تاریخ انتشار : ۱۴۰۰/۰۶/۲۹ ساعت ۱۴:۱۲
کد مطلب : ۲۹۵۲۰۳
مزایا و معایب هوش مصنوعی در عرصه پزشکی
گروه علمی:کارشناسان معتقدند هوش مصنوعی در پزشکی می‌تواند درمان بیماری‌ها را تسهیل کند اما بسیاری از افراد به آن اعتمادی ندارند.از میان تمام رشته‌هایی که انتظار می‌رود در طی دهه آینده هوش مصنوعی در آن‌ها نفوذ کند، شاید هیچ کدام مهم‌تر از مراقبت‌های بهداشتی نباشد. از تشخیص زود هنگام تا انجام عمل جراحی به کمک روبات؛ انتظار می‌رود که هوش مصنوعی به طرق مختلف سلامتی ما را افزایش دهد.اما هوش مصنوعی این پتانسیل را دارد که آسیب بزرگی به بار آورد. بدن انسان یک توده چرخشی از فرآیند‌های زیستی، شیمیایی و حتی الکتریکی است و دارای ساختار‌ها و فیزیولوژی‌های متنوعی است که هیچ یک از آن‌ها دقیقاً شبیه هم نیستند. بیش از هر صنعت دیگری، بهداشت و درمان باید با دقت در زمینه استفاده از هوش مصنوعی قدم بردارد تا این اطمینان حاصل شود که نتایج منفی به حداقل می‌رسند.
البته، زمانی زیادی لازم است تا به روبات‌ها اجازه دهیم در تصمیم گیری‌های مربوط به سلامتی ما شرکت کنند. طبق بررسی دانشکده محاسبات و انفورماتیک دانشگاه Drexel، هوش مصنوعی می‌تواند اطلاعات و تجزیه و تحلیل زمان واقعی در مورد مسائل پزشکی را در اختیار پزشکان قرار دهد و همچنین بسیاری از کار‌های وقت‌گیر را که مانع روند مراقبت‌های بهداشتی می‌شوند، مانند بیمه، ارائه دهد.
همچنین هوش مصنوعی می‌تواند نیاز به منابع فراوان را که در حال حاضر روند مراقبت‌های بهداشتی را مسدود کرده و افزایش هزینه‌ها را به دنبال دارد را تاحدی کاهش دهد.طبق گفته‌های، Vinod Saratchandran، رهبر تیم Fingent، هوش مصنوعی بیشترین تاثیر را بر دو عملکرد کلیدی پزشکی دارد. برای مثال هوش مصنوعی نه تنها می‌تواند جزئیات دقیق را مشخص کند بلکه قابلیت تشخیص ناهنجاری‌ها را دارد.
در آینده، ما می‌توانیم انتظار داشته باشیم که هوش مصنوعی در حوزه‌های کشف دارو، ردیابی بیماری همه‌گیر و پیش‌گیری و حتی مراقبت‌های اولیه مستقیم نقش مهمی ایفا کند.اما نکته منفی این واقعیت است که حتی هوش مصنوعی نیز کامل نیست در نتیجه اشتباهات غم انگیزی رخ می‌دهد. هوش مصنوعی نه تنها توسط داده‌هایی که در هنگام برنامه ریزی برای دستیابی به آن دسترسی داشته باشد، محدود می‌شود، بلکه در معرض نقض امنیت نیز قرار دارد و نشان داده شده است که همان تعصبات اجتماعی را که انسان‌ها دارند، نشان می‌دهد.
یک مشکل بالقوه دیگر این واقعیت این است که فرآیند‌های تصمیم‌گیری که اغلب توسط الگوریتم‌های هوش مصنوعی به کار گرفته می‌شوند، در بهترین حالت مات هستند. سازمان جهانی بهداشت به تازگی این فقدان شفافیت را به عنوان یکی از ضعف‌های کلیدی در هوش مصنوعی ذکر کرده و پتانسیل تصمیمات نادرست پزشکی را به عنوان یک نگرانی مهم مطرح کرده است.
به گفته جیسون اچ مور، رئیس موسسه اطلاعات پزشکی در دانشگاه پنسیلوانیا، نرم افزار‌های هوش مصنوعی توسط نهاد‌های تجاری توسعه داده می‌شود که منافع خود را حفظ می‌کنند، اما این می‌تواند اعتماد مورد نیاز بیماران را از بین ببرد.در زمینه مراقبت‌های پزشکی بیماران تمایل کمی به انتخاب هوش مصنوعی نسبت به یک پزشک انسانی دارند، زیرا یک پزشک انسانی توانایی ارائه توضیحات روشنی در مورد آنچه را که می‌خواهد انجام دهند را دارد؛ بنابراین این عدم شفافیت‌ها در برخی موارد باعث شکست‌های در راه حل‌های سلامت مبتنی بر هوش مصنوعی می‌شود.
در حال حاضر، این عدم شفافیت منجر به شکست‌های شرم‌آور در راه‌حل‌های سلامت ناشی از هوش مصنوعی می‌شود.در یک مورد، که به تازگی مورد توجه قرار گرفت، سیستم‌های اپیک، بزرگ‌ترین شرکت ثبت سلامت در آمریکا، ادعا کرده است که الگوریتم‌های هوشمند اختصاصی آزمایش‌هایش در بیماران با دقت ۸۳ درصد تشخیص داده شدند. اما هنگامی که مجله انجمن پزشکی آمریکا نتایج یک بیمارستان را در دانشگاه میشیگان بررسی کرد، سیستم نتوانست ۶۷ درصد موارد sepsis را شناسایی کند و از مواردی که سیستم شناسایی کرد، ۸۸ درصد به اشتباه مثبت کاذب و "خستگی هشدار دهنده" در میان کارکنان پزشکی تبدیل شدند.خبر خوب این است که این مسائل قابل حل هسستند. همان طور که الگوریتم‌ها بیشتر می‌شوند و به همان اندازه بیماران و پزشکان یاد می‌گیرند چه انتظاری از هوش مصنوعی داشته باشند.
البته، زمانی زیادی لازم است تا به روبات‌ها اجازه دهیم در تصمیم گیری‌های مربوط به سلامتی ما شرکت کنند. طبق بررسی دانشکده محاسبات و انفورماتیک دانشگاه Drexel، هوش مصنوعی می‌تواند اطلاعات و تجزیه و تحلیل زمان واقعی در مورد مسائل پزشکی را در اختیار پزشکان قرار دهد و همچنین بسیاری از کار‌های وقت‌گیر را که مانع روند مراقبت‌های بهداشتی می‌شوند، مانند بیمه، ارائه دهد.
همچنین هوش مصنوعی می‌تواند نیاز به منابع فراوان را که در حال حاضر روند مراقبت‌های بهداشتی را مسدود کرده و افزایش هزینه‌ها را به دنبال دارد را تاحدی کاهش دهد.طبق گفته‌های، Vinod Saratchandran، رهبر تیم Fingent، هوش مصنوعی بیشترین تاثیر را بر دو عملکرد کلیدی پزشکی دارد. برای مثال هوش مصنوعی نه تنها می‌تواند جزئیات دقیق را مشخص کند بلکه قابلیت تشخیص ناهنجاری‌ها را دارد.
در آینده، ما می‌توانیم انتظار داشته باشیم که هوش مصنوعی در حوزه‌های کشف دارو، ردیابی بیماری همه‌گیر و پیش‌گیری و حتی مراقبت‌های اولیه مستقیم نقش مهمی ایفا کند.اما نکته منفی این واقعیت است که حتی هوش مصنوعی نیز کامل نیست در نتیجه اشتباهات غم انگیزی رخ می‌دهد. هوش مصنوعی نه تنها توسط داده‌هایی که در هنگام برنامه ریزی برای دستیابی به آن دسترسی داشته باشد، محدود می‌شود، بلکه در معرض نقض امنیت نیز قرار دارد و نشان داده شده است که همان تعصبات اجتماعی را که انسان‌ها دارند، نشان می‌دهد.
یک مشکل بالقوه دیگر این واقعیت این است که فرآیند‌های تصمیم‌گیری که اغلب توسط الگوریتم‌های هوش مصنوعی به کار گرفته می‌شوند، در بهترین حالت مات هستند. سازمان جهانی بهداشت به تازگی این فقدان شفافیت را به عنوان یکی از ضعف‌های کلیدی در هوش مصنوعی ذکر کرده و پتانسیل تصمیمات نادرست پزشکی را به عنوان یک نگرانی مهم مطرح کرده است.
به گفته جیسون اچ مور، رئیس موسسه اطلاعات پزشکی در دانشگاه پنسیلوانیا، نرم افزار‌های هوش مصنوعی توسط نهاد‌های تجاری توسعه داده می‌شود که منافع خود را حفظ می‌کنند، اما این می‌تواند اعتماد مورد نیاز بیماران را از بین ببرد.در زمینه مراقبت‌های پزشکی بیماران تمایل کمی به انتخاب هوش مصنوعی نسبت به یک پزشک انسانی دارند، زیرا یک پزشک انسانی توانایی ارائه توضیحات روشنی در مورد آنچه را که می‌خواهد انجام دهند را دارد؛ بنابراین این عدم شفافیت‌ها در برخی موارد باعث شکست‌های در راه حل‌های سلامت مبتنی بر هوش مصنوعی می‌شود.
در حال حاضر، این عدم شفافیت منجر به شکست‌های شرم‌آور در راه‌حل‌های سلامت ناشی از هوش مصنوعی می‌شود.در یک مورد، که به تازگی مورد توجه قرار گرفت، سیستم‌های اپیک، بزرگ‌ترین شرکت ثبت سلامت در آمریکا، ادعا کرده است که الگوریتم‌های هوشمند اختصاصی آزمایش‌هایش در بیماران با دقت ۸۳ درصد تشخیص داده شدند. اما هنگامی که مجله انجمن پزشکی آمریکا نتایج یک بیمارستان را در دانشگاه میشیگان بررسی کرد، سیستم نتوانست ۶۷ درصد موارد sepsis را شناسایی کند و از مواردی که سیستم شناسایی کرد، ۸۸ درصد به اشتباه مثبت کاذب و "خستگی هشدار دهنده" در میان کارکنان پزشکی تبدیل شدند.خبر خوب این است که این مسائل قابل حل هسستند. همان طور که الگوریتم‌ها بیشتر می‌شوند و به همان اندازه بیماران و پزشکان یاد می‌گیرند چه انتظاری از هوش مصنوعی داشته باشند.
پربينندهترين مطالب و خبرها
