تشخیص های بهتر، پشتیبانی شخصی برای بیماران، کشف سریعتر دارو وکارایی بیشتر. هوش مصنوعی در همه جا هیجان و اغراق ایجاد می کند، اما در زمینه مراقبت های بهداشتی پتانسیل تحول آفرینی را دارد. در اروپا، تحلیلگران پیش بینی می کنند که استقرار هوش مصنوعی می تواند جان صدها هزار نفر را در هر سال نجات دهد. آنها می گویند که در آمریکا می تواند در هزینه ها نیز صرفه جویی کند و 200 تا 360 میلیارد دلار از کل هزینه های پزشکی سالانه را که اکنون 4.5 تریلیون دلار در سال (یا 17 درصد تولید ناخالص داخلی) است، کاهش دهد. از گوشیهای هوشمند و رباتهای جراح گرفته تا تجزیه و تحلیل مجموعه داده های بزرگ یا توانایی چت کردن تا هوش مصنوعی با چهره انسانی، فرصتهای فراوانی وجود دارد. 

در حال حاضر شواهدی وجود دارد که نشان میدهد سیستمهای هوش مصنوعی میتوانند دقت تشخیصی و ردیابی بیماری را افزایش دهند، پیش بینی نتایج بیماران را بهبود بخشند و درمانهای بهتری را پیشنهاد کنند. همچنین می تواند کارایی را در بیمارستانها و جراحیها با انجام وظایفی مانند نسخه نویسی پزشکی و نظارت بر بیماران با ساده سازی مدیریت افزایش دهد. ممکن است در حال حاضر زمان لازم برای رسیدن داروهای جدید به آزمایشات بالینی را تسریع کند. ابزارهای جدید، از جمله هوش مصنوعی مولد، می توانند این توانایی ها را افزایش دهند. با این حال همانطور که فصلنامه فناوری ما در این هفته نشان می دهد، اگرچه هوش مصنوعی برای سال ها در مراقبت های بهداشتی استفاده می شود، یکپارچه سازی کند بوده و نتایج اغلب متوسط بوده است.

دلایل خوب و بد برای این وجود دارد. دلایل خوب این است که مراقبت های بهداشتی در هنگام معرفی ابزارهای جدید برای محافظت از ایمنی بیماران، نیازمند مدارک و شواهد بالایی است. دلایل بد شامل داده ها، مقررات و مشوق ها است. غلبه بر آنها می تواند درس هایی برای هوش مصنوعی در زمینه های دیگر داشته باشد. سیستمهای هوش مصنوعی با پردازش حجم عظیمی از داده ها یاد میگیرند، چیزی که ارائه دهندگان مراقبتهای بهداشتی به وفور دارند. اما داده های بهداشتی بسیار پراکنده است. قوانین سختگیرانه، استفاده از آن را کنترل می کند. دولت ها تشخیص می دهند که بیماران می خواهند از حریم خصوصی پزشکی خود محافظت شود. اما بیماران همچنین خواهان مراقبت بهتر و شخصی تر هستند. 

هر سال تقریباً 800000 آمریکایی از تشخیص های ضعیف پزشکی رنج می برند. بهبود دقت و کاهش سوگیری در ابزارهای هوش مصنوعی مستلزم آن است که آنها بر روی مجموعه داده های بزرگی که تنوع کامل بیماران را منعکس می کند، آموزش ببینند. یافتن راههای مطمئن برای اجازه دادن به داده های بهداشتی برای انتقال آزادانه تر کمک خواهد کرد. اما این می تواند به نفع بیماران نیز باشد: باید به آنها حق دسترسی به سوابق خود در قالب دیجیتال قابل حمل داده شود. سوابق بیماران قابل حمل به افراد این امکان را می دهد که از داده های آنها استفاده کامل تری داشته باشند و مسئولیت بیشتری در قبال سلامت خود بپذیرند. مشکل دیگر، مدیریت و تنظیم این نوآوری ها است. در بسیاری از کشورها، حکمرانی هوش مصنوعی در سلامت، مانند سایر حوزه ها، در تلاش است تا با سرعت سریع نوآوری همگام شود. مقامات نظارتی ممکن است در تأیید ابزارهای جدید هوش مصنوعی کند باشند یا ممکن است فاقد ظرفیت و تخصص باشند. دولت ها باید قوانین را، برای ارزیابی ابزارهای جدید هوش مصنوعی تنظیم کنند. آنها همچنین باید شکافهای نظارتی را در نظارت بر رویدادهای نامطلوب و در نظارت مستمر الگوریتمها پر کنند تا اطمینان حاصل شود که دقیق، ایمن، مؤثر و شفاف باقی میمانند.

سخت خواهد بود. یک راه حل این است که کشورها با هم کار کنند، از یکدیگر بیاموزند و حداقل استانداردهای جهانی را ایجاد کنند. یک سیستم نظارتی بین المللی کمتر پیچیده نیز به ایجاد بازاری کمک می کند که شرکت های کوچک بتوانند در آن نوآوری کنند. کشورهای فقیرتر، با زیرساختهای بهداشتی کمتر توسعه یافته تر، از معرفی ابزارهای جدید، مانند دستگاه سونوگرافی قابل حمل با نیروی هوش مصنوعی برای زنان و زایمان سود زیادی دارند. از آنجایی که جایگزین ابزار هوش مصنوعی اغلب هیچ درمانی نیست، آنها حتی ممکن است بتوانند از سیستمهای بهداشتی ریشه دار کشورهای ثروتمند استفاده کنند – اگرچه کمبود داده، ارتباط و قدرت محاسباتی مانع ایجاد آن خواهد شد. مشکل نهایی شامل نهادها و مشوق ها است. 

هوش مصنوعی وعده می دهد که با کمک یا جایگزینی کارگران، بهبود بهره وری، کاهش خطاها و صاف کردن یا کاهش هزینه ها، هزینه های پزشکی را کاهش دهد، همگی در عین حال بهبود مراقبت. که به شدت مورد نیاز است. جهان ممکن است تا سال 2030 ، 10 میلیون کارمند مراقبت های بهداشتی کمبود داشته باشد که حدود 15 درصد از نیروی کار امروزی است. دولت حدود 30 درصد از هزینه های اضافی مراقبت های بهداشتی آمریکا را در مقایسه با سایر کشورها در سال 2022 به خود اختصاص داده است. با این حال صرفه جویی در پول، با استفاده از نوآوری مشکل است. سیستم های بهداشتی راه اندازی شده اند تا از آن برای بهبود مراقبت استفاده کنند، نه کاهش هزینه ها. فناوری جدید ممکن است نیمی از رشد سالانه هزینه های سلامت را به خود اختصاص دهد.. اما طراحی مجدد فرآیندها برای استفاده موثر از هوش مصنوعی احتمالاً با مقاومت بیماران و پزشکان روبرو خواهد شد.

 

 اگرچه هوش مصنوعی ممکن است بتواند آنها را از طریق تلفن تریاژ کند یا نتایج معمول را ارائه دهد، بیماران ممکن است درخواست کنند که شخصاً ویزیت شوند. بدتر از آن، بسیاری از سیستم های بهداشتی، مانند آمریکا، برای پاداش دادن به حجم کار راه اندازی شده اند. آنها دلیل کمی برای استفاده از فناوری هایی دارند که تعداد بازدیدها، آزمایش ها یا رویه ها را کاهش می دهد. و حتی سیستمهای مراقبت بهداشتی که به صورت عمومی اداره میشوند، ممکن است انگیزهای برای اتخاذ فناوریهایی نداشته باشند که هزینه ها را به جای بهبود نتایج کاهش میدهند، شاید به این دلیل که صرفه جویی در پول ممکن است منجر به بودجه کمتری در سال آینده شود. تا زمانی که دولتها نتوانند این مشوقها را تغییر دهند، به گونه ای که هوش مصنوعی رفتار بهتر را با کاراییهای جدید ترکیب کند، نوآوری هزینه ها را افزایش میدهد. بر این اساس، دولتها و مقامات بهداشتی باید طرحهایی را که برای آزمایش و استقرار فناوریهای جدید هوش مصنوعی اختصاص داده شده است، تأمین کنند. کشورهایی از جمله آمریکا، بریتانیا و کانادا راه را نشان می دهند. بسیاری از بار برای تقویت هوش مصنوعی در مراقبت های بهداشتی بر دوش دولت ها و تنظیم کننده ها است.

با این حال، شرکت ها نیز نقش مهمی دارند. بیمه گران قبلاً از ابزار هوش مصنوعی برای انکار ناعادلانه مراقبت استفاده کرده اند. شرکتها تواناییهای سلامتی را به اشتباه فروخته یا اغراق کرده اند. الگوریتم ها اشتباه کرده اند. شرکت ها موظفند اطمینان حاصل کنند که محصولاتشان ایمن، قابل اعتماد و پاسخگو هستند و انسان ها هر چند ناقص باشند، همچنان کنترل را در دست دارند.

 

 

منبع: economist | Leaders | Health technology 

ترجمه شده در واحد نوآوری و بهبود TMB