مدت زمانی طول کشید تا جامعه پزشکی استتوسکوپ (گوشی پزشکی) را بپذیرد. بنابراین پذیرش هوش مصنوعی به عنوان یک ابزار کامل سلامت با وجود پتانسیل گسترده خود برای ایجاد انقلابی در مراقبت‌های بهداشتی نیز مدت زمانی طول خواهد کشید. با این حال، هوش مصنوعی آنقدر قدرتمند است که در نهایت جایگاه قانونی خود در مراقبت‌های بهداشتی را به دست خواهد آورد و در آن زمان جانشین استتوسکوپ به عنوان یک نماد خواهد شد

از استتوسکوپ تا رایانه‌های شناختی

مردم تغییرات را دوست ندارند این در مراقبت‌های بهداشتی متفاوت نیست. مدت زمان بسیاری طول کشید تا استتوسکوپ (stethoscope)، نماد مراقبت‌های بهداشتی، توسط جامعه پزشکی در قرن نوزدهم پذیرفته شد. این ابزار توسط پزشک فرانسوی René-Théophile-Hyacinthe Laënnec اختراع شد که شرح آن را در سال 1819 منتشر کرد، اما چندین دهه طول کشید تا پزشکان واقعاً از آن استفاده کنند.

امواج بزرگ در حال آمدن به سمت مراقبت‌های بهداشتی است تا کار پزشکان را به چیزی متفاوت از گذشته تبدیل کند. اگرچه برخی از وظایف آنها توسط هوش مصنوعی برداشته شده است، اما برای دیگران وقت بیشتری خواهند داشت. برای نمونه پزشکان مجبور نیستند برای پژوهش‌های پزشکی با وظایف اداری، مشاوره و یا یادداشت‌برداری به تقلا بیفتند. همچنین آنها در مورد چگونگی انتخاب بهترین درمان به دردسر نمی‌افتند. رایانه‌های شناختی به پزشکان کمک می کنند تا بسیار بهتر تشخیص دهند. دقیقاً به همان شیوه که استتوسکوپ، حرفه پزشکی را از اوایل قرن نوزدهم تغییر داد.

هوش مصنوعی بُعد جدیدی برای مراقبت‌های بهداشتی باز خواهد کرد

حتی استادان تحسین برانگیز می‌دانند که نمی‌توانند با رایانه‌های شناختی مطابقت داشته باشند. با توجه به میزان اطلاعاتی که آنها جمع‌آوری می‌کنند، به سرعت رشد می‌کنند و به راهکارهای محاسباتی در تصمیم گیری‌های پزشکی قریب الوقوع کمک می‌کنند. هوش مصنوعی ابعاد جدیدی برای پزشکان در سطح شخصی و همچنین برای بیمارستان‌ها و دیگر مؤسسه‌های پزشکی در سطح ساختاری خواهد داشت.

در سطح سازمانی، واضح‌ترین استفاده از هوش مصنوعی مدیریت داده خواهد بود. جمع آوری داده و ذخیره‌سازی آن نخستین گام در انقلابی کردن سامانه‌های مراقبت بهداشتی موجود است. به تازگی، بخش پژوهشی غول جستجو، گوگل، پروژه بهداشتی Google Deepmind Health خود را راه‌اندازی کرد، که برای انتقال داده‌ها از پرونده‌های پزشکی به منظور ارائه خدمات بهتر و سریع‌تر مورد استفاده قرار می‌گیرد.

هوش مصنوعی می‌تواند تمام سامانه‌های مراقبت بهداشتی را تجزیه و تحلیل کند. برای نمونه، 97 درصد از فاکتورهای بهداشتی در هلند دیجیتالی و حاوی اطلاعات مربوط به درمان، پزشک و بیمارستان است. این فاکتورها را می‌توان به راحتی بازیابی کرد. یک شرکت محلی، Zorgprisma Publiek فاکتورها را تجزیه و تحلیل می‌کند و از IBM Watson در ابر استفاده می‌کند تا داده‌ها را استخراج کند. اگر یک پزشک، درمانگاه یا بیمارستان اشتباهاتی را مرتباً در درمان نوع خاصی از بیماری انجام دهد، آنها می‌توانند آن اشتباه را شناسایی کنند.

هوش مصنوعی به پزشکان در روش‌های غیرقابل تصور پیشین کمک خواهد کرد

پزشکی دقیق، درمان‌های هدفمند و راهکارهای شخصی. اینها کلمات کلیدی در مراقبت‌های بهداشتی فعلی هستند. هوش مصنوعی به پزشکان کمک خواهد کرد بهترین درمان برای بیماران خود را استخراج کنند. IBM پیش از این نخستین مراحل را طی کرده است. واتسون برنامه مخصوص خود را برای انکولوژیست‌ها راه‌اندازی کرد.

افزون بر این، هوش مصنوعی دارای توانایی برای از بین بردن وظایف ناگوار همچون کار اداری یا تکراری است. برای نمونه، Sieve Medical IBM به نسل بعدی «دستیار شناختی» با توانایی‌های تحلیلی و استدلال طیف وسیعی از دانش بالینی تبدیل خواهد شد. این الگوریتم شرایط کمک به تصمیم گیری بالینی در رادیولوژی و قلب و عروق را خواهد داشت. دستیاران هوش مصنوعی همچنین می‌توانند اطلاعات پزشکی مربوطه را جستجو کنند و پزشکان را در پژوهش‌های بالینی به روز نگه دارند. IBM توانایی اسکن کردن میلیون‌ها صفحه در یک ثانیه را دارد.

افزون بر این، هوش مصنوعی می‌تواند زمان انتظار را با بهینه‌سازی برنامه‌های پزشکان و بیماران ریشه کن کند. می‌تواند ایمیل‌های پزشکان را اولویت‌بندی کند، به طوری که پیام‌های فوری به موقع به آنها برسد. همچنین می‌تواند به بیماران کمک کند تا مسائل ساده‌ی پزشکی خود را مرتفع کنند و در نتیجه موجب کاهش فشار بر پزشکان شوند.

برای تسهیل تغییرات چه کاری می‌توانیم انجام دهیم؟

اگرچه هوش مصنوعی به سرعت در حال توسعه است اما به فهم، ابتکار عمل و کارآیی جامعه پزشکی برای ارائه مراقبت‌های بهداشتی بهتر نیاز دارد. اگر ما هوش مصنوعی را در همه جا از بولیوی تا هاروارد معرفی کنیم، مراقبت‌های بهداشتی کمی تغییر خواهد کرد. هر متولی در مراقبت‌های بهداشتی باید نقش خود را برای بهبود این عناصر بازی کند.

متخصصان پزشکی باید دانش اساسی در مورد چگونگی عملکرد هوش مصنوعی در محیط پزشکی را بدست آورند تا بدانند چگونه چنین راهکارهایی ممکن است به آنها در کار روزمره کمک کند. آنها همچنین باید به طور مداوم در مورد اینکه اتوماسیون در کجا می‌تواند موجب بهبود کار آنها شود، فکر کنند.

تصمیم گیرندگان در مؤسسه‌های مراقبت‌های بهداشتی باید هر کاری کنند تا قادر به اندازه‌گیری موفقیت و کارایی سامانه باشند. این تنها راه ارزیابی کیفیت کمک‌های هوش مصنوعی در تصمیم گیری پزشکی است.

شرکت‌هایی همچون IBM باید حتی بیشتر نسبت به عموم مردم درباره مزایای بالقوه و خطرات استفاده از هوش مصنوعی در پزشکی ارتباط برقرار کنند و مسائل مربوط به حفظ حریم خصوصی داده‌ها همچون نگرانی‌های اخیر NHS را جدی بگیرند!

کشورهای غیر انگلیسی زبان باید در پردازش زبان طبیعی (NLP) سرمایه گذاری کنند. اگر اطلاعات بیمار به زبان انگلیسی نباشد، هوش مصنوعی نیاز به درک محتوا و اطلاعات ساختار یافته و غیر ساختاری در آن زبان دارد.

هوش مصنوعی به استتوسکوپ قرن بیست و یک تبدیل خواهد شد اما تنها زمانی که همکاری وسیعی میان فناوری و جامعه پزشکی وجود داشته باشد