• طبقه بندی مقالات
    • معرفی کتاب «پزشکی عمیق»
      معرفی کتاب «پزشکی عمیق»
      اریک توپول، پزشک برجسته آمریکایی در کتاب اخیر خود «پزشکی عمیق؛ هوش مصنوعی چگونه می‌‌تواند مراقبت از سلامت را دوباره انسانی کند؟» به این مسئله می‌‌پردازد که چگونه هوش مصنوعی می‌‌تواند فرصت‌‌های جدیدی را در اختیار پزشکان قرار دهد و فرایند پزشکی و مراقبت از سلامت بیمار را متحول کند. در حال حاضر پزشکی متهم است که توجه کافی را به تجربه‌‌های زیسته بیمار و روایت شخصی او از وضعیتش ندارد و روابط میان پزشک و بیمار آسیب دیده است. توپول در این کتاب سعی دارد ظرفیت‌‌های هوش مصنوعی را برای حل چالش‌‌هایی از این دست در پزشکی نشان دهد؛ ظرفیت‌‌هایی مانند یادداشت‌‌برداری تا تصویربرداری‌‌های پزشکی. فناوری‌‌های هوش مصنوعی توانسته‌‌اند بخشی از وظایف پزشک را بر عهده بگیرند و با ایجاد فراغت برای او، به بهبود روابط انسانی در این فرایند و بهتر شنیده شدن صدای بیمار کمک کند.
      عصر صنعتی چهارم، یعنی ظهور هوش مصنوعی، روباتیک و کلان‌‌داده‌‌ها، انقلابی را پدید خواهد آورد که با توجه به میزان تغییراتی که ایجاد خواهد کرد، قابل مقایسه با اختراع موتور بخار، راه‌‌آهن، الکتریسیته و حتی عصر کامپیوتر نیست. در چهار دهه اخیر، علی‌‌رغم پیشرفت‌‌های پزشکی، بخش قابل توجهی از بیماران رضایت چندانی از نهاد مراقبت از سلامت ندارند، زیرا دیگر هنر دیدن آنها به مثابه یک شخص منحصربفرد فراموش شده، قلب شکسته آنها دیگر ثبت نمی‌‌شود و داستان آنها شنیده نمی‌‌شود.
      به باور توپول، هوش مصنوعی و تکنیک‌‌های یادگیری عمیق دقت فوق‌‌العاده‌‌ای را در تشخیص و پیش‌‌بینی بیماری‌‌ها برای ما فراهم آورده‌‌اند، اما نتوانسته‌‌اند جایگزین انسان ‌‌شوند. این فناوری‌‌ها در بهترین حالت، پیشنهادهایی (حتی دقیق‌‌تر از انسان‌‌ها) ارائه می‌‌کنند، اما در نهایت یک پزشک یا تیم درمانی زیرک، مراقبت‌‌گر و دقیق است که این پیشنهاد را ارزیابی می‌‌کند. چرا که به گفته بقراط «شناختن فردی که بیمار است مهمتر از این است که تشخیص دهیم فرد مبتلا به چه نوع بیماری‌‌ است.»
      تفسیر و استفاده صحیح از داده‌‌های کامپیوتری به همان اندازه‌‌ای وابسته به مهارت و قضاوت یک پزشک حاذق است که در گذشته هم برای تفسیر منابع دیگری از داده‌‌ها نیاز به چنین پزشکی وجود داشت. توپول معتقد است تا زمانی که درباره انسان‌‌ها بحث می‌‌کنیم، این اصل همچنان برقرار است. ما انسان‌‌ها موجوداتی بدن‌‌مند با پیچیدگی‌‌های بسیار در بدن و مغزمان هستیم که تاثیر و تاثر آنها بسیار رازآلود است. یک بیمار نیازی بنیادین به مراقبت دارد و علاوه بر دقت علمی، درمان مطلوب و مهارت‌‌های تکنیکی، نیاز دارد که پزشک او را «بشناسد» (که امروزه این شناختن در برخی از ابعاد به کمک پیش‌‌بینی‌‌هایی که از هوش مصنوعی به دست می‌‌آید، وسیع‌‌تر شده است) و به شکل مراقبت آن را نشان دهد. اما بیمار می‌‌خواهد کسی که از او مراقبت می‌‌کند، ترس‌‌های عمیق و انگیزه‌‌های زندگی و مرگ او را بشناسد و مهم بشمارد.
      توپول اشاره می‌‌کند که مراقبت تسکینی[1] در پزشکی رشد روزافزونی پیدا کرده است. ابزارهای جدیدی با استفاده از داده‌‌های ثبت‌‌شده الکترونیک می‌‌توانند زمان مرگ را با دقتی بی‌‌سابقه پیش‌‌بینی کنند. تلاش‌‌هایی که در یادگیری عمیق انجام می‌‌شود هم می‌‌توانند تاثیراتی روی مراقبت تسکینی داشته باشند. در آمریکا نسبت پزشکانی که مراقبت تسکینی انجام می‌‌دهند به بیماران، یک به 1200 است که مستلزم کارامدی بالا بدون کاهش کیفیت مراقبت است. اما نیمی از بیماران این مراقبت را دریافت نمی‌‌کنند. 80% از کسانی که نیازمند مراقبت پیش از مرگ هستند، ترجیح می‌‌دهند که در خانه بمیرند. اما 60% این بیماران در بیمارستان می‌‌میرند. وقتی امکان پیش‌‌بینی به واسطه فناوری‌‌های جدید هوش مصنوعی وجود داشته باشد، اولین مسئله‌‌ای که مطرح می‌‌شود این است که فردی که می‌‌خواهد در خانه بمیرد، این امکان را داشته باشد.
      آناند آواتی، دانشمند علوم کامپیتر در استنفورد، الگوریتم یادگیری عمیقی نوشته که بر اساس داده‌‌های الکترونیک سلامت (از قبیل سن، اقدامات و اسکن‌‌های انجام‌‌شده و طول مدت بستری)، زمان مرگ را پیش‌‌بینی می‌‌کند. داده‌‌های اینچنینی بدست‌‌آمده از هوش مصنوعی می‌‌تواند نتایج مهمی برای مراقبت تسکینی داشته باشد. از هوش مصنوعی برای پیش‌‌بینی موارد دیگری هم استفاده می‌‌شود. مثلا احتمال زنده ماندن یک بیمار پس از پیوند قلب. چنین الگوریتم‌‌هایی به بیمار و پزشک کمک می‌‌کنند که درباره فرایند مراقبت در موقعیت‌‌های تسکینی یا درمان و بهبودی تصمیم بگیرند.
      همچنین، در آمریکا بیمارستان‌‌ها بالاترین میزان هزینه‌‌ها و بودجه‌‌های سالانه (یک سوم از کل 3.5 تریلیون دلار) را به خود اختصاص می‌‌دهند و پرسنل آنها، بزرگ‌‌ترین عامل این هزینه‌‌ها هستند. نیاز به کاهش بیمارستانی شدن در صدر نوآور‌‌ی‌‌های هوش مصنوعی قرار گرفته است. توپول‌‌ مثال‌‌هایی را مطرح می‌‌کند که نشان می‌‌دهند الگوریتم‌‌ها می‌‌توانند بسیاری از بیماری‌‌ها و علت آنها را پیش‌‌بینی کنند. الگوریتم‌‌ها اگرچه می‌‌توانند پیش‌‌بینی کنند که ماندن بیمار در بیمارستان حدودا چه اندازه طول خواهد کشید، اما به ما نمی‌‌گویند که در طول این دوره که بیمار هنوز زنده است چه کارهایی باید انجام داد تا او ادامه زندگی خود را به خوبی سپری کند.
      بیشترین تعداد مشاغل در حوزه سلامت مربوط می‌‌شود به دستیاران مراقبت شخصی و دستیاران خانگی سلامت (754000 و 425000 نفر در آمریکا). بالاترین هزینه‌‌های درمانی در آمریکا که حدود 3.5 تریلیون دلار است، مربوط به منابع انسانی می‌‌شود که به تصریح توپول، هوش مصنوعی می‌‌تواند این هزینه‌‌های هنگفت را کاهش دهد. هوش مصنوعی همچنین می‌‌تواند تاریخچه بیمار را به سرعت بررسی کند و پیشنهادهایی متناسب با علائم فعلی او ارائه دهد. همچنین، می‌‌تواند به آزاد کردن وقت پزشک و پرستار برای بیمار، کاهش بیماران در صف بیمارستان، کاهش زمان معاینه بیمار و ... کمک کند.
      یکی از نتایج استفاده از هوش مصنوعی در پزشکی، هدیه دادن زمان است. بیش از نیمی از پزشکان از افسردگی رنج می‌‌برند و سیصد تا چهارصد پزشک در سال در آمریکا خودکشی می‌‌کنند. فرسودگی روانی پزشکان موجب خطاهای پزشکی می‌‌شود و خطاهای پزشکی هم به نوبه خود منجر به فرسودگی روانی. تعادلی در زندگی کاری اعضای نظام مراقبت از سلامت باید به وجود بیاید که شاید گذران وقت با خود، خانواده، دوستان و حتی بیماران نقطه آغاز خوبی باشد.
      در کیفیت مراقبت از بیماران، زمان نقشی محوری ایفا می‌‌کند. توپول مطالعاتی را ذکر می‌‌کند که نشان می‌‌دهند در معاینه خانگی بیمارانی که از بیمارستان مرخص شده‌‌اند، صرف هر یک دقیقه اضافی توسط درمانگر، منجر به کاهشی 8 درصدی در بازگشت بیمار به بیمارستان می‌‌شود. همانطور که ویلیام اوسلر (1895) نیز می‌‌گوید «بیمار را نمی‌‌توان به نحوی رضایت‌‌بخش، در کمتر از نیم ساعت معاینه کرد». صرف زمان بیشتر با بیمار منجر به کاهش 20%ی در بیمارستانی شدن و صرفه‌‌جویی میلیون‌‌ها دلار و کاهش خطر عفونت‌‌های بیمارستانی و حوادث ناگوار دیگر می‌‌شود. معاینه طولانی‌‌تر نه تنها موجب بهبود ارتباط و شکل‌‌گیری اعتماد می‌‌شود، بلکه با نتایج بهتر و کاهش هزینه‌‌ها همراه است.
      امروزه توجه پزشکان عمدتا از زندگی، جسم و روح بیماری که به مراقبت پزشک اعتماد کرده، برداشته شده و به یک صفحه کامپیوتر دوخته شده است. فناوری، امکان مراقبت از راه دور را ممکن کرده و این موجب فاصله گرفتن مراقبت‌‌گر از فردیت و هویت بدنمند بیمار شده است. اما از سوی دیگر، هوش مصنوعی، می‌‌تواند زمان را برای ما به ارمغان بیاورد. در گزارش سال 2018 موسسه تحقیقات سیاست‌‌گذاری عمومی درباره تاثیر هوش مصنوعی و فناوری‌‌های وابسته به آن روی وضعیت نظام پزشکی، آمده است که تا 25% زمان مراقبت‌‌گران برای مراقبت آزاد می‌‌شود؛ مثلا با فارغ کردن آنها از ثبت الکترونیکی وضعیت سلامت. در حالی که جایگزین کردن فناوری‌‌ با انسان‌‌ در موارد دیگر، نظیر خارج کردن کامپیوتر از اتاق آزمایش و کمک دستیاران انسانی به پزشکان منجر به کاهشی 40%ی در فرسوگی روانی پزشکان می‌‌شود.
      توپول به بیمارستان‌‌های مجازی نیز اشاره می‌‌کند که در آنها بیماران ممکن است در واحدهای مراقبت یا در تخت خواب خود باشند، در حالی که در معرض معاینه دقیق هستند و از راه دور کنترل می‌‌شوند. حتی اگر بیمار علائمی نداشته باشد، الگوریتم‌‌های پایش هوش مصنوعی می‌‌توانند خطرات را دریافت و به پزشک گزارش کنند. اگرچه ممکن است این نوع معاینه سرد به نظر برسد، اما توپول معتقد است که در عمل اینگونه نیست. چرا که پرستاران در این مراکز، تعامل منظم و فردی با بیمار دارند و بیمارها اغلب از این نوع مراقبت راضی هستند.
      همچنین، از هوش مصنوعی برای حمایت از سالمندان برای زندگی و کامیابی در خانه خود، بدون نیاز به مراجعه به مراکز نگهداری سالمندان یا ملاقات مکرر مراقبت‌‌دهندگان استفاده می‌‌شود. استارتاپ‌‌های متعددی در تلاش برای طراحی سنسورها و الگوریتم‌‌هایی هستند که گام‌‌ها، ضربان، دما، حالت، شناخت، فعالیت فیزیکی و ... را دیده‌‌بانی می‌‌کنند. نظارت از راه دور کاربردهای وسیعی در آینه خواهد داشت از جمله صرفه اقتصادی، آسودگی بیشتر به خاطر بودن در زیست‌‌جهان و محل زندگی، پیشگیری از عفونت‌‌های بیمارستانی، نبودن مزاحمت‌‌های بیمارستانی و .... تقویت ادراک حسی سالمندان به وسیله ابزارهای هوش مصنوعی برای ارتقاء بینایی و شنوایی آنها نیز منجر به افزایش امنیت و کیفیت زندگی آنها می‌‌شود و زندگی مستقل آنها را بهبود می‌‌بخشند.
      هدف دستیابی به سلامت بیشتر با هزینه کمتر است. در هند، نسبت تعداد پزشک به بیمار، 0.7 به 1000 است و شرکت‌‌هایی نظیر «Tricog Health» امکان تشخیص شرایط قلبی مبتنی بر فضای ابری، تشخیص زود سرطان سینه، تشخیص اتوماتیک سرطان گردن و دیده‌‌بانی از راه دور را فراهم کرده‌‌اند. توپول نمونه‌‌هایی مانند بیمارستان چشم آراویند (بزرگترین شبکه مراقبت از چشم) را نیز نام می‌‌برد که با همکاری گوگل و با استفاده از الگوریتم‌‌های یادگیری عمیق تشخیص دیابت از روی شبکیه چشم را امکان‌‌پذیر کرده‌‌اند.
      چین در استفاده از هوش مصنوعی در پزشکی پیشرو است. دولت چین در سال 2018 اعلام کرد که باید رهبری جهان در هوش مصنوعی را از آن خود کند. شکاف میان چین و آمریکا (که دانشمندان کامپیوتر با تخصص هوش مصنوعی بسیار بیشتری دارد) در حال کم شدن است. بیمارستانی در چین از 300 میلیون داده برای آموزش هوش مصنوعی بهره گرفته و لقب عربستان سعودی داده را به چین داده‌‌اند. فرانسه و انگلیس هم از قافله هوش مصنوعی عقب نیستند و بودجه‌‌های کلانی را به تحقیقات این حوزه خصوصا در پزشکی اختصاص داده‌‌اند. چرا که هیچ انسانی نمی‌‌تواند در جمع‌‌آوری و تصمیم‌‌گیری توسط داده‌‌های کلان به پای هوش مصنوعی برسد و ادعا بر این است (تیتر 2017 مجله Science) که هوش مصنوعی فرایند کشف را دگرگون کرده است.
      پرکتیس پزشکی به نحو فزاینده‌‌ای در حال انسان‌‌زدایی شدن است. بیمارستان‌‌ها در حال تبدیل شدن به ماشین‌‌هایی انسان‌‌زدایی‌‌شده هستند. تمایلات اقتصادی و شغلی از مراقبت پزشکی پیشی گرفته است. متخصصین بالینی به دنبال سود و بهره‌‌وری بیشتر هستند. زمان کوتاه‌‌تری برای بیمار صرف می‌‌شود و همین زمان هم به درستی صرف ارتباط انسان-با-انسان نمی‌‌شود. به باور توپول هوش مصنوعی می‌‌تواند پزشکی را دچار تحولاتی جدی کند، اما نه لزوماً در جهتی بهتر. استفاده از فناوری‌‌های تخصصی در نهایت روی نحوه عملکرد همه فعالان عرصه پزشکی تاثیر می‌‌گذارد و این ممکن است بزرگترین دگرگونی در تاریخ پزشکی را رقم بزند. ما باید کنترل این فناوری‌‌ها را به دست بگیریم تا در جهتی درست پیش برود.
      همدلی در پزشکی امروز بسیار کمرنگ است که بخشی از آن به نبود زمان کافی برمی‌‌گردد. به باور توپول، هر چه قدر ماشین‌‌ها هوشمندتر می‌‌شوند، انسان‌‌ها هم باید در مسیری متفاوت از آنها، انسانی‌‌تر شوند. عملکرد مادی انسان در طول زمان تغییری نکرده است. اما ماشین‌‌ها در انجام برخی از کارها از انسان‌‌ها جلوتر رفته‌‌اند. برای اینکه انسان‌‌ها مرحله‌‌ای پیش بروند، باید خصوصیات انسانی خود را تقویت کنند که نقطه تمایز همیشگی آنها با ماشین خواهد بود. توپول معتقد است که ماشین، علی‌‌رغم تلاش‌‌های مختلفی که برای طراحی روبات‌‌های اجتماعی یا اپلیکیشن‌‌های بالا بردن همدلی صورت گرفته است، نمی‌‌تواند همدلی انسانی را شبیه‌‌سازی کند. درست است که هوش مصنوعی به دنبال کشف احساسات انسانی مانند خشم، غم، خستگی و حواس‌‌پرتی است و تلاش‌‌هایی هم در شرکت‌‌های بزرگ روباتیک برای شبیه‌‌سازی همدلی صورت گرفته، اما به اذعان متخصصان همین شرکت‌‌ها، همیشه یک شکاف میان انسان و روبات وجود خواهد داشت و همدلی یکی از خصوصیات ذاتی انسان است. خصوصیات دیگری از جمله عشق، خنده، گریه، رویا، ترس، اندوه، لذت، مراقبت از دیگری، رنج، کاوش، قصه‌‌گویی، الهام‌‌بخشی، کنجکاو بودن، خلاقیت، شکرگزاری، خوش‌‌بینی، مهربانی، بروز احساسات، درک، بخشندگی و احترام نیز خصوصیاتی انسانی محسوب می‌‌شوند. همچنین، سازگاری، نوآوری، شهود، عرف، فرهنگ، توانایی انتزاع و بافتارمندی، داشتن روح و بسیاری از چیزهای دیگر نیز جزء ویژگی‌‌های انسانی هستند.
      همدلی، جزء اساسی ارتباط با بیمار است. مطالعات نشان می‌‌دهد که همدلی نتایج مثبتی در بهبود وضعیت بالینی، رضایت بیمار، تبعیت از پیشنهادات و تجویزها و کاهش اضطراب و استرس داشته است. کاهش رنج بیمار از طریق ارتباط انسانی صورت می‌‌گیرد و نیاز به زمان دارد و مبتنی بر اعتماد است. همدلی اگرچه قابل ترویج در میان پزشکان است، اما در طول دوره آموزش پزشکی کاهش می‌‌یابد. پزشک زمان کافی برای مراقبت از بیمار ندارد. متخصصان عصب‌‌شناسی توانسته‌‌اند مدارهای مغزی‌‌ای که عهده‌‌دار همدلی هستند را مشخص کنند و موانع و مشوق‌‌های زیستی، روانشناختی و اجتماعی آن را بشناسند. مغز برای آموختن مهارت‌‌های نرمی مانند همدلی، شفقت، مراقبت و خود را جای دیگری گذاشتن دارای انعطاف است و می‌‌توان با راهکارهای تشویقی، همدلی را در پزشک تقویت کرد. اما همدلی آغاز ماجراست. مسئله ارتباط پزشک و بیمار بسیار بزرگ‌‌تر از کمبود همدلی است و عوامل دیگری را نیز شامل می‌‌شود. «حاضر بودن یا حضور داشتن» یکی از عوامل موثر دیگر در بهزیستی بیمار و مراقبت‌‌گر و شکل‌‌گیری اعتماد در تعاملات انسانی است.
      حاضر بودن پزشک یعنی شنیدن آگاهانه بیمار و توجه کامل به او. اما امروز فاصله بین مواجهه بیمار با پزشک تا متوقف کردن حرف و روایت بیمار توسط پزشک فقط 18 ثانیه طول می‌‌کشد و دلیل آن، فشار زمانی زیادی است که به پزشک تحمیل می‌‌شود. در حالی که این زمان فرصت خوبی برای شناخت افراد، مشاهده احساسات آنها درباره نگرانی‌‌ها و علائمشان و فرضیات خودشان درباره علت مشکلشان است. پدر پزشکی مدرن، ویلیام اوسلر می‌‌گوید که به بیمار خود گوش کنید، او تشخیص را به شما می‌‌گوید. بیمار باید آزاد و روایت‌‌گر باشد، زیرا حتی هوش مصنوعی علی‌‌رغم همه کارکردهایی که دارد، نمی‌‌تواند داستان بیمار را آنگونه که بیمار می‌‌خواهد، بازگو کند. بیمار نمی‌‌خواهد هویت او صرفا یک بیمار در حال مرگ باشد. او فراتر از این است. اما گویی مراقبت‌‌گر هیچگاه بیمار را نمی‌‌شناسد. بنابراین، هوش مصنوعی اگرچه به ما زمان می‌‌دهد، اما این ما انسان‌‌ها هستیم که باید این زمان را در جهت مراقبت درست از بیمار صرف کنیم.
      پزشک برای اینکه نزد بیمار حضور داشته باشد، می‌‌تواند به جای پرسیدن سوال‌‌های متعدد، اجازه بدهد که بیمار وضعیت خود را آنگونه که می‌‌خواهد روایت کند و پزشک حضور خود را به او ارائه کند. بخشی از حضور، مشاهده مراقبت‌‌گرانه و دقیق است. یک راه تمرین برای آموختن مشاهده، بردن دانشجویان پزشکی به موزه و دعوت آنها به تماشای صرف است. لحظه شکل‌‌گیری ارتباط، لحظه‌‌ای است که هر دو طرف می‌‌دانند دیگری به چه چیزی فکر می‌‌کند و چه احساسی دارد، بدون اینکه کلمه‌‌ای رد و بدل کنند.
      معاینه صرفا از طریق گوش کردن به بیمار صورت نمی‌‌گیرد، بلکه آزمایش فیزیکی را هم که شامل لمس و صمیمیت ناشی از معاینه بدن بیمار است، دربرمی‌‌گیرد. اما ارتباط لمسی و فیزیکی با بیمار به دلیل استفاده از فناوری‌‌هایی مانند الکتروکاردیوگرام به تدریج در حال کم شدن است. اما برای به دست آوردن اعتماد بیمار، آزمایش فیزیکی ضروری است. تماس انسانی فی نفسه نباید کنار گذاشته شود و بیمار، وقتی پزشک فرایند معاینه و تماس را تسریع و با ابزارهای فناورانه جایگزین می‌‌کند، این را متوجه می‌‌شود. یکی از دلایل این ناکارایی‌‌ها، کمبود زمان است. آزمایش فیزیکی موجب شکل‌‌گیری رابطه‌‌ای خاص، که مبتنی بر فهم و احترام متقابل میان پزشک و بیمار است، می‌‌شود.
      اگر پزشکی به وسیله فناوری انسان‌‌زدایی شود، کیفیت مراقبت از سلامت (یا بخش‌‌هایی از آن) کاهش خواهد یافت. اما فناوری می‌‌تواند به نحوی طراحی شود که با بهبود برخی از جنبه‌‌های پزشکی، مثلا به کمک تلفن‌‌های هوشمند فراصوت و با فراهم کردن این امکان که بیمار بتواند نوعی درک از آنچه که در بدنش می‌‌گذرد پیدا کند، رابطه میان پزشک و بیمار را تقویت کند. اصولی همچون همدلی، حضور، گوش کردن، ارتباط، لمس و آزمایش فیزیکی، عناصر سازنده رابطه‌‌ای مطلوب میان پزشک و بیمارند. اینها سازنده اعتماد و نوعی حس تسلی و شفا به بیمار هستند. این تعاملات انسانی به سختی قابل کمّی شدن یا دیجیتالی شدن هستند و به همین دلیل، به باور توپول پزشک قابل جایگزین شدن با ماشین نیست.
      شفا چیزی بیش از درمان است. در شفا یافتن، آسیب روانی ناشی از بیماری هم جبران می‌‌شود. پزشکان خوب، با شخصیت، همدلی و اطمینان خود جادو می‌‌کنند. وقتی رابطه‌‌ای عمیق و اصیل میان پزشک و بیمار برقرار شود، شفا به نحوی طبیعی و ساده حاصل می‌‌شود. بیمار حرف و حمایت پزشک را باور می‌‌کند. بنابراین، علی‌‌رغم ورود هوش مصنوعی به عرصه تشخیص و درمان در پزشکی، برتری نقش انسان در این حرفه همواره باید حفظ شود.
      عدم آمادگی فعالان در حرفه پزشکی برای مواجهه با قابلیت‌‌های فناورانه فعلی و آینده می‌‌تواند منجر به شکست پزشکی در دستیابی به معیارهای انسانیت ‌‌شود. چنانکه توپول هم اشاره می‌‌کند، اخیراً روبات شیائویی در چین در آزمون ملی پزشکی قبول شده است. این به این معنی است که ما پزشکان آینده را بر مبنایی انتخاب می‌‌کنیم که روبات هم می‌‌تواند آن را شبیه‌‌سازی کند؟ اگرچه دانش پزشکی قابل واگذاری به الگوریتم‌‌های ماشینی است، اما عامل تمایز پزشک از ماشین، انسان بودن او، قابلیت پرورش یک رابطه، تصدیق و تسکین رنج است.
      هوش احساسی باید در انتخاب پزشکان آینده در نظر گرفته شود. اکثر مدارس پزشکی، مهارت‌‌های گوش کردن، معاینه کردن و همدلی را آموزش نمی‌‌دهند. دانشجویان پزشکی باید به جای بیماری‌‌محور بودن، انسان‌‌محور شوند. تشخیص بیماری از طریق نگاه کردن به اسکن‌‌ها یا نتایج آزمایشگاهی به جای ارتباط لمسی و نزدیک با بیمار هم می‌‌تواند صورت ‌‌گیرد. این شیوه‌‌ها بسیار ساده‌‌تر و سریع‌‌تر از شناختن یک انسان هستند. اما توپول آزمایشی روی دو گروه از دانشجویان را مطرح می‌‌کند که نشان می‌‌دهد کسانی که آموزش دیدند تا بافتار زندگی بیمار را بررسی کنند، به او اجازه دهند که صحبت کند، درباره نحوه زندگی او، چیزهایی که برایش مهم‌‌اند و چیزهایی که نگرانش می‌‌کنند کنجکاو بوده‌‌اند، در تشخیص موفق‌‌تر عمل کردند.
      پزشکان آینده باید فهم بهتری از علوم داده از جمله بیوانفورماتیک، محاسبات زیستی، تفکر احتمالی و یادگیری عمیق در شبکه‌‌های عصبی داشته باشند. بخش زیادی از تلاش‌‌های آنها برای مراقبت از بیمار، به کمک الگوریتم‌‌ها انجام می‌‌شود و آنها باید نسبت به شناسایی سوگیری‌‌ها، خطاها، خروجی‌‌های اشتباه فناوری‌‌های جدید پزشکی شناخت و احساس مسئولیت داشته باشند. به علاوه، در هرگونه همکاری میان انسان/ماشین، بیش از همه باید به ارزش‌‌ها و اولویت‌‌های بیمار اهمیت داد. الگوریتم‌‌ها نباید به گونه‌‌ای باشند که پدرسالاری بالینی[2] را تشدید کنند.
      ما هنوز در روزهای ابتدایی استفاده از هوش مصنوعی در پزشکی هستیم، اما این رویکرد جدید در پزشکی به سرعت در حال رشد و گسترش است. اما ضرورتی ندارد که پزشکیِ ماشینی آینده محتوم ما باشد. ما می‌‌توانیم پزشکی انسانی‌‌تری را داشته باشیم که توسط ماشین‌‌ها ممکن و هموار شده است. به پیشنهاد توپول، سه‌‌گانه سنخ‌‌‌‌شناسی عمیق (دانستن داده‌‌های بیشتر درباره بیمار که قبلا قابل دستیابی و درک نبود)، یادگیری عمیق و همدلی عمیق می‌‌تواند درمانی برای بحران اقتصادی در مراقبت از سلامت باشد و شاید این آخرین شانس ما برای بازگردادن حضور، همدلی، اعتماد، مراقبت و انسان بودن به عرصه پزشکی باشد.
      همانطور که توپول در پایان خود می‌‌گوید: اگر تجربه درد عمیق را داشته باشید، می‌‌دانید که چه قدر تنهایی و انزوا به همراه دارد، کسی نمی‌‌فهمد شما چه احساسی دارید، حس غم و ناامیدی زیادی را تجربه می‌‌کنید. یک دوست یا خویشاوند می‌‌تواند شما را تسلی بدهد و این به شما کمک می‌‌کند. اما این نمی‌‌تواند قابل مقایسه با دلداری پزشکی باشد که به او اعتماد دارید؛ کسی که خیال شما را راحت می‌‌کند که این دوره می‌‌گذرد و در این دوره همراه شماست؛ شما بهبود خواهید یافت. ما در این دوره نیاز به مراقبت انسانی داریم و هوش مصنوعی می‌‌تواند به بازگشت آن کمک کند.

      منبع:
      ​Topol, E., 2019. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books.



      [1] Palliative care
      [2] Clinical Paternalism
      منبع اصلی مقاله


      منبع درج


      منابع


      نظر کاربران
      نام:
      پست الکترونیک:
      شرح نظر:
      کد امنیتی:
       
آدرس: تهران، سعادت آباد، خیابان علامه شمالی، کوچه هجدهم غربی، پلاک 17
کد پستی: 1997987629
تلفن: 22073031
پست الکترونیک: info@csri.ac.ir