده بود - به ویژه اینکه هوش مصنوعی در پردازش داده‌های خود هیچ گونه سوگیری نشان نداد.

تشخیص زودهنگام بیش از ۱۰۰۰ بیماری

یک مدل یادگیری ماشینی جدید از شرکت آسترازنکا (AstraZeneca) این پتانسیل را دارد که بیماری را قبل از بروز هرگونه علائمی در بیماران تشخیص دهد. این مدل بر اساس داده‌های پزشکی ۵۰۰۰۰۰ نفر در یک پایگاه داده پزشکی در بریتانیا، می‌تواند «با اطمینان بالا تشخیص را سال‌ها بعد پیش‌بینی کند».

مطالعه دیگری در بریتانیا نشان داد که یک ابزار هوش مصنوعی می‌تواند ۶۴ درصد از ضایعات مغزی ناشی از صرع را که رادیولوژیست‌ها قبلاً از دست داده بودند، تشخیص دهد. این هوش مصنوعی که با بیش از ۱۱۰۰ اسکن MRI از بزرگسالان و کودکان در سراسر جهان آموزش دیده است، نه تنها ضایعات را سریع‌تر تشخیص می‌دهد، بلکه ضایعات بسیار کوچک یا پنهانی را که برای چشم انسان نامرئی هستند، نیز شناسایی می‌کند.

چت‌بات‌های پزشکی از تصمیم‌گیری بالینی پشتیبانی می‌کنند.

پزشکان باید تصمیمات سریع و دقیقی بگیرند و اگرچه هوش مصنوعی می‌تواند به سرعت بخشیدن به این روند کمک کند، اما خطر ارائه اطلاعات نادرست یا جانبدارانه را نیز به همراه دارد.

یک مطالعه در ایالات متحده نشان داد که مدل‌های زبان بزرگ استاندارد (LLM) مانند ChatGPT، Claude یا Gemini نمی‌توانند پاسخ‌های کامل و مبتنی بر علم را در اختیار پزشکان قرار دهند. با این حال، ChatRWD - یک سیستم مولد با بازیابی اطلاعات پیشرفته - عملکرد بهتری داشت و ۵۸٪ از پاسخ‌ها مفید بودند (در مقایسه با ۲٪ تا ۱۰٪ از LLM های معمولی).

رابط‌های دیجیتال نیز برای پشتیبانی از اولویت‌بندی بیماران به کار گرفته می‌شوند. گزارش سال ۲۰۲۴ از ابتکار تحول سلامت دیجیتال مجمع جهانی اقتصاد بیان می‌کند که پلتفرم بیمار دیجیتال هوما می‌تواند به کاهش ۳۰ درصدی نرخ بستری مجدد، کاهش زمان بررسی پزشک تا ۴۰ درصد و «کاهش حجم کار کارکنان مراقبت‌های بهداشتی» کمک کند.

این گزارش پیش‌بینی می‌کند که فناوری‌های آینده «تجربه مراقبت‌های بهداشتی را برای بیماران به طرز چشمگیری تغییر خواهند داد. افراد سالم می‌توانند از دستگاه‌های نظارتی برای بهینه‌سازی سلامت جسمی و روانی خود استفاده کنند، در حالی که افراد دارای مشکلات سلامتی به طیف وسیعی از راه‌حل‌های دیجیتال دسترسی خواهند داشت.»

(طبق Weforum.org)

منبع: https://vietnamnet.vn/cach-ai-dang-lam-thay-doi-nganh-y-te-2386768.html