هوش مصنوعی، چاقویی دولبه برای پزشکی

مقدمه

هوش مصنوعی زندگی بیماران، پزشکان و افرادی که به نحوی با نهاد مراقبت از سلامت سروکار دارند را از بسیاری از جهات ساده‌تر کرده است و در کاهش هزینه‌ها و افزایش سرعت کارها تأثیر بسزایی داشته است. صنعت هوش مصنوعی در سال 2014 ارزشی معادل 600 میلیون دلار را به خود اختصاص داد که برآورد شده است که این مقدار در سال 2026 به 150 میلیارد دلار خواهد رسید.
هوش مصنوعی در نظام مراقبت از سلامت کاربردهای متعددی دارد از جمله در کشف ارتباط میان کدهای ژنتیکی، روبات‌های جراح و دستیارهای اتاق عمل، بالا بردن کارامدی بیمارستان‌ها و .... این سیستم‌ها به دلیل مهارت‌هایی که در پیش‌بینی، یادگیری و عمل کردن دارند، تکنولوژی‌های منحصربفردی هستند. در ادامه به برخی از حوزه‌هایی که هوش مصنوعی در آنها موفقیت‌های چشمگیری نشان داده است، اشاره می‌کنیم:

کاهش خطا در تشخیص بیماری‌ها

آمارها نشان می‌دهند که در سال 2015، 10% از مرگ و میرها در آمریکا به دلیل خطا در تشخیص بیماری‌ها رخ داده است. بنابراین، بهبود فرایند تشخیص بیماری توسط هوش مصنوعی نظرات مثبتی را نسبت به استفاده از این تکنولوژی در پزشکی برانگیخت. حجم بالای موردهای پزشکی و تاریخچه‌های آنها می‌تواند منجر به افزایش چنین خطاهایی شود. هوش مصنوعی این قابلیت را دارد که با سرعتی بالا بیماری را تشخیص دهد یا پیش‌بینی کند.
برای مثال، در ایالت ماساچوست در آمریکا شرکت «PathAI» توانسته است با تکنولوژی یادگیری ماشین به پاتولوژیست‌ها در تشخیص دقیق‌تر سرطان کمک کند و شیوه‌هایی را برای درمان فردی‌شده پزشکی ارائه دهد. «Buoy Health» یک پایشگر علائم و درمان است که مبتنی بر هوش مصنوعی کار می‌کند و از الگوریتم‌ها برای تشخیص و درمان بیماری‌ها بهره می‌گیرد. یک چت‌بات به علائم بیمار و نگرانی‌های مربوط به موضوع سلامت او گوش می‌کند و به بیمار بر اساس تشخیصی که می‌دهد، مراقبت مناسب را توصیه می‌کند. این تکنولوژی در دانشکده پزشکی هاروارد و بسیاری از بیمارستان‌های دیگر مورد استفاده قرار گرفته است.
مثال دیگر، «Enlitic» است که از ابزارهای پزشکی یادگیری عمیق در تشخیص در رادیولوژی بهره می‌گیرد. پلتفرم‌های یادگیری عمیقِ این شرکت، داده‌های پزشکی (عکس‌های رادیولوژی، آزمایش‌های خون، اطلاعات ژنتیکی و تاریخچه پزشکی بیمار) را تحلیل می‌کنند تا به پزشک بینش بهتری نسبت به نیازهای واقعی بیمار بدهند. دانشگاه ام.آی.تی این شرکت هوش مصنوعی را پنجمین شرکت معتبر دنیا معرفی کرده است که جایگاهی بالاتر از فیسبوک و مایکروسافت است.
شرکت «Freenome» در سن فرنسیسکو نیز از هوش مصنوعی در تصویربرداری، آزمایش‌های تشخیصی و آزمایش خون در تشخیص سرطان استفاده می‌کند. این تکنولوژی می‌تواند سرطان را در مراحل اولیه‌اش تشخیص دهد و روش‌های درمانی جدیدی را نیز پیشنهاد کند.
بیمارستان آموزشی دانشگاه هاروارد، مرکز پزشکی «Beth Israel Deaconess» از هوش مصنوعی استفاده می‌کند تا بیماری‌های خونی کشنده را در اولین مراحل آنها تشخیص دهد. پزشکان با استفاده از میکروسکوپ‌هایی که با هوش مصنوعی ارتقاء یافته‌اند، باکتری‌های مضر را در خون و با سرعتی بسیار بالا اسکن می‌کنند. دانشمندان از 25000 تصویر از نمونه‌های خونی استفاده‌ کرده‌اند تا به این ماشین‌ها آموزش دهند که چگونه به دنبال این باکتری‌ها بگردند. سپس این ماشین‌ها یاد گرفتند که چگونه باکتری‌های مضر را با 95% دقت در خون شناسایی و پیش‌بینی کنند.

تولید داروهای جدید به کمک هوش مصنوعی

صنعت تولید دارو هزینه‌های گزاف و میزان بالایی از کار نیروی انسانی را طلب می‌کند. برای اینکه هر دارویی مورد آزمون و خطای بالینی قرار بگیرد حدود 2.6 میلیارد دلار هزینه باید صرف شود و تنها 10% از این داروها موفق می‌شوند که وارد بازار شوند. به دلیل تحولاتی که در تکنولوژی رخ داده است، شرکت‌های زیست‌دارویی توجهی جدی به تکنولوژی‌های هوش مصنوعی که دقت، دانش و کارامدی بالایی دارند، نشان داده‌اند. برای مثال، در سال 2007 محققان روباتی را به نام آدام مأمور کردند که تحقیقاتی را روی کارکرد مخمرها انجام دهد. آدام با جستجو در پایگاه‌های داده عمومی به دنبال این بود که فرضیه‌ای درباره کارکردهای 19 ژن در مخمر پیدا کند و به 9 فرضیه جدید و دقیق رسید.
شرکت «BioXcel Therapeutics» در کنتیکت با استفاده از هوش مصنوعی، داروهای جدیدی را در حوزه‌های ایمنی-تومورشناسی و عصب‌شناسی شناسایی کرد. این شرکت برنامه دیگری برای بازنوآوری در دارو دارد که به کمک هوش مصنوعی کاربردهای جدیدی برای داروهای موجود پیدا می‌کند و بیمارهای جدیدی را شناسایی می‌کند. کارهای این شرکت در تولید دارو به کمک هوش مصنوعی به عنوان یکی از مهمترین نوآوری‌ها در توسعه هوش مصنوعی در حوزه سلامت در سال 2019 شناخته شد.
«BERG» پلتفرم دیگری است که در حوزه بیوتکنولوژی از هوش مصنوعی استفاده می‌کند و از بیماری‌ها نقشه‌برداری می‌کند تا کشف و تولید داروهای جدید را تسریع کند و محصولاتی را تولید کند که برای مقابله با بیماری‌های نادر مفید هستند. این شرکت اخیرا دستاوردهایی را در درمان بیماری پارکینسون داشته است که از هوش مصنوعی استفاده می‌کند تا روابط میان مواد شیمیایی در بدن انسان را که پیش‌تر ناشناخته بودند، پیدا کند.
پلتفرم «XtalPi’s ID4» با ترکیب کردن هوش مصنوعی، تکنولوژی ابری و فیزیک کوانتوم توانسته است خصوصیات شیمیایی و دارویی گزینه‌های مختلفِ طراحی و تولید دارو را پیش‌بینی کند. به علاوه، این شرکت ادعا می‌کند که تکنولوژی پیش‌بینی‌کننده ساختار کریستالی‌ای که تولید کرده است، می‌تواند سیستم‌های مولکولی پیچیده را طی چند روز (و نه چند هفته یا چند ماه) پیش‌بینی کند. شرکت «XtalPi» سرمایه‌گذاران بزرگی همچون گوگل، «Tencent» و «Sequoia Capital» دارد.
«Atomwise» شرکتی است که از هوش مصنوعی بهره می‌گیرد تا با برخی از جدی‌ترین بیماری‌های حال حاضر از جمله ابولا مقابله کند. شبکه عصبی این شرکت که «AtomNet» نام دارد، به پیش‌بینی فعالیت زیستی و شناسایی خصوصیات بیمار برای آزمایش‌های بالینی کمک می‌کند. تکنولوژی هوش مصنوعی «Atomwise» هر روزه بین 10 تا 20 میلیون مولفه ژنتیکی را دیده‌بانی می‌کند و می‌تواند نتایجش را 100 برابر سریع‌تر از شرکت‌های دارویی سنتی گزارش کند.
یکی از شرکت‌هایی که در شیکاگو به جمع‌آوری و تحلیل داده‌های پزشکی مشغول است، «Tempus» نام دارد. این شرکت به بزرگترین مجموعه داده‌های بالینی و مولکولی دسترسی دارد و از آنها برای درمان‌های شخصی‌شده از افراد استفاده می‌کند. این شرکت به کمک ابزارهای هوش مصنوعی داده‌های متنوعی مانند توالی‌های ژنی تا تشخیص تصویر را جمع‌آوری و تحلیل می‌کند و می‌تواند به کمک این اطلاعات، بینش‌های دقیق‌تری را برای درمان بیماری‌ها و به طور خاص بیماری سرطان در اختیار پزشک قرار دهد. «KenSci» شرکت دیگری است که با استفاده از کلان‌داده‌ها و هوش مصنوعی، می‌تواند مخاطرات بالینی و اقتصادی را پیش‌بینی کند و درباره اینکه چه کسی ممکن است بیمار شود و هزینه‌های بیمارستان را چه عواملی بالا می‌برند اطلاعاتی به دست بدهد.
«Proscia» نیز پلتفرم دیجیتال دیگری است که در پاتولوژی استفاده می‌شود و از هوش مصنوعی استفاده می‌کند تا الگوهایی را در سلول‌های سرطانی کشف کند. نرم‌افزار این شرکت می‌تواند در تنگناهایی که در مدیریت داده‌ها به وجود می‌آید، به کمک آزمایشگا‌ه‌های پاتولوژی بیاید و با استفاده از قدرت تحلیل تصاویر و کشف ارتباطات میان داده‌ها به کشف و درمان سرطان کمک کند.
شرکت «IBM» سیستم هوشمندی را به نام «Watson» طراحی کرده است که به افرادی که در حرفه مراقبت از سلامت مشغول هستند کمک می‌کند تا داده‌هایشان را تحت کنترل بگیرند که در نتیجه آن، کارامدی بیمارستان افزایش می‌یابد، تعامل با بیماران ارتقاء پیدا می‌کند و درمان در سطح بالاتری صورت می‌گیرد. از مهارت‌های «Watson» برای مقاصد مختلفی از جمله طراحی برنامه‌های شخصی‌شده سلامت، تفسیر نتایج آزمایش‌های ژنتیک و کشف علائم اولیه بیماری استفاده می‌شود.
نرم‌افزار هوش مصنوعی ذهن عمیق گوگل در حوزه سلامت که «Google’s DeepMind Health» نام دارد، در بیمارستان‌های سراسر جهان مورد استفاده قرار می‌گیرد تا به کارامدی بیشتر در فرایند آزمایش تا درمان بیماران کمک کند. برنامه سلامت «ذهن عمیق» می‌تواند در هنگامی که وضعیت سلامت بیمار وخیم شده است، به پزشک اطلاع دهد و حتی در تشخیص بیماری‌ها مفید باشد، چرا که به داده‌های عظیمی از علائم بیماری‌ها دسترسی دارد. این سیستم هوشمند، این کار را با وارد کردن علائم بیمار در پلتفرم ذهن عمیق انجام می‌دهد و پزشکان می‌توانند از این طریق به سرعت و با کارامدی بالا به تشخیص بیماری‌ها نزدیک شوند.
یک شرکت چینی به نام «ICarbonX» از هوش مصنوعی و کلان‌داده‌ها استفاده می‌کند تا از فاصله نزدیک‌تری به خصوصیات زندگی دیجیتال انسانی نگاه کند. سازندگان این سیستم امید دارند که با تحلیل وضعیت سلامت و فعالیت‌های انسان‌ها در یک فضای ابری، بتوانند همه ابعاد سلامت انسان‌ها را مدیریت کنند. چرا که با جمع‌آوری حجمی کافی از داده‌ها خواهند توانست علائم بیمار‌ی‌ها را دسته‌بندیی کنند و گزینه‌های درمانی مختلفی را برای ارتقاء سلامت افراد پیشنهاد دهند.

روبات‌های دستیار جراحی

نوع دیگری از فناوری‌های هوشمند که در حوزه پزشکی مورد استفاده قرار می‌گیرند، روبات‌های دستیار جراحی هستند که محبوبیت آنها به سرعت در حال افزایش است. این روبات‌ها در بیمارستان‌ها برای فعالیت‌هایی مختلفی به کار می‌روند؛ از جراحی‌های کم‌تهاجمی[1] تا عمل‌های قلب باز. استفاده از این روبات‌ها موجب شده است که دقت، انعطاف و قدرت کنترل پزشکان برای انجام فرایندهای پیچیده افزایش یابد و محدودیت‌های انسانی پزشکان مانع انجام این فرایندهای پیچیده نباشد.
این نوع از روبات‌ها می‌توانند امکاناتی از جمله دوربین، بازوهای مکانیکی و ابزارهای جراحی را در خود جای دهند و به پزشکان کمک کنند که تجربه، مهارت و دانش خود را بهبود ببخشند و انواع جدیدی از جراحی را انجام دهند. جراح در حالی که پشت یک کامپیوتر نشسته است، بازوهای مکانیکی را کنترل می‌کند و روبات هم به طور همزمان تصویری سه بعدی را از محدوده جراحی در اختیار جراح قرار می‌دهد که چشم غیر مسلح جراح قادر به دیدن آن نیست. اما هنوز در دوره‌ای هستیم که مسئولیت کل فرایند جراحی از این نوع بر عهده پزشک است و عمل را او هدایت می‌کند. این نوع از عمل‌ها مزایای متعددی داشته‌اند از جمله در کاهش درد و زمان به هوش آمدن بیمار مؤثر بوده‌اند.
سیستم هوشمند «Vicarious Surgical» با ترکیب فناوری واقعیت مجازی و روبات‌های هوشمند می‌تواند عمل‌های کم‌تهاجمی را انجام دهد. جراحان به کمک این فناوری می‌توانند به شکل مجازی داخل بدن بیمار را با جزئیات بسیار دقیق مشاهده کنند. جذابیت و کارامدی این فناوری نظر بیل گیتس، رییس مایکروسافت را برای سرمایه‌گذاری به خود جلب کرد.
شرکت «Auris Health» روبات‌های مختلفی را طراحی کرده که می‌توانند به کمک علوم داده و هوش مصنوعی عمل آندوسکوپی را بهبود ببخشند. پزشکان به کمک این فناوری می‌توانند دیدگاه دقیق‌تری درباره بیماری فرد هم از جنبه فیزیکی و هم از منظر داده‌ای پیدا کنند. این فناوری به طور خاص می‌تواند سرطان ریه را بررسی کند و به دنبال آن است که درمان‌هایی را برای این بیماری پیدا کند.
بازوهای روباتیکی که شرکت «Accuray» تولید می‌کند، می‌توانند تومورهای سرطانی را در سراسر بدن جراحی کنند. مزیت این روبات به جراح انسانی این است که دقیقا نقاطی که تحت تاثیر تومور قرار گرفته‌اند را هدف می‌گیرد. این فناوری از حسگرهای حرکتی شش بعدی استفاده می‌کند تا تومورهای سرطانی را شناسایی و به آنها حمله کند و در عین حال، به بافت‌های سالم آسیبی نرساند.

ملاحظاتی اخلاقی-انسانی

هوش مصنوعی می‌تواند حجم عظیمی از داده‌ها را بشکند و اطلاعاتی را که در طول سال‌ها جمع‌آوری شده است تحلیل کند و میان آنها پیوندها و ارتباطاتی را کشف کند. مراقبت از سلامت یکی از حوزه‌هایی است که در استفاده از هوش مصنوعی پیشتاز است. اما چالش‌هایی هم پیش روی کاربرد هوش مصنوعی در این حوزه نیز وجود دارد. برای مثال، ممکن است در ایجاد ارتباط میان داده‌ها، خطاها یا اختلالاتی به وجود بیاید که منجر به کند شدن سرعت تولید داروها شود یا مشکلاتی را در تشخیص درست بیماری‌ها و پیشگیری از آنها ایجاد کند. همچنین، مسئله حریم خصوصی و سوء استفاده گروه‌های مختلف از جمله شرکت‌های بیمه و شرکت‌های تبلیغاتی از داده‌ها و اطلاعات مربوط به سلامت افراد موجب شده است موجی از نگرانی‌ها در این رابطه ایجاد شود.
استفاده از سیستم‌های هوشمند این مخاطره را نیز به همراه دارند که پزشک خود را از بیمار مستقل بداند و فاصله‌ای افراطی از او بگیرد. به عبارت دیگر، بیش از آنکه به بیمار به مثابه یک فرد توجه کند، بیماری را موضوع بررسی‌های خود قرار دهد. در نتیجه، روایت بیمار از تجربه و علائم خود، رنج وجودی و روانی‌ای که بر بیمار می‌گذرد، احساس بیمار نسبت به فرایند تشخیص و درمان دیگر اهمیت چندانی نخواهند داشت. پزشکی یک کارورزی انسانی است که در آن روابط انسانی میان مراقبت‌گر و مراقبت‌شونده اصلی است که نمی‌توان آن را زیر پا گذاشت. ورود تکنولوژی‌های پزشکی به این کارورزی، پزشکی را با بحران کیفیت مراقبت مواجه کرده است. به همین دلیل است که متخصصان حوزه‌های پزشکی، علوم انسانی سلامت، فلسفه پزشکی، اخلاق‌دان‌ها و ... مقالات و کتاب‌های متعددی را در این رابطه نوشته‌اند و هشدارهایی را درباره مخاطرات استفاده از سیستم‌های هوشمند در کارورزی پزشکی مطرح کرده‌اند.

مترجم: سعیده بابایی (دانشجوی دکتری فلسفه علم و فناوری پژوهشگاه علوم انسانی)
تهیه شده در گروه مطالعات اخلاقی پژوهشگاه فضای مجازی

لینک منبع