نقش هوش مصنوعی و رباتیک در آینده سیستم سلامت

هوش مصنوعی در حال تبدیل شدن به قوی‌ترین اهرم انسان در فرایند‌های پزشکی و سیستم سلامت است. از یافتن پیوندهای جدید بین کدهای ژنتیکی تا ساخت ربات‌های دستیار، هوش مصنوعی زندگی بیماران، پزشکان و مدیران بیمارستانی را ساده‌تر کرده است. این سیستم مدرن، قدرت خود را از ماشین‌هایی می‌گیرد که قادر به تصور، درک، یادگیری و انجام امور مشابه با، یا بهتر از، انسان هستند. هوش مصنوعی و رباتیک، قابلیت‌های تحول‌آفرینی برای عرضه در سیستم‌های سلامت دارند؛ هر دو فناوری، به بخش‌هایی اساسی از فرایندهای مراقبت بهداشتی تبدیل شده‌اند. ربات‌ها فعالیت‌های پزشکی را به شکلی کارآمدتر، سریع‌تر و با هزینه‌ای کمتر نسبت به نیروی انسانی انجام می‌دهند. همچنین، هوش مصنوعی، با قدرت از ابزارهایی چون یادگیری ماشین، مرز بین مرگ و زندگی را در فرایندهای تشخیص و تجویز بازی می‌کند. در ادامه و در 8 بخش مجزا، به فرایند الحاق هوش مصنوعی و رباتیک به سیستم سلامت می‌پردازیم.  

حفظ سلامتی

یکی از مهمترین پتانسیل‌های هوش مصنوعی، کمک به انسان‌ها برای حفظ سلامتی و کاهش حداکثری نیاز به مراجعه به پزشک است. در حال حاضر اپلیکیشن‌های زیادی طراحی شده‌اند که با استفاده از هوش مصنوعی و اینترنت اشیاء پزشکی، به کاربر کمک می‌کنند که آگاهی نسبی از وضعیت سلامت خود داشته باشد. این اپلیکیشن‌ها چنان طراحی شده‌اند که شخص را به انجام فعالیت‌های مفید برای سلامتی او تشویق کنند. به‌طور ویژه، اپلیکیشن‌های سلامتی، به کاربر امکان کنترل وضعیت سلامت خود را می‌دهند. علاوه بر این، هوش مصنوعی، با ارائه الگوهای رفتاری روزانه به متخصصان سلامت، این امکان را فراهم می‌کنند تا سیستم سلامت به مراجعان خود راهنمایی‌، پشتیبانی و مشاوره بهتری را ارائه دهد. بنابر تحقیق انجام شده در آمریکا، 85 درصد مردم این کشور گوشی موبایل هوشمند دارند. از بین این افراد، 35 درصد آنها، حداقل از یکی از 350 هزار اپلیکیشن سلامت محور موجود استفاده می‌کنند. در 5 سال‌ اخیر، تولید اپلیکیشن‌های سلامت محور، 50 درصد افزایش یافته است. همچنین، به طور میانگین 62 درصد مردم حداقل یک اپلیکیشن با موضوع سلامتی نصب کرده‌اند. استفاده 90 درصدی پزشکان از گوشی‌های همراه، به عنوان یک ابزار ثبت امور و تشخیص پزشکی،  را به این ارقام بیافزایید. 74 درصد مردم بر این باورند که استفاده از این‌گونه اپلیکیشن‌ها کمک شایانی به حفظ سلامتی آنها کرده است. رقم مشابهی از اپلیکیشن‌های سلامت محور فعال در ایران، نشان از پتانسیل و حجم داده‌‌ای مطلوب برای بهره‌گیری از این اپلیکیشن‌ها در پیشگیری بیماری در کشور دارد. به‌طور ویژه، در همه‌گیری کرونا، ردیابی افراد مشکوک از طریق اپلیکیشن‌های نصب شده روی گوشی‌های آنها، از مهمترین ابزارهای کنترل بیماری بود که می‌توانست کمک شایانی به  کنترل این بیماری در ایران کند.  

تشخیص زودهنگام

امروزه هوش مصنوعی یکی از کارآمدترین ابزارهای تشخیص زودهنگام بیمارهایی مثل سرطان است. بر اساس تحقیق انجمن سرطان آمریکا، تشخیص نادرست ماموگرافی باعث شده که به 50 درصد از زنانی که برای بررسی اولیه مراجعه می‌کنند، به غلط عنوان شود که سرطان دارند. دقت 99 درصدی ابزارهای هوش مصنوعی، بهترین راه‌حل برای اجتناب از چنین اشتباهات مهلک پزشکی است. از تجهیزات پوشیدنی تجهیزشده با فناوری هوش مصنوعی برای تشخیص زودهنگام بیماری‌های قلبی و تهدیدات پنهان برای این بیماران استفاده می‌شود. به عنوان مثال، تراشه‌های مورد استفاده در تشخیص و تنظیم ضربان قلب، هرگونه اختلال ناگهانی و ادامه‌دار را رصد و گزارش می‌دهند. در تحقیقی که دانشگاه هاروارد انجام داد، یک برنامه هوش مصنوعی توانست با دقت 92 درصدی، گونه‌ی خاصی از سرطان را تشخیص دهد. ترکیب نتایج این برنامه با تشخیص تجربی یک آسیب‌شناس، نتیجه‌ای 99.5 درصدی در تشخیص سرطان داشت.  

تشخیص

شرکت IBM سامانه‌ای تحت عنوان Watson طراحی کرده است که به سازمان‌های سلامت این امکان را می‌دهد تا از به‌روزترین دستاوردهای تکنولوژی و بخصوص هوش مصنوعی، در تشخیص بیماری‌های مختلف استفاده کنند. Watson می‌تواند اطلاعات پزشکی حاصل از مجله‌های پزشکی، مطالعات موردی و هرگونه داده متناسب با هر بیماری را دریافت و در تشخیص موارد جدید به کار ببندد. برنامه DeepMind گوگل سامانه‌ای است که توسط این شرکت و برای همکاری با پزشکان، محققان و بیماران، در امر تشخیص و درمان بیماری‌ها، طراحی شده است. در این فناوری، یادگیری ماشین و علوم اعصاب سیستمی باهم ترکیب می‌شوند تا الگوریتم‌های شبکه عصبی قدرتمندی تولید شوند که قابلیت‌های مغز انسان را تقلید می‌کنند.  

تصمیم‌گیری

با وجود قابلیت‌های غیرقابل انکار و روزافزون هوش مصنوعی، همچنان فناوری‌های متاثر از آن، مرجع تصمیم‌گیری نهایی در مسائل پزشکی نیستند. در واقع، اصلی‌ترین کاربرد هوش مصنوعی در موارد پزشکی، کمک به تصمیم‌گیری درباره روند تشخیص و درمان بیماری است. به عنوان مثالی از کاربرد هوش مصنوعی در تصمیم‌گیری پزشکی،  CDSSها را معرفی می‌کنیم که سیستم‌های مبتنی بر منطق فازی، شبکه‌های عصبی مصنوعی، شبکه‌های بیزی و تکنیک‌های یادگیری ماشین هستند. در حال حاضر، به‌طور ویژه در کشورهای توسعه یافته، CDSS به عنوان الگوریتم‌های با قابلیت یادگیری، در تصمیم‌گیری‌های پزشکان تاثیر بسزایی دارند. این الگوریتم‌ها نمونه‌های موفق تشخیص و درمان را دریافت و با استفاده از تکنیک‌های داده‌کاوی، مراحل درمانی را پیشنهاد می‌دهند.  

درمان

وقتی حرف از درمان به میان می‌آید، پزشکان و حتی بیماران، علاقمندند که طیف وسیعی از راه‌حل‌ها را بررسی کنند تا بهترین آنها را به عنوان روند درمان بیماری پیش بگیرند. اگرچه تجربه و مطالعات تئوریک کمک شایانی به این مهم می‌کند، اما دایره وسیع انواع بیماران با خصوصیات مختلف و دگرگون شدن بیماری در افراد، باعث شده است که نیاز به تحلیل‌های پیچیده و استفاده از تکنیک‌هایی چون یادگیری عمیق امری حتمی شود. تکنیک جدیدی از یادگیری عمیق تحت عنوان G-Net، توسط محققان دانشگاه MIT و شرکت IBM، به پزشکان این امکان را می‌دهد که روند بیماری را در افراد مختلف شبیه‌سازی کنند و نتیجه درمان‌های مختلف را بر بیمار موردنظر، قبل از شروع فرایند واقعی درمان، بررسی کنند. با استفاده از این ابزار هوش مصنوعی، پزشکان قادرند که شبکه‌ای گسترده از سناریوهای مختلف درمان را پیش‌روی خود داشته باشند تا از میان آنها، و نسبت به شرایط بیماری و خصوصیات بیمار، بهترین سناریو را انتخاب کنند. به‌طور ویژه، در شرایط حاد و زمانی که بیمار در بخش مراقبت‌های ویژه است، پزشک باید با بسامدهای زیاد و دقت بالا، تصمیم‌گیری کند. در تحقیق انجام شده، از G-Net به عنوان الگوریتمی برای ساخت سناریوهای درمانی برای اینگونه بیماران استفاده شد. با استفاده از این برنامه، برای هر بیمار، از بین 1000 بیمار مورد بررسی، 100 سناریو درمانی مختلف طراحی شد؛ سناریوهایی که در هر لحظه و باتوجه به نتایج مرحله قبلی درمان، قابل تغییر بودند. جالب اینکه، در اکثر موارد، برنامه روندی درست را برای درمان و حتی نجات بیمار تشخیص می‌داد.  

پایان دروه مراقبت

واضح است که انسان امروزی امید به زندگی بالاتری نسبت به تمام تاریخچه زندگی نسل بشر دارد. با نزدیک‌ شدن به پایان زندگی، شیوه‌های زندگی تغییر می‌کنند، انسان‌ها تنهاتر می‌شوند و شیوه‌های زندگی در سال‌های پایانی زندگی انسان نیز متحول می‌شوند. این طول عمر بالاتر معایب خاص خود را نیز دارد. انسان‌ها، به دلیل کهولت سن، دچار زوال عقل می‌شوند و بیماری‌های قلبی-عروقی و پوکی استخوان سرعت زندگی آنها را کم می‌کند و نیاز به مراقبت‌های همیشگی را افزایش می‌دهد. ربات‌های نسل جدید، با قدرت گرفتن از دانش هوش مصنوعی، قابلیت این را دارند که این سال‌های پایانی زندگی را در خدمت انسان‌های نیازمند باشند. در حال حاضر، بخصوص در کشورهای پیشرفته مثل ژاپن، ربات‌های مراقب در حال تبدیل شدن به پرستارهای 24 ساعته شده‌اند. این ربات‌ها قابلیت انجام امور روزمره اشخاص مسن و تشخیص نیازهای آنها را دارند. به‌طور ویژه، و با استفاده از فناوری‌هایی مثل اینترنت اشیاء، ربات‌ها به دستگاه‌های الکترونیکی داخل منزل وصل می‌شوند و امورات را با دقتی هرچه تمام‌تر به انجام می‌رسانند. بنابر تحقیقی که در سال 2022 انجام شد، تعداد ربات‌های فعال در دنیا به 3 میلیون رسیده است، این رقم سالانه 10 درصد افزایش پیدا می‌کند.  

تحقیق

مسیر تحقیق تا تحقق نتایج، مسیری طولانی و هزینه‌بر است. بر اساس تحقیق بنیاد زیست‌پزشکی کالیفرنیا، به‌طور متوسط 12 سال طول می‌کشد تا یک دارو از آزمایشگاه تحقیقاتی به دست بیمار برسد. از هر 5000 دارویی که آزمایشات بالینی متناظر با آنها آغاز می‌شوند، تنها 5 دارو به مرحله آزمایش بر روی انسان می‌رسند و تنها یکی از این 5 مورد برای استفاده توسط بیماران تایید می‌شود. علاوه بر این، به‌طور متوسط برای تولید یک داروی جدید، 359 میلیون دلار سرمایه نیاز است. تحقیق و کشف دارو از جدیدترین کاربردهای هوش مصنوعی است که در پزشکی به کار بسته می‌شود. به‌عنوان مثال، پیچش پروتئین اصلی و پیش‌بینی متناظر با قرار گرفتن گیرنده‌های هر پروتئین انسانی، سخت‌ترین مرحله در تولید دارو است که امروزه توسط الگوریتم‌های پیچیده هوش مصنوعی مدیریت می‌شود. در جدیدترین کاربرد هوش مصنوعی در داروسازی، شرکت‌های مادورنا و آسترازنکا، از یادگیری عمیق و یادگیری ماشین برای تولید واکسن کرونا استفاده کردند. در این تلاش، فرایند 12 ساله تولید واکسن به نزدیک به 1 سال تقلیل داده شد.  

آموزش

هوش مصنوعی بستری را ایجاد کرده که دانشجویان پزشکی، بدون نیاز به انجام واقعی فرایندها، آموزه‌های پایه‌ای تخصص‌های مختلف را بیاموزند، تحلیل و با آزمایش و خطا کسب تجربه کنند. بنابر تحقیقی که در کشور انگلیس انجام شده، 81 درصد از دانشجویان و کارکنان سیستم پزشکی این کشور اذعان کردند که استفاده از برنامه‌های مبتنی بر هوش مصنوعی  تاثیر بسزایی در فراگیری و عملکردهای آتی آنها داشته است. آزمایش و خطا، مولفه‌ای از یادگیری است که برای هر رشته و در هر مقطعی نیاز است. پزشکی شاخه‌ای است که به دلیل سروکار داشتن با جان انسان‌ها، نمی‌تواند با فراغ‌بال به این مرحله مهم از یادگیری بپردازد. هوش مصنوعی ابزارهایی در اختیار جامعه پزشکی گذاشته است که شرایط دنیای واقعی را شبیه‌سازی کنند و با استفاده از نمونه‌های مجازی، به تحقیق، تحلیل و اعمال روش‌های درمانی مختلف بپردازند.  

جمع‌بندی

هدفِ برنامه‌های هوش مصنوعی سلامت‌محور، تحلیل روابط بین تکنیک‌های درمانی و نتایج حاصل از اعمال این روش‌ها به بیماران مختلف است. هوش مصنوعی و رباتیک بر لبه‌های تکنولوژی حرکت می‌کنند و ابزارهایی غیرقابل چشم‌پوشی برای کمک به دنیای در حال تحول پزشکی و سیستم سلامت هستند. بیماری‌های جدید محصول فعالیت‌های جدید انسانی و شرایط دگرگون‌شده محیطی هستند. بدون کمکِ بازوی قدرتمند تکنولوژی و سرعت پرشتاب آن در علوم مختلف، سیستم‌های درمانی امکان مقابله با بیماری‌های نوظهور را نخواهند داشت.