آیا فکر کردهاید که یک الگوریتم هوش مصنوعی چقدر باید کارآمد باشد تا شغل شما را از دست شما بگیرد. این پرسش جدید بسیاری از صاحبان مشاغل است. چت جیپتی (Chat GPT) و برنامههای هوش مصنوعی میتوانند با انسانها حرف بزنند، داستان بنویسند و حتی در چند ثانیه ترانه بنویسند یا تصویر خلق کنند.
به گزارش همشهری آنلاین، اما برای پزشکانی که اسکنهای بیماران را بازبینی میکنند تا سرطان یا سایر بیماریها را شناسایی کنند، حدود یک دهه است که این الگوریتمها وعده بهبودی دقت، تسریع کار و در برخی موارد انجام دادن کل کار را میدهند.
پیشبینیها از نقش آینده هوش مصنوعی در این حوزه پزشکی از سناریوهای بدبینانه جایگزینی کامل متخصصان رادیولوژی با برنامههای هوش مصنوعی تا سناریوهای خوشبینانه آزاد شدن وقت این متخصصان برای متمرکز شدن بر روی سودمندترین جنبههای کارشان متفاوت بوده است.
این تنش نشان میدهد که چگونه نقش هوش مصنوعی دارد در سراسر حوزه مراقبتهای بهداشتی گسترش پیدا میکند. این گسترش به جز پیشرفتهای خود فناوری به تمایل پزشکان به فناوری و بیش از همه به تمایل پزشکان برای اعتماد کردن به این برنامهها و سپردن سلامت بیمارانشان به دست الگوریتمهای پیچیدهتر که کمتر کسی آن را درک میکند، بستگی دارد.
حتی در درون این حوزه، نظرات در مورد میزان استقبال متخصصان رادیولوژی از این فناوری متفاوت است.
هوش مصنوعی به طور گسترده در جامعه پزشکی پذیرفته نشده
دکتر رونالد سامرز، متخصص رادیولوژی و پژوهشگر هوش مصنوعی در انستیتوی ملی بهداشت آمریکا میگوید: «بعضی از تکنیکهای هوش مصنوعی بسیار خوب هستند، صادقانه بگویم به نظر من باید هم اکنون از آنها استفاده کنیم. چرا اجازه دهیم که این امکانات جدید بیاستفاده بمانند.»
آزمایشگاه سامرز برنامههای تصویربرداری به کمک کامپیوتری را ایجاد کرده است که سرطان روده بزرگ، پوکی استخوان، دیابت و سایر بیماریها را تشخیص میدهند. اما هنوز هیچ یک از این موارد به طور گسترده مورد پذیرش جامعه پزشکی قرار نگرفتهاند و این عدم پذیرش را از جمله به «فرهنگ پزشکی» رایج فعلی نسبت میٔدهند.
متخصصان رادیولوژی در دهه ۱۹۹۰ از کامپیوتر برای بهبود وضوح تصاویر و نشانهگذاری مناطق مشکوک استفاده کردهاند. اما آخرین برنامههای هوش مصنوعی میتوانند بسیار فراتر رفته و اسکنها را تفسیر کنند، تشخیص احتمالی را ارائه دهند و حتی گزارشهای مکتوب درباره یافتههای خود تهیه کنند. این الگوریتمها اغلب با استفاده از میلیونها تصویر رادیولوژی اشعه ایکس و سایر تصاویر پزشکی جمعآوریشده از بیمارستانها آموزش داده میشوند.
سازمان غذا و داروی آمریکا (FDA) در حوزههای گوناگون پزشکی بیش از ۷۰۰ الگوریتم هوش مصنوعی را برای کمک به پزشکان تأیید کرده است. بیش از ۷۵٪ این الگوریتمها در حوزه رادیولوژی هستند، اما بر اساس یک برآورد اخیر، فقط ۲٪ از رادیولوژیها در آمریکا از این فناوری استفاده میکنند.
تردیدها دربار دقت هوش مصنوعی در تشخیص رادیولوژیکی بیماریها
متخصصان رادیولوژی با وجود تمام وعدههای صنعت هوش مصنوعی دلایلی برای داشتن شک و تردید نسبت به این برنامهها ذکر میکنند: آزمایش شدن محدود الگوریتمهای هوش مصنوعی در محیطهای واقعی، نبود شفافیت در مورد نحوه کار آنها و پرسشهایی درباره جمعیتشناسی بیمارانی که برای آموزش این برنامهها مورد استفاده قرار میگیرند.
دکتر کورتیس لانگلوتز، متخصص رادیولوژی که مدیر مرکز پژوهشهای هوش مصنوعی در دانشگاه استنفورد در سانفرانسیسکو است، میگوید: «اگر ندانیم که هوش مصنوعی در چه مواردی آزمایش شده است یا اینکه آیا این موارد مشابه انواع بیمارانی بودهاند که به طور معمول در مطب ویزیت میکنیم، این وضعیت فقط یک پرسش در ذهن همه ایجاد میکند، اینکه آیا این برنامه هوش مصنوعی در موارد بیماران معمول ما کارآمدی دارد یا نه.»
تا به امروز، همه برنامههای هوش مصنوعی که مجوز سازمان غذا و داروی آمریکا (FDA ) را گرفتهاند، نیاز به حضور یک انسان در حلقه تصمیمگیری دارند.
اما سازمانهای ناظر پزشکی در اروپا در سال ۲۰۲۲ اولین نرمافزار کاملاً خودکار را تأیید کردند که عکسهای رادیولوژی اشعه ایکس قفسه سینه که را سالم و طبیعی به نظر میرسند، بازبینی و در مورد آنها گزارش مینویسد. شرکت اوکسیپیت (Oxipit) که این برنامه را ساخته است، دارد درخواست تأیید آن را تسلیم FDA نیز میکند.
در اروپا نیازی فوری به این فناوری وجود دارد، زیرا برخی از بیمارستانها به دلیل کمبود متخصصان رادیولوژی هر ماه با انبوهی از اسکنهای تفسیرنشده روبرو هستند.
احتمالاً هنوز سالها طول خواهد کشید تا این نوع غربالگری خودکار در آمریکا رایج شود. به گفته مدیران شرکتهای هوش مصنوعی، این تأخیر نه به دلیل آماده نبودن این فناوری، بلکه به این دلیل که است متخصصان رادیولوژی هنوز اجازه ندارند، حتی کارهای معمول را به الگوریتمها بسپارند.
مقاومت متخصصان رادیولوژی در برابر هوش مصنوعی
به گفته چاد مک کلنان، مدیرعامل «کویوس مدیکال» که یک وسیله هوش مصنوعی برای سونوگرافی تیروئید را عرضه میکند، اغلب سونوگرافیهای تیروئید سرطانی را نشان نمیدهند. او میگوید: «تلاش ما این است که پزشکان را قانع کنیم که شیوه فعلی باعث درمان شدن بیشازحد لازم افراد و اتلاف زمان و منابع بسیاری میشود. ما به آنها میگوییم بگذارید ابتدا این ابزار هوش مصنوعی سونوگرافیها را بررسی کند، بعد شما گزارشها را بازبینی و امضا کنید.»
مک کلنان میگوید متخصصان رادیولوژی تمایل دارند که دقت خود را بیشازحد تخمین بزنند. پژوهشهای شرکت او نشان داد که پزشکانی که اسکنهای مشابه از پستان را مشاهده میکنند، در بیش از ۳۰ درصد مواقع در مورد انجام بیوپسی یا نمونهبرداری با یکدیگر اختلافنظر داشتند. حتی در ۲۰ درصد مواقع، وقتی خود همان رادیولوژیستها همان تصاویر قبلی را یک ماه بعد میدیدند، نظری مخالف با ارزیابیهای اولیه خود میدادند.
بر اساس گزارش موسسه ملی سرطان آمریکا نیز حدود ۲۰ درصد از سرطانهای پستان در ماموگرافیهای معمول تشخیص داده نشده باقی میمانند.
و بالاخره امکان بالقوه صرفهجویی بسیار در هزینهها وجود دارد. بر اساس گزارش وزارت کار آمریکا، متخصصان رادیولوژی در این کشور سالانه بیش از ۳۵۰۰۰۰ دلار درآمد دارند.
کارشناسان میگویند هوش مصنوعی در کوتاهمدت مانند سیستمهای خلبان خودکار در هواپیماها استفاده خواهد شد – یعنی عملکردهای ناوبری مهم را انجام میدهد، اما همیشه تحت نظارت یک خلبان انسانی.
دکتر لوری مارگولیس از شبکه بیمارستان مونت ساینای در نیویورک میگوید که این رویکرد به پزشکان و بیماران اطمینان خاطر میدهد. این بیمارستان از یک ابزار هوش مصنوعی برای بازبینی تصویربرداری پستان به نام Koios برای گرفتن نظر ثانوی در مورد سونوگرافیهای پستان استفاده میکند.
هوش مصنوعی با رادیولوژیستها رقابت میکند
اولین بررسیهای بزرگ و دقیقی که کارآیی متخصصان رادیولوژی کمکگرفته از هوش مصنوعی را با کارآیی متخصصانی که چنین کمکی را نمیگیرند، مقایسه کردهاند، بارقههایی از پیشرفتهای بالقوه را نشان میدهند.
نتایج اولیه یک بررسی در سوئد بر روی ۸۰۰۰۰ زن نشان داد که یک متخصص رادیولوژی که از هوش مصنوعی کمک گرفته بود، ۲۰ درصد بیشتر از دو متخصص رادیولوژی که بدون این فناوری کار میکردند، موارد سرطان را تشخیص میدهد.
ماموگرافیها در اروپا برای بهبود دقت بهوسیله دو متخصص رادیولوژی بررسی میشوند،. اما سوئد مانند سایر کشورها با کمبود نیروی کار مواجه است و در کشوری با جمعیت ۱۰ میلیون نفری وجود دارد، تنها چند متخصص رادیولوژی پستان وجود دارد.
بررسی یافتهها این بررسی، استفاده از هوش مصنوعی به جای بازبین دوم، بار کاری انسان را تا ۴۴ درصد کاهش داد.
بااینحال این پژوهشگران میگویند ضروری است در همه موارد متخصص رادیولوژی تشخیص نهایی را بدهد.
مشکل اعتماد عمومی به هوش مصنوعی
کارشناسان میگویند اگر یک الگوریتم خودکار نتواند موردی از سرطان در تصاویر رادیولوژی تشخیص دهد، اثری بسیار منفی بر اعتماد به پزشک مراقب خواهد گذاشت.
همچنین این پرسش که چه کسی در چنین مواردی میتواند مسئول باشد، از جمله مسائل حقوقی دردسرآفرینی است که هنوز حل نشده است.
یک پیامد چنین وضعیتی این است که متخصصان رادیولوژی برای اینکه مبادا مسئول خطاهای احتمالی شناخته شود. چنین کاری احتمالاً بسیاری از مزایای پیشبینیشده از جمله کاهش حجم کار و فرسودگی شغلی را از بین میبرد
کارشناسان میگویند فقط یک الگوریتم بسیار دقیق و قابلاعتماد به متخصصان رادیولوژی امکان فاصله گرفتن از چنین فرایندی را میدهد.
تا زمانی که چنین دستگاههای هوش مصنوعی پدیدار شوند، تفسیر عکسهای رادیولوژی به کمک هوش مصنوعی را به کسی تشبیه میکنند که با نگاه کردن از بالای شانههای راننده و اشاره مداوم به همه چیز در جاده به او در رانندگی کمک میکند.
منبع: آسوشیتدپرس
نظر شما