هوش مصنوعی در مراقبت‌های بهداشتی: فرصت‌ها و چالش‌ها در مسیر تحول صنعت سلامت

با گسترش استفاده از ابزارهای مبتنی بر هوش مصنوعی در مراقبت‌های بهداشتی، تحقیق جدید از لوچیا ویتال، دانشجوی دکتری در بخش سیاست دانشگاه کالیفرنیا، سانتا کروز، وضعیت فعلی وعده‌ها و نگرانی‌ها در این زمینه را بررسی می‌کند.

مزایا و چالش‌های هوش مصنوعی در بخش سلامت

طرفداران هوش مصنوعی این فناوری را به عنوان ابزاری برای مدیریت زنجیره‌های تأمین مراقبت‌های بهداشتی، نظارت بر شیوع بیماری‌ها، تشخیص بیماری‌ها، تفسیر تصاویر پزشکی و حتی کاهش شکاف‌های برابری در دسترسی به خدمات درمانی می‌بینند، زیرا می‌تواند کمبود نیروی انسانی در بخش مراقبت‌های بهداشتی را جبران کند. اما برخی دیگر هشدار می‌دهند که مسائلی مانند حقوق حریم خصوصی، تبعیض‌های نژادی و جنسیتی در مدل‌ها، نبود شفافیت در فرآیندهای تصمیم‌گیری هوش مصنوعی که می‌تواند منجر به اشتباهات در مراقبت‌های بیمار شوند، و حتی احتمال استفاده از هوش مصنوعی توسط شرکت‌های بیمه برای تبعیض علیه افراد با سلامت ضعیف، نگرانی‌هایی جدی است.

تأثیر سیاست‌های توسعه هوش مصنوعی

این ابزارها چه تأثیری خواهند داشت، بستگی به شیوه توسعه و استفاده از آنها دارد. در مقاله‌ای برای مجله Social Science & Medicine، ویتال و همکارش، لیا شیپتون، دانشجوی دکتری دانشگاه بریتیش کلمبیا، تجزیه و تحلیل گسترده‌ای از مسیر فعلی هوش مصنوعی در مراقبت‌های بهداشتی انجام داده‌اند. آنها استدلال می‌کنند که هوش مصنوعی در حال تبدیل شدن به جدیدترین پیشرفت فناورانه‌ای است که در نهایت تأثیر محدودی خواهد داشت زیرا درگیر “سیاست اجتناب” است که توجه را از مشکلات ساختاری بنیادی‌تر در بهداشت عمومی جهانی منحرف کرده یا حتی آن را بدتر می‌کند.

نابرابری‌های ساختاری و تأثیرات هوش مصنوعی

برای مثال، مانند بسیاری از مداخلات فناوری در گذشته، بیشتر هوش مصنوعی که برای بهداشت توسعه یافته، بر درمان بیماری تمرکز دارد، در حالی که عوامل زیرین سلامتی را نادیده می‌گیرد. ویتال و شیپتون نگرانند که هیاهو پیرامون ابزارهای اثبات‌نشده هوش مصنوعی ممکن است توجه را از نیاز فوری به اجرای مداخلات مبتنی بر شواهد اما کم‌فناوری مانند کارکنان بهداشت جامعه و برنامه‌های کاهش آسیب منحرف کند.

ویتال گفت: ما این الگو را قبلاً دیده‌ایم. ما همچنان در حال سرمایه‌گذاری در این ‘گلوله‌های نقره‌ای’ فناوری هستیم که عملاً نمی‌توانند بهداشت عمومی را تغییر دهند زیرا با عوامل سیاسی و اجتماعی ریشه‌ای که سلامتی را تعیین می‌کنند، از جمله اولویت‌های سیاست بهداشت، دسترسی به غذاهای سالم و مکان‌های امن برای زندگی، مقابله نمی‌کنند.

پیامدهای جهانی و حقوقی هوش مصنوعی

همچنین، هوش مصنوعی احتمالاً الگوهای آسیب و استثمار را که به طور تاریخی در صنعت بیوفارماسیوتیک رایج بوده، ادامه می‌دهد یا تشدید می‌کند. یکی از مثال‌های مطرح‌شده در مقاله این است که مالکیت و سود ناشی از هوش مصنوعی در حال حاضر در کشورهای با درآمد بالا متمرکز است، در حالی که کشورهای با درآمد پایین تا متوسط که قوانین ضعیفی دارند ممکن است هدف استخراج داده یا آزمایش با استفاده از فناوری‌های جدید پرخطر قرار گیرند.

این مقاله همچنین پیش‌بینی می‌کند که رویکردهای نظارتی سست نسبت به هوش مصنوعی به اولویت‌دهی به حقوق مالکیت معنوی و مشوق‌های صنعت بر دسترسی عمومی منصفانه و مقرون‌به‌صرفه به درمان‌ها و ابزارهای جدید ادامه خواهد داد. و چون انگیزه‌های سود شرکتی همچنان توسعه محصول را هدایت می‌کند، شرکت‌های هوش مصنوعی احتمالاً به روند بلندمدت بخش فناوری بهداشت که نیازهای فقیرترین افراد جهان را نادیده می‌گیرد، ادامه خواهند داد.

راهکارها برای بهبود استفاده از هوش مصنوعی

با این حال، ویتال و شیپتون یک نقطه روشن شناسایی کرده‌اند. هوش مصنوعی می‌تواند به شکستن الگوهای قبلی کمک کند و تأثیر عمیق‌تری ایجاد کند اگر بر بهبود خود سیستم مراقبت‌های بهداشتی تمرکز کند. هوش مصنوعی می‌تواند برای تخصیص منابع به‌طور مؤثرتر در بیمارستان‌ها و برای تریاژ بهتر بیماران استفاده شود. ابزارهای تشخیصی می‌توانند کارایی را افزایش دهند و قابلیت‌های پزشکان عمومی را در بیمارستان‌های کوچک روستایی که متخصص ندارند، گسترش دهند. هوش مصنوعی حتی می‌تواند برخی خدمات بهداشتی اساسی اما ضروری را برای پر کردن شکاف‌های نیروی کار و تخصص، مانند انجام معاینات پیش از تولد در مناطقی که با کمبود خدمات بهداشتی مادرانه روبرو هستند، فراهم کند.

تمام این کاربردها می‌توانند به دسترسی عادلانه‌تر به مراقبت‌های بهداشتی منجر شوند. اما این نتیجه دور از انتظار نیست. بسته به نحوه و مکانی که این فناوری‌ها به کار گرفته شوند، آنها می‌توانند شکاف‌های مراقبتی را پر کنند جایی که کمبود واقعی نیروی کار وجود دارد یا ممکن است به بیکاری یا کار پرخطر برای کارکنان بهداشت موجود منجر شوند. و مگر اینکه علل زیربنایی کمبود کارکنان بهداشتی – از جمله فرسودگی شغلی و “فرار مغزها” به کشورهای با درآمد بالا – برطرف شود، ابزارهای هوش مصنوعی ممکن است در نهایت تشخیص یا شناسایی شیوع بیماری را ارائه دهند که به دلیل کمبود ظرفیت برای پاسخگویی در جوامع، کاربردی نخواهد بود.

لزوم مقررات برای گسترش عادلانه هوش مصنوعی

برای به حداکثر رساندن مزایا و کاهش آسیب‌ها، ویتال و شیپتون استدلال می‌کنند که باید قبل از گسترش بیشتر هوش مصنوعی در بخش بهداشت، مقرراتی وضع شود. با ایجاد حفاظت‌های مناسب، می‌توان هوش مصنوعی را از پیروی از الگوهای مضر گذشته منحرف کرد و مسیر جدیدی ترسیم کرد که اطمینان حاصل کند پروژه‌های آینده با منافع عمومی هماهنگ خواهند بود.

شیپتون گفت: با هوش مصنوعی، ما فرصتی برای اصلاح شیوه حکمرانی فناوری‌های جدید داریم. اما برای این کار به یک دستور کار و چارچوب روشن برای حکمرانی اخلاقی فناوری‌های بهداشت هوش مصنوعی از طریق سازمان جهانی بهداشت، مشارکت‌های بزرگ عمومی-خصوصی که مداخلات بهداشتی را تأمین می‌کنند و کشورهایی مانند ایالات متحده، هند و چین که میزبان شرکت‌های فناوری هستند، نیاز داریم. اجرای این امر نیازمند حمایت مداوم جامعه مدنی خواهد بود.

در کنار بحث سیاست‌گذاری هوش مصنوعی، ارزیابی انطباق ابزارهای پزشکی نیز موضوع مستقلی است. مقاله تفاوت CE و ISO در استانداردهای تجهیزات پزشکی به این بخش از ارزیابی تجهیزات می‌پردازد؛ الزامات تجهیزات پزشکی را نباید بدون بررسی به تمام نرم‌افزارهای هوش مصنوعی تعمیم داد.

:References

Leah Shipton, Lucia Vitale. Artificial intelligence and the politics of avoidance in global health. Social Science & Medicine, ۲۰۲۴; ۳۵۹: ۱۱۷۲۷۴ DOI: ۱۰.۱۰۱۶/j.socscimed.2024.117274

برای آشنایی با نمونه‌ای دیگر از کاربرد هوش مصنوعی در پزشکی، مقاله ابزارهای هوش مصنوعی در درمان بیماران را مطالعه کنید.

یکی از نمونه‌های داده‌محور در حوزه سلامت، سنسورهای پوشیدنی در پایش نشانگرهای سلامت است؛ تحلیل خودکار داده‌ها بدون اعتبارسنجی و نظارت بالینی برای تصمیم پزشکی کافی نیست.

در کنار نرم‌افزارهای هوشمند، توسعه ابزارهای نمونه‌گیری و تشخیص مانند فناوری پچ نانوسوزنی در پژوهش‌های تشخیصی نیز بخشی از تحول فناوری سلامت است؛ هر محصول پژوهشی لزوماً مجوز استفاده بالینی ندارد.

سؤالات متداول درباره هوش مصنوعی در مراقبت‌های بهداشتی

هوش مصنوعی در خدمات درمانی چه کاربردهایی دارد؟

کاربردهای بالقوه آن شامل تحلیل تصاویر، پشتیبانی تصمیم‌گیری، مدیریت فرایندها و کمک به تحلیل داده‌های سلامت است؛ قابلیت‌ها و مجوزها بسته به سامانه متفاوت‌اند.

آیا هوش مصنوعی می‌تواند جایگزین تصمیم پزشک شود؟

خیر. خروجی سامانه‌های هوش مصنوعی باید با هدف کاربرد، عملکرد اعتبارسنجی‌شده و نظارت متخصصان سنجیده شود.

مهم‌ترین چالش هوش مصنوعی پزشکی چیست؟

کیفیت و سوگیری داده‌ها، حفظ حریم خصوصی، شفافیت، ایمنی و ارزیابی عملکرد در گروه‌های مختلف بیمار از چالش‌های اصلی‌اند.