661. Can A.I. Save Your Life? | Freakonomics Radio

این پادکست به بررسی نقش تحول‌آفرین هوش مصنوعی در سیستم سلامت می‌پردازد. دکتر رابرت واچر (Robert Wachter)، رئیس بخش پزشکی دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF)، توضیح می‌دهد که چرا با وجود پیشرفت‌های خیره‌کننده در تکنولوژی پزشکی، نحوه ارائه خدمات به بیماران همچنان ناکارآمد و قدیمی است. او معتقد است که ما در آستانه یک «جهش بزرگ» هستیم؛ جایی که هوش مصنوعی نه تنها کارهای اداری طاقت‌فرسا را حذف می‌کند، بلکه در تشخیص‌های پیچیده و تصمیم‌گیری‌های بالینی به کمک پزشکان می‌آید تا سیستمی انسانی‌تر و دقیق‌تر ایجاد شود.

نکات کلیدی:
• هوش مصنوعی می‌تواند با حذف وظایف اداری، زمان بیشتری را برای تعامل انسانی پزشک و بیمار فراهم کند.
• مدل‌های یادگیری عمیق قادر به تشخیص بیماری‌های قلبی از طریق نوار قلب ساده هستند که فراتر از توانایی چشم انسان است.
• چالش اصلی در پذیرش هوش مصنوعی، نه خود تکنولوژی، بلکه ساختارهای نظارتی، اقتصادی و فرهنگ سنتی پزشکی است.
• شرکت اپیک (Epic) به عنوان غول پرونده‌های الکترونیک سلامت، نقشی حیاتی و در عین حال انحصارطلبانه در این مسیر ایفا می‌کند.

پارادوکس بهره‌وری در دیجیتالی شدن پزشکی

دکتر رابرت واچر (Robert Wachter) توضیح می‌دهد که حدود ده سال پیش، سیستم سلامت آمریکا از پرونده‌های کاغذی به سیستم‌های دیجیتال نقل مکان کرد. با این حال، این تغییر به جای بهبود اوضاع، باعث شد پزشکان به «اپراتورهای ورود داده» تبدیل شوند. او به نقاشی یک کودک هفت‌ساله اشاره می‌کند که در آن پزشک به جای توجه به بیمار، پشت به او نشسته و در حال تایپ کردن است. این پدیده که «زمان پیژامه» نامیده می‌شود، به ساعاتی اشاره دارد که پزشکان پس از اتمام کار و در خانه، صرف پر کردن فرم‌های الکترونیکی می‌کنند.

دکتر واچر معتقد است که دیجیتالی شدن اولیه، پتانسیل‌های تکنولوژی را به درستی به کار نگرفت و تنها فرآیندهای قدیمی را به فرمت دیجیتال تبدیل کرد بدون اینکه ساختار کار را تغییر دهد. اکنون هوش مصنوعی مولد این فرصت را ایجاد کرده است که با تحلیل داده‌های متنی و نوار صوتی جلسات، این بار سنگین را از دوش پزشکان بردارد و آن‌ها را به نقش اصلی خود یعنی درمان و همدلی بازگرداند.

ظهور کاتبان دیجیتال و هوش محیطی

یکی از اولین و موفق‌ترین کاربردهای هوش مصنوعی در حال حاضر، «کاتبان هوش مصنوعی» یا هوش محیطی است. در دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF)، پزشکان از ابزاری استفاده می‌کنند که مکالمات آن‌ها با بیمار را ضبط کرده و به طور خودکار به یک یادداشت پزشکی ساختاریافته تبدیل می‌کند. این ابزار صرفاً یک تبدیل‌کننده گفتار به متن نیست، بلکه می‌تواند اطلاعات پراکنده را ترکیب کرده و موارد غیرضروری مانند صحبت‌های حاشیه‌ای را حذف کند.

این تکنولوژی به پزشک اجازه می‌دهد به جای خیره شدن به مانیتور، مستقیماً به چشم بیمار نگاه کند. دکتر واچر اشاره می‌کند که این ابزارها به دلیل ریسک پایین و پاداش بالا، به سرعت توسط جامعه پزشکی پذیرفته شده‌اند. این اولین قدم در جهت جلب اعتماد پزشکانی است که پیش از این از تکنولوژی‌های ناکارآمد ضربه خورده بودند.

هوش مصنوعی در تشخیص بیماری‌های قلبی

دکتر پیر الیاس (Pierre Elias)، متخصص قلب در دانشگاه کلمبیا (Columbia University)، از پروژه‌ای به نام «اکو نکست» (EchoNext) صحبت می‌کند. او توضیح می‌دهد که بسیاری از بیماری‌های ساختاری قلب به دلیل گران بودن یا تهاجمی بودن تست‌های تشخیصی، تا مراحل پیشرفته شناسایی نمی‌شوند. تیم او مدلی از هوش مصنوعی ساخته است که می‌تواند تنها با تحلیل نوار قلب (EKG) ساده و ارزان، بیماری‌های دریچه‌ای را با دقتی بسیار بالاتر از پزشکان متخصص تشخیص دهد.

در آزمایش‌های انجام شده، در حالی که پزشکان متخصص قلب تنها ۶۴ درصد دقت در تشخیص از روی نوار قلب داشتند، هوش مصنوعی به دقت ۷۸ درصدی دست یافت. دکتر الیاس تاکید می‌کند که هوش مصنوعی به روشی متفاوت از انسان فکر می‌کند و الگوهایی را در سیگنال‌های الکتریکی می‌بیند که برای چشم انسان غیرقابل تشخیص است. این تکنولوژی می‌تواند به عنوان یک ابزار غربالگری همگانی، جان هزاران نفر را که از بیماری خود بی‌اطلاع هستند نجات دهد.

نقش غول‌های تکنولوژی و انحصار اپیک

بخش بزرگی از داده‌های پزشکی در آمریکا در اختیار شرکتی به نام اپیک (Epic) است که توسط جودی فالکنر (Judy Faulkner) تاسیس شده است. دکتر واچر اشاره می‌کند که اپیک به دلیل یکپارچگی سیستم‌هایش پیروز بازار شده است، اما این انحصار می‌تواند مانع نوآوری شود. شرکت‌های بزرگی مانند گوگل (Google) و مایکروسافت (Microsoft) بارها سعی کرده‌اند وارد حوزه سلامت شوند اما به دلیل پیچیدگی‌های محلی و قوانین پرداخت، شکست خورده‌اند.

سوال اصلی این است که آیا اپیک اجازه می‌دهد شرکت‌های نوپا و ابزارهای هوش مصنوعی شخص ثالث به داده‌هایش دسترسی داشته باشند یا خیر. در حالی که اپیک در حال ساخت ابزارهای هوش مصنوعی داخلی خود است، دکتر واچر معتقد است که یک شرکت به تنهایی نمی‌تواند بهترین ابزارها را برای تمام نیازهای متنوع پزشکی بسازد و دولت باید برای ایجاد یک فضای رقابتی و بازتر مداخله کند.

چالش مهارت‌زدایی و وابستگی به تکنولوژی

یکی از نگرانی‌های جدی در مورد ورود هوش مصنوعی به پزشکی، پدیده «مهارت‌زدایی» (De-skilling) است. مطالعه‌ای در مجله لنست (The Lancet) نشان داد که متخصصان گوارش پس از سه ماه استفاده از هوش مصنوعی برای تشخیص ضایعات در کولونوسکوپی، وقتی ابزار خاموش شد، عملکردشان نسبت به قبل از آزمایش افت کرد. این نشان می‌دهد که تکیه بر «عصای هوش مصنوعی» می‌تواند مهارت‌های پایه پزشکان را تضعیف کند.

دکتر واچر معتقد است که ما باید بین مهارت‌زدایی خوب (مانند از دست دادن توانایی نقشه‌خوانی به دلیل استفاده از GPS) و مهارت‌زدایی خطرناک تمایز قائل شویم. او هشدار می‌دهد که اگر پزشکان جوان بیش از حد به هوش مصنوعی وابسته شوند، ممکن است در تحلیل‌های انتقادی دچار ضعف شوند. با این حال، او تاکید می‌کند که در دنیای پیچیده امروز، هیچ پزشکی نمی‌تواند تمام مقالات علمی جدید را مطالعه کند و کمک گرفتن از هوش مصنوعی برای تصمیم‌گیری بالینی یک ضرورت است.

آیا هوش مصنوعی جایگزین پزشک می‌شود؟

استیون دابنر (Stephen Dubner) این سوال چالش‌برانگیز را مطرح می‌کند که آیا هدف نهایی شرکت‌های تکنولوژی حذف پزشک است؟ دکتر واچر پاسخ می‌دهد که اگرچه شرکت‌ها ادعا می‌کنند به دنبال ساخت «کمک‌خلبان» هستند، اما پتانسیل جایگزینی در برخی بخش‌ها وجود دارد. با این حال، او معتقد است که در موارد حساس مانند اعلام تشخیص سرطان یا آلزایمر، بیماران همیشه به یک انسان نیاز دارند تا با آن‌ها همدلی کند.

جالب اینجاست که مطالعات نشان داده‌اند بیماران گاهی پاسخ‌های متنی هوش مصنوعی را به دلیل لحن آرام و دقیق، همدلانه‌تر از پاسخ‌های پزشکان پرمشغله می‌دانند. اما در نهایت، نقش پزشک از یک منبع اطلاعاتی به یک راهنما و مربی تغییر خواهد کرد که به بیمار کمک می‌کند تا در مسیر پیچیده درمان و تصمیمات اخلاقی حرکت کند.

نتیجه‌گیری:
در نهایت، پادکست به این نتیجه می‌رسد که تحول سلامت توسط هوش مصنوعی بیش از آنکه به قدرت پردازش بستگی داشته باشد، به عوامل انسانی، سیاسی و اقتصادی وابسته است. دکتر رابرت واچر (Robert Wachter) با وجود تمام موانع، خوش‌بین است. او اشاره می‌کند که سیستم فعلی به دلیل هزینه‌های سرسام‌آور و کمبود نیروی انسانی در حال فروپاشی است و هوش مصنوعی تنها راه نجات برای افزایش کارایی و کاهش سوختگی شغلی کادر درمان است.

او پیش‌بینی می‌کند که در ده سال آینده، هوش مصنوعی به طور فعال پرونده‌های بیماران را مطالعه کرده و در لحظه، بهترین پیشنهادات درمانی را بر اساس آخرین یافته‌های علمی ارائه می‌دهد. اگرچه چالش‌هایی مانند انحصار شرکت‌های بزرگ و خطر از دست رفتن برخی مهارت‌های سنتی وجود دارد، اما پتانسیل هوش مصنوعی برای دموکراتیک کردن سلامت و ارائه مراقبت‌های باکیفیت به توده‌های مردم، غیرقابل انکار است. پیام نهایی این است که هوش مصنوعی قرار نیست جایگزین انسانیت در پزشکی شود، بلکه قرار است با حذف بوروکراسی، فضا را برای بازگشت «هنر درمان» فراهم کند.