هوش مصنوعی؛ سفید، سیاه، خاکستری

به گزارش سهندبلاگ، هوش مصنوعی به عنوان یکی از بهترین ابزارهای تشخیص بیماری ها به خصوص بیماری های ناشناخته شناسایی شده است. هوش مصنوعی در سال های اخیر توانایی هایش را در تشخیص سرطان های مختلف نشان داده و این موضوع تعیین می نماید صنعت پزشکی همانند دیگر صنایع از این فناوری بهره مند بوده است. بسیاری از پزشکان در سراسر جهان، اعتیاد به مواد مخدر را بیماری می دانند. آیا هوش مصنوعی توانایی تشخیص اعتیاد را به عنوان یک بیماری دارد؟ سایت خبری تکنولوژی ریویو به تازگی مقاله ای را منتشر نموده و در آن شرح می دهد که هوش مصنوعی توانایی تشخیص اعتیاد به مواد مخدر به ویژه روغن مار را دارد. براساس اعلام این سایت خبری دستورالعمل هایی به وجود آمده که اطمینان می دهند تحقیقات هوش مصنوعی پزشکی می تواند اعتیاد به موادمخدر و نوع داروی مصرفی را تشخیص دهد. با همه این تفاسیر، استانداردهایی برای استفاده از هوش مصنوعی در پزشکی مطرح شده که نشان می دهد این فناوری آنقدرها هم قابل اعتماد نیست. چرایی این موضوع را در این گزارش با یکدیگر مرور می کنیم.

یک کنسرسیوم بین المللی از متخصصان پزشکی اولین استانداردهای رسمی را برای آزمایش های بالینی هوش مصنوعی معرفی نموده که می تواند آینده پزشکی را دگرگون کند. این حرکت در زمانی انجام می گردد که هیاهوهای زیادی اطراف هوش مصنوعی پزشکی وجود دارد. در حال حاضر ادعاها و استدلال های تایید نشده ای در مورد کارایی بعضی ابزارهای هوش مصنوعی وجود دارد. اگر ادعاهایی که در مورد کاربردهای هوش مصنوعی ارائه می شوند درست نباشند، اعتماد مردم به هوش مصنوعی از بین می رود.

صنعت پزشکی به ابزارهای نوینی چون هوش مصنوعی احتیاجمند است، به همین خاطر باید استانداردهایی برای انجام آزمایش های بالینی و فراوری دارو اعمال گردد. این استاندارد جدید درباره آزمایش های بالینی با ابزارهایی چون هوش مصنوعی پایه گذاری شد. استاندارد تازه استفاده از آزمایش های بالینی با هوش مصنوعی در مجلاتی چون مجله پزشکی طبی، مجله پزشکی بریتانیا و لانست منتشر شد.

هوش مصنوعی، ابزار محققان در تشخیص

استانداردهای جدید دو مجموعه دستورالعمل در مورد چگونگی انجام آزمایش های بالینی و گزارش آنها را ارائه می نماید. بر این اساس آزمایش هایی که قبلا در سراسر دنیا برای فراوری دارو، آزمایش های تشخیصی و سایر موارد استفاده می گردد، گسترش می یابد. این موضوع به پژوهشگران هوش مصنوعی اجازه می دهد تا با پزشکان در ارتباط باشند و با یاری یکدیگر مسائل را پیش ببرند. در غیر این صورت، مداخلات پزشکی محققان هوش مصنوعی نادیده گرفته می گردد؛ چراکه اکنون زمان مناسبی برای افزایش مهارت های تشخیص پزشکی است و نمی توان بر مبنای ادعاها کاری کرد. پژوهشگران باید مهارت های مورد احتیاج برای استفاده از ابزار هوش مصنوعی، محیط ارزیابی هوش مصنوعی، جزئیات نحوه تعامل انسان با هوش مصنوعی، تجزیه و تحلیل موارد خطا و موارد دیگر را توصیف نمایند.

شاید از خودتان بپرسید چرا نگاه پزشکان به هوش مصنوعی منفی است و چرا استدلال های دانشمندان هوش مصنوعی اهمیت دارد؟ جوابی که جامعه پزشکی به این سوالات می دهد این است که آزمایش های کنترل شده تصادفی مطمئن ترین روش برای اثبات اثربخشی و ایمنی یک روش درمانی یا بالینی است. آزمایش های کنترل شده هم عمل پزشکی و هم خط مشی بهداشت را پایه ریزی می نمایند. اما اطمینان به این آزمایش ها بستگی به عواملی چون پیروی محققان از رهنمودهای دقیق نحوه انجام آزمایش و گزارش شان دارد. در چند سال گذشته، بسیاری از ابزارهای جدید هوش مصنوعی در مجلات پزشکی فراوری و توصیف شده اند، اما مقایسه و ارزیابی اثربخشی آنها سخت بوده است. دلیل دشواری مقایسه و ارزیابی اثربخشی ابزارهای جدید هوش مصنوعی تفاوت در کیفیت طرح های آزمایشی آنهاست. در ماه مارس 2020، پژوهشی در BMJ هشدار داد که تحقیقات ضعیف و ادعاهای اغراق آمیز در مورد چگونگی امکانات هوش مصنوعی در تجزیه و تحلیل تصاویر پزشکی برای میلیون ها بیمار خطرناک است.

تیغ دولبه هوش مصنوعی

گاهی اعتماد به هوش مصنوعی اتفاقات خوشایندی را رقم می زند و در مواردی هوش مصنوعی جان انسان ها را به خطر می اندازد. مسئله ای که بسیاری از پژوهشگران با آن دست وپنجه نرم می نمایند، اعتماد و تعصب بیش ازاندازه به فناوری است. هوش مصنوعی که توانایی تشخیص سرطان های پیشرفته را داراست، در بعضی موارد عملکرد مناسبی ندارد دلیل این موضوع نداشتن اطلاعات مناسب درخصوص بیماری است. بدون یادگیری ماشین و الگوهای درست، هوش مصنوعی قادر به تجزیه و تحلیل نخواهد بود. از طرفی نبود استانداردهای مناسب باعث حضور عده ای کلاهبردار در صنعت هوش مصنوعی و پزشکی شده است.

فقدان استانداردهای مشترک در زمینه هوش مصنوعی و پزشکی به شرکت های خصوصی این امکان را داده است که بدون آزمایش دقیق و دارا بودن از تأثیر مناسب در سایر رشته ها دخالت نمایند. بعضی از این شرکت ها وارد صنعت پزشکی شده اند و مدعی تشخیص بیماری ها به وسیله هوش مصنوعی هستند. این افراد و شرکت ها در مورد اثربخشی هوش مصنوعی خود سر و صدا می نمایند.

لاف زدن درباره توانایی هوش مصنوعی در پزشکی و تشخیص بیماری

آنچه تکنولوژی هوش مصنوعی را از تکنولوژی های قدیمی در مراقبت های مرتبط با سلامت متمایز می نماید، توانایی کسب اطلاعات، پردازش آن و ارائه خروجی به طور دقیق به کاربر نهایی است. هوش مصنوعی این عملیات را با استفاده از الگوریتم های یادگیری ماشین انجام می دهد که می تواند الگوها را در رفتار تشخیص دهد و منطق خود را ایجاد کند. برای کاهش خطا، الگوریتم هوش مصنوعی احتیاج دارد تا بارها مورد آزمایش قرار گیرد. الگوریتم های هوش مصنوعی به دو روش متفاوت از انسان ها رفتار می نمایند: 1. اگر شما فقط هدف را به آن بدهید، الگوریتم نمی تواند به تنهایی خودش را متناسب با آن تنظیم کند. 2. الگوریتم ها جعبه سیاه هستند؛ الگوریتم ها می توانند نتیجه را بسیار دقیق پیش بینی نمایند اما نه علت و نه دلیل.

هدف اولیه برنامه های کاربردی هوش مصنوعی مرتبط با سلامت، تحلیل روابط بین تکنیک های پیشگیری یا درمان و نتایج بیماران است. اما برنامه های هوش مصنوعی به شیوه هایی مانند فرایندهای تشخیص، توسعه پروتکل درمان، توسعه دارو، پزشکی شخصی و نظارت و مراقبت از بیمار، اعمال شده است.

وقتی درباره کلاهبرداران صنعت هوش مصنوعی حرف می زنیم ممکن است به فکرتان نرسد که شرکت های عظیم را هم در این دسته بگذارید. در حالی که فقط شرکت های کوچک نیستند که نسبت به فناوری هایشان لاف می زنند. شرکت

Babylon Health یکی از شرکت های شناخته شده در حوزه بهداشت دیجیتال است. این شرکت که دفتر مرکزی اش در انگلستان واقع شده است، سال 2018 به خاطر چت بات هوش مصنوعی اش مورد انتقاد نهاده شد؛ زیرا این شرکت اعلام نموده بود تشخیصی که چت بات هوش مصنوعی اش اعلام می نماید با پزشکان انسانی مطابقت دارد و پزشکان با انجام آزمایشی ثابت کردند استدلال های این چت بات گمراه نماینده است.

این شرکت بهداشت دیجیتالی تنها شرکتی نیست که مدعی رجحان محصول هوش مصنوعی خود است. مدتی است که توسعه دهندگان ادعا می نمایند هوش مصنوعی پزشکی عملکردی بهتر از انسان دارد و پزشکان قابلیت های کمتری از هوش مصنوعی دارند. این فرایند روز به روز توسعه می یابد و فاجعه زمانی اتفاق می افتد که بیماری همه گیری مثل کووید- 19 شیوع پیدا می نماید. در ابتدای ورود این بیماری نیز تبلیغات گسترده ای برای چت بات های هوش مصنوعی شد و بعضی شرکت ها مدعی رجحان این چت بات ها شدند. اگرچه نمی توان به طور کلی هوش مصنوعی و خدماتش را در علم پزشکی و تشخیص های بالینی نادیده گرفت ولی اعتماد بیش از حد به فناوری نیز معضلاتی را به همراه دارد. در حال حاضر شرکت های خدمات پزشکی که ابزارهای هوشمند فراوری می نمایند رقابتی تنگاتنگ را برای جلب توجه ابزارهایشان شروع نموده اند. به نظر می رسد در بیشتر موارد ارزیابی هوش مصنوعی در داخل و در شرایط مطلوب انجام می گردد.

وعده ای که پزشکان و شرکت های فراورینماینده ابزارهای سلامت دیجیتال برپایه هوش مصنوعی می دهند این است که هوش مصنوعی نمی تواند پزشکان انسانی را شکست دهد و به عنوان رقیب قدرتمندی با پزشکان برابری کند. ولی هوش مصنوعی می تواند عملکرد پزشکان را سریع تر کند و در بهبود بیماران همچون دستیاری کنار پزشکان باشد. البته در بعضی موارد هم هنوز شبهاتی درباره قدرت بیشتر هوش مصنوعی وجود دارد. به عنوان مثال، در ماه گذشته اولین ارزیابی مستقل از یک ابزار تشخیصی هوش مصنوعی منتشر شد که نشان از عملکرد خوب آن ابزار داشت. مقاله منتشر شده نشان می داد که در تشخیص سرطان با استفاده از ابزار هوشمند ماموگرافی، هوش مصنوعی عملکرد بهتری نسبت به انسان داشته است.

این مطالعه نشان داد که ابزاری که توسط Lunit AI ساخته شده و در بیمارستان های خاصی در کره جنوبی آزمایش شده بهتر از رادیولوژیست ها عمل می نماید و تشخیص دقیق تری می دهد. البته این ابزار به شیوه دیگری نیز آزمایش شد. این ابزار و یک پزشک با همکاری هم توانستند تشخیص دقیق تری را اعمال نمایند. با تفکیک خوب و بد هوش مصنوعی در صنعت پزشکی به این نتیجه می رسیم که استانداردهای جدید ارزیابی مستقل را آسان تر می نماید و در نهایت منجر به فراوری هوش مصنوعی پزشکی بهتر و قابل اعتمادتر می گردد.