با پیشرفت روزافزون هوش مصنوعی باید به یکی از مهم‌ترین کاربردهای آن، یعنی استفاده از هوش مصنوعی در پزشکی توجه ویژه‌ای داشت؛ زیرا کاربردهای فراوان فناوری‌های مبتنی بر هوش مصنوعی مزایای زیادی برای کادر درمان و نظام سلامت به همراه دارد. در این مطلب از مجله فرادرس در ابتدا به صورت خلاصه به این می‌پردازیم که هوش مصنوعی در دنیای پزشکی چه پیشرفت‌هایی داشته است و منظور از استفاده از AI در حوزه پزشکی چیست. سپس به معرفی کاربرد‌های هوش مصنوعی در پزشکی می‌پردازیم تا بتوانیم در بخش‌های بعد مزایا و چالش‌های آن را معرفی کنیم.

هوش مصنوعی در پزشکی

«هوش مصنوعی» (Artificial intelligence | AI) توانایی آن را دارد که حوزه سلامت و درمان را به طور بنیادین دگرگون کند. فناوری‌های مبتنی بر هوش مصنوعی در حوزه‌های مختلفی مانند تشخیص بیماری، تحلیل داده‌ها و «پزشکی دقیق» (precision medicine) پیشرفت چشم‌گیری داشته اند؛ به عنوان مثال از آن‌ها در زمینه‌هایی مانند اولویت‌بندی بیماران و تشخیص سرطان استفاده می‌شود.

داشتن اطلاعات پایه در زمینه هوش مصنوعی به ما کمک می‌کند که بخش‌های تخصصی‌تر فناوری‌های مبتنی بر هوش مصنوعی برای حوزه‌ پزشکی را بهتر درک کنیم و برای استفاده از آن‌ها با موانع کمتری روبه‌رو شویم، استفاده از فیلم آموزش مقدماتی هوش مصنوعی فرادرس می‌تواند نقطه آغاز خوبی برای این مسیر یادگیری باشد، به همین دلیل لینک دسترسی به این فیلم آموزشی را در کادر زیر درج کرده‌ایم.

افزایش دسترسی عموم مردم به هوش مصنوعی مانند استفاده وسیع از مدل‌های زبانی مانند ChatGPT، آگاهی جامعه پزشکی و عموم مردم را نسبت به قابلیت‌های بالقوه هوش مصنوعی در پزشکی افزایش داده است. توانایی‌های ChatGPT به عنوان نمونه‌ای از مدل‌های زبانی را می‌توان با این موضوع ثابت کرد که ChatGPT توانسته است در آزمون «USMLE» که آزمونی برای صدور مجوز پزشکی ایالات متحده است، موفق شود و حتی پرونده‌های بالینی پزشکی داخلی را حل کند؛ این اطلاعات نشان‌دهنده تنوع کاربردها و ظرفیت‌های بالقوه این مدل زبانی در آینده بالینی است.

مثال دیگری که می‌توان ارائه داد گوگل و DeepMind هستند که مدل زبانی Med-PaLM را توسعه داده‌اند. این مدل زبانی با استفاده از مجموعه داده‌های پرسش و پاسخ پزشکی موجود آموزش دیده است تا پاسخ‌هایی قابل اعتماد برای پرسش‌های پزشکان و بیماران ارائه دهد.

همان‌طور که از این دو مثال مشخص است، پیشرفت‌های هوش مصنوعی، فرصت‌هایی بی‌سابقه برای دگرگون کردن نظام سلامت ایجاد کرده است و به کمک آن‌ می‌توان امیدوار بود که این نظام سه ویژگی زیر را داشته باشد.

1. کارآمدتر
2. در دسترس‌تر
3. از نظر اقتصادی پایدارتر

با تدوین و اجرای سیاست‌های مناسب، ادغام هوش مصنوعی در ساختار سلامت می‌تواند به افزایش عدالت، ارتقای کیفیت مراقبت و اطمینان از بهره‌مندی همگانی از فناوری‌ها، درمان‌ها و داروهای نوین منجر شود.

کاربردهای هوش مصنوعی در پزشکی

هوش مصنوعی در پزشکی علاوه بر آن که می‌تواند باعث افزایش سرعت پیشرفت تحقیقات شود، قابلیت‌هایی دارد که پزشکان با استفاده از آن‌ها می‌توانند تصمیم‌گیری‌هایی دقیق‌تر داشته باشند. در ادامه تعدادی از کاربردهای AI در پزشکی را نام می‌بریم و سپس توضیحات تکمیلی هر مورد را ارائه می‌دهیم.

• تشخیص و شناسایی بیماری‌ها
• درمان شخصی‌سازی شده بیماری‌ها
• استفاده از هوش مصنوعی در تصویر‌برداری پزشکی
• افزایش کارایی کارآزمایی‌های بالینی
• افزایش سرعت فرایند توسعه دارو
• مقابله با چالش‌های نظام سلامت
• استفاده از هوش مصنوعی در بهداشت عمومی
• بهینه‌سازی تخصیص منابع موجود در حوزه سلامت

یادگیری استفاده از هوش مصنوعی در حوزه پزشکی با فرادرس

هوش مصنوعی مجموعه‌ای از تکنیک‌ها و الگوریتم‌های ریاضی و کامپیوتری است که برای تقلید هوش و یادگیری انسان‌ها طراحی شده‌اند و کاربردهای متنوعی در علوم مختلف از جمله علوم پزشکی دارند. در این مطلب تنها به معرفی اجمالی کاربردهای هوش مصنوعی و مزایا و چالش‌های آن می‌پردازیم، اما در حقیقت استفاده از فناوری‌های جدید نیازمند دانش بالا در هر دو حوزه پزشکی و هوش مصنوعی است، متخصصین هر دو حوزه ممکن است در بخشی از مسیر کاری یا تحصیلی خود درگیر اطلاعات تخصصی شوند که برای درک بهتر آن‌ها نیازمند دسترسی به دوره‌های آموزشی باکیفیت باشند.

در ادامه چند مورد از فیلم‌های آموزشی فرادرس که با شناسایی نیاز متخصصان حوزه‌های پزشکی و هوش مصنوعی تهیه شده‌اند را معرفی می‌کنیم، با استفاده از این فیلم‌های آموزشی می‌توانید با به‌روزترین تکنولوژی‌های قابل استفاده در علوم پزشکی به طور کامل آشنا شوید و از این فناوری‌ها استفاده کنید.

تشخیص بیماری‌ها

از قابلیت‌های مدل‌های یادگیری ماشین می‌توان برای زیر نظر داشتن علائم بیمارانی استفاده کرد که در بخش مراقبت‌های ویژه بستری هستند، این دسته از بیماران باید به طور پیوسته تحت نظر باشند زیرا تیم پزشکی باید در صورت تغییر علائم حیاتی بیمار، به سرعت اقدامات درمانی لازم را انجام دهند. بجز بخش مراقبت‌های ویژه، هوش مصنوعی می‌تواند در ارتقای تشخیص بیماری‌ها نیز نقش مهمی ایفا کند.

• تشخیص زودهنگام سپسیس: هوش مصنوعی می‌تواند چندین ساعت پیش از ظهور علائم بالینی، احتمال بروز سپسیس در بیماران بخش مراقبت‌های ویژه را پیش‌بینی کند.
• تشخیص سرطان سینه: سیستم‌های هوش مصنوعی در غربالگری ماموگرافی استفاده می‌شوند، زیرا می‌توانند علائم اولیه سرطان پستان را با دقتی بسیار بالا شناسایی کنند.

درمان شخصی‌سازی شده

پزشکی دقیق به کمک دستیارهایی که بر اساس هوش مصنوعی ساخته شده‌اند، آسان‌تر می‌شود. این سیستم‌ها می‌توانند با تشخیص شرایط خاص هر بیمار و نیازهای او، توصیه‌های درمانی متناسب با شرایط را در هر بازه زمانی در روز که نیاز است به بیمار ارائه دهند؛ به این ترتیب، بیماران می‌توانند به جای تکرار سوالات خود از کادر درمان، پاسخ‌های کاملی دریافت کنند که متناسب با سابقه پزشکی و شرایطی شخصی آن‌ها است.

تصویربرداری پزشکی

هوش مصنوعی که بر پایه شبکه‌های عصبی مصنوعی ساخته شده باشد می‌تواند به اندازه رادیولوژیست‌ها در تشخیص علائم سرطان پستان و دیگر بیماری‌ها دقیق باشند. فناوری‌های مبتنی بر هوش مصنوعی علاوه بر آن‌ که به تشخیص زودهنگام بیماری کمک می‌کنند، می‌توانند تعداد زیاد تصاویر پزشکی را مدیریت کرده و تصویرهای مهم که مرتبط با سابقه پزشکی بیمار هستند را به پزشک ارائه دهند.

افزایش کارایی کارآزمایی‌های بالینی

در طی «کارآزمایی‌های بالینی» (Clinical Trial) زمان زیادی به کدگذاری پزشکی و به‌روزرسانی پایگاه‌های داده اختصاص داده می‌شود. هوش مصنوعی با افزایش سرعت جست‌وجو کدهای پزشکی می‌تواند این زمان تلف شده را تا ۷۰ درصد کاهش دهد.

توسعه دارو

فرایند کشف دارو از پر هزینه‌ترین و زمان‌برترین مراحل ساخت داروهای کارآمد است. هوش مصنوعی می‌تواند به دو روش به حل این مشکل کمک کند.

1. طراحی بهتر و دقیق‌تر داروها
2. سناسایی ترکیبات دارویی با پتانسیل درمانی بالا

یکی از چالش‌های علوم زیستی، مواجه درست با کلان‌داده‌ها است اما به کمک هوش مصنوعی می‌توان با بسیاری از این چالش‌ها روبه‌رو شد. به عنوان مثال می‌توان استفاده از هوش مصنوعی را در مراحل مختلف کشف تا تولید دارو به صورت زیر بررسی کرد.

• کشف دارو: علاوه برشناسایی اهداف دارو در بدن، می‌توان طراحی مولکولی دارو را نیز بهینه‌سازی کرد.
• توسعه دارو: در مرحله توسعه دارو هوش مصنوعی باعث بهبود فرمولاسیون داروها و تسهیل روند تولید داروهای شخصی‌سازی شده می‌شود.
• فارماکوکینتیک: «فارماکوکینتیک» (Pharmacokinetics) به شرح اثرات دارو بر بدن می‌پردازد، بنابراین در این مرحله می‌توان به کمک هوش مصنوعی دوز بهینه را پیش‌بینی کرد.
• کارآزمایی بالینی: به کمک هوش مصنوعی می‌توان مواردی مانند طبقه‌بندی افراد شرکت کرده در کارآزمایی، ایجاد «دوقلوهای دیجیتال» (Digital Twins) و شبیه‌سازی کارآزمایی را انجام داد.
• تولید دارو: در روند تولید می‌توان برای خودکارسازی فرایندها و ارتقای کنترل کیفیت از هوش مصنوعی استفاده کرد.
• اخذ مجوز و نظارت بر اثرات دارو: برای این قسمت می‌توان به تحلیل داده‌های دنیای واقعی و شناسایی زودهنگام عوارض دارو به کمک هوش مصنوعی اشاره کرد.

مقابله با چالش‌های نظام سلامت

نظام سلامت با چالش‌هایی از قبیل افزایش هزینه‌ها، ناکارآمدی فرایندهای درمانی و نیاز بیشتر به ارائه خدمات درمانی روبه‌رو است، استفاده از فناوری‌های مبتنی بر هوش مصنوعی می‌تواند بسیاری از وظایف اداری را به حالت خودکار در بیاورد، بنابراین افراد متخصص می‌توانند زمان بیشتری را برای مراقبت مستقیم از بیمار اختصاص دهند. در ادامه به تعدادی از وظایفی که می‌توان به هوش مصنوعی سپرد اشاره می‌کنیم.

• زمان‌بندی بهینه وقت مراجعه بیماران
• صدور صورت‌حساب
• مدیریت پرونده‌های الکترونیک پزشکی

به کمک هوش مصنوعی می‌توان منابع موجود را نیز به نحو بهینه‌تری استفاده کرد. به عنوان مثال می‌توان پذیرش بیماران را پیش‌بینی کرد و بر اساس آن‌ها تعداد تخت‌های بیمارستان، نیروی انسانی مورد نیاز و تجهیزات را تدارک دید. این رویکرد سبب کاهش اتلاف منابع و ارتقای کیفیت خدمات درمانی می‌شود.

بهداشت عمومی

از هوش مصنوعی می‌توان برای ارتقای سطح بهداشت عمومی جامعه کمک گرفت؛ به عنوان مثال می‌توان برای پیش‌بینی و پیشگیری از موارد آسیب‌زا از هوش مصنوعی استفاده کرد و الگوها و روند‌هایی که در جامعه وجود دارد را شناسایی و تحلیل کرد. با استفاده از مدل‌های هوش مصنوعی قادر هستیم که شیوع بیماری‌ها را با تحلیل مجموعه‌داده‌های متنوع پیش‌بینی کنیم و به همین دلیل امکان واکنش سریع و هدفمند را داریم. نتیجه این اقدامات نیز کاهش  فراهم و پیامدهای اقتصادی و بهداشتی را کاهش می‌دهد.

مزایای هوش مصنوعی در پزشکی

هوش مصنوعی باعث پیشرفت‌های چشم‌گیری در نظام سلامت شده است و همان‌طور که در بخش مربوط به کاربردهای آن دیدیم، در بخش‌های مختلف می‌توان از انواع مختلف فناوری‌های مبتنی بر هوش مصنوعی استفاده کرد. در ادامه به تعدادی از مهم‌ترین مزایای هوش مصنوعی در پزشک اشاره می‌کنیم.

1. افزایش دقت تشخیص پزشکان
2. کاهش زمان تشخیص برخی بیماری‌ها
3. ارتقای کیفیت خدمات ارائه شده به بیماران
4. ارائه راه‌های درمانی شخصی‌سازی شده به هر بیمار
5. افزایش کارایی عملیاتی با ابزارهای خودکارسازی در حوزه سلامت
6. کاهش هزینه‌های درمانی

چالش های هوش مصنوعی در پزشکی

استفاده از هوش مصنوعی در حوزه بهداشت و سلامت با مجموعه‌ای از چالش‌ها نیز همراه است. برای افزایش کارآیی هوش مصنوعی در این حوزه باید به دو نکته توجه داشت.

• اعتمادسازی نسبت به کاربرد هوش مصنوعی در ارائه خدمات سلامت و پذیرش عمومی آن
• آشنایی با چالش‌های استفاده از هوش مصنوعی در بخش بالینی

با توجه به این دو نکته می‌توان گفت که روند استفاده گسترده از هوش مصنوعی برای پزشکی چالش‌های مختلفی دارد که در ادامه به آن‌ها می‌پردازیم.

• چالش‌های اخلاقی و نگرانی‌های مربوط به حریم خصوصی افراد
• کمبود داده‌های مورد نیاز برای افزایش دقت هوش مصنوعی
• هزینه‌های بالای پیاده‌سازی هوش مصنوعی در نظام سلامت
• اتکای بیش از حد به فناوری هوش مصنوعی
• انطباق با الزامات قانونی

بنابراین موفقیت در روند تحول دیجیتال، به ویژه در پیشرفت‌های مبتنی بر هوش مصنوعی، مستلزم وجود چند مولفه کلیدی است.

1. دسترسی به داده‌هایی که کیفیت بالایی دارند.
2. باید بستر‌هایی برای نوآوری در زمینه هوش مصنوعی در حوزه پزشکی ایجاد شوند.
3. استفاده از سامانه‌های هوش مصنوعی باید ایمنی‌سنجی شده و میزان اعتماد به آن‌ها اندازه‌گیری شود.

آینده هوش مصنوعی در پزشکی

با فکر کردن به آینده هوش مصنوعی ممکن است تصور کنیم هوش مصنوعی قابلیت آن را دارد که جایگزین پزشکان متخصص شود اما احتمال چنین رخدادی بسیار کم است و هوش مصنوعی جایگزین کادر درمان  نخواهد شد، بلکه فناوری‌های هوشمند پزشکی ابزارهایی حمایتی برای بهبود بیماران خواهند بود.

چشم‌اندازه آینده هوش مصنوعی در این حوزه به ما این نوید را می‌دهند که در آینده بتوانیم به کمک هوش مصنوعی داروهایی موثرتر کشف کنیم، برای بعضی جراحی‌ها از ربات‌ها کمک بگیریم و شرایط بیماران را به صورت لحظه‌ای در اختیار تیم پزشکی قرار دهیم. این پیشرفت‌ها پتانسیل بهبود هم‌زمان کیفیت در جنبه‌های پیشگیری از ابتلا به بیماری و درمان آن را دارند.

تاریخچه هوش مصنوعی در حوزه پزشکی

هوش مصنوعی اولین بار در سال ۱۹۵۰ توسط دانشمندان معرفی شد اما محدودیت‌های متعددی که در مدل‌های اولیه وجود داشتند، مانع از استفاده از هوش مصنوعی در دنیای پزشکی می‌شدند. در اوایل دهه دو هزار میلادی، به واسطه ظهور «یادگیری عمیق» (Deep Learning) بسیاری از این محدودیت‌ها برطرف شدند.

در حال حاضر توانایی‌های سیستم‌های هوش مصنوعی در تحلیل الگوریتم‌های پیچیده و یادگیری خودکار به حدی پیشرفت کرده‌اند که قابلیت استفاده از فناوری‌های مبتنی بر AI در حوزه سلامت و پزشکی را به دست آورده‌ایم. در عصر جدیدی که به واسطه این پیشرفت‌ها در آن قرار داریم، می‌توان از هوش مصنوعی در بخش‌های بالینی دنیای پزشکی بهره گرفت.