هوش مصنوعی (AI) و یادگیری ماشین پتانسیل تغییر روش ارائه مراقبت‌های بهداشتی را دارند، اما چالش‌های منحصربه‌فردی نیز برای پذیرش اخلاقی و مسئولانه فناوری‌های هوش مصنوعی وجود دارد.
دکتر ملیسا مک‌کرادن، متخصص اخلاق هوش مصنوعی، مدیر شبکه بیمارستان زنان و کودکان (WCHN) در استرالیای جنوبی، می‌گوید یادگیری ماشینی در تشخیص الگو بسیار خوب است و تشخیص الگو برای پزشکی مهم است.
این چیزی است که به پزشکان کمک می کند تا بفهمند یک بیمار چه نوع مشکلی ممکن است داشته باشد یا چه نوع درمانی احتمالاً مؤثر است.» و ما همیشه از این مدل‌ها برای کمک به ارائه مراقبت استفاده می‌کنیم.» کیهان.
ابزارهای هوش مصنوعی می توانند به پزشکان کمک کنند تا این الگوها را سریعتر و دقیق تر تشخیص دهند. مک کرادن به کار در مورد استفاده از هوش مصنوعی برای کمک به پزشکان برای ارزیابی تصویربرداری پزشکی اشاره می کند، مانند تشخیص شکستگی در اشعه ایکس یا تومور در MRI، یا پیش بینی زمانی که بیماران ممکن است برای مشکلات قلبی یا سپسیس برای تسهیل مداخله زودهنگام ایجاد کنند.
چالش در تعیین چگونگی آزمایش دقیق ابزارهای هوش مصنوعی نهفته است قبل از آنها به استفاده بالینی ترجمه می شوند تا اطمینان حاصل شود که آنها شواهدی معادل برای حمایت از اثربخشی، ایمنی و برابری آنها مانند سایر ابزارهای پزشکی دارند.
مک کرادن همچنین یکی از پژوهشگران بالینی بنیاد تحقیقات بیمارستانی در زمینه اخلاق هوش مصنوعی در موسسه استرالیایی یادگیری ماشین (AIML) در دانشگاه آدلاید است. او در نشست سالانه آکادمی بهداشت و علوم پزشکی استرالیا در آدلاید این هفته بخشی از میزگردی خواهد بود که در مورد این چالش ها بحث می کند.
یکی از پروژه‌های تحقیقاتی اصلی او حول محور «آزمایش‌های ترجمه‌ای» می‌چرخد که شامل آزمایش ابزارهای هوش مصنوعی در محیط‌های زنده بدون تأثیر بر مراقبت از بیمار است تا اطمینان حاصل شود که ابزار هوش مصنوعی در یک بیمارستان خاص برای مجموعه‌ای از بیماران کار می‌کند.
او همچنین خط‌مشی‌ها، رویه‌ها و فرآیندهایی را برای ساخت ابزارهای هوش مصنوعی، آزمایش آنها، ارزیابی آنها از نظر تأثیر و سپس ادغام آنها در سیستم بیمارستان توسعه می‌دهد.
به عنوان مثال، کاهش تعصب یک نگرانی عمده در اخلاق هوش مصنوعی است. پرداختن به آن ممکن است شامل ارزیابی عادلانه بودن ابزار هوش مصنوعی با تعیین اینکه آیا سطح دقت یکسانی در بین جمعیت دارد یا خیر. یا اگر گروه خاصی از افراد وجود داشته باشند که او اشتباهات بیشتری برای آنها مرتکب می شود.
مک‌کرادن می‌گوید: «بنابراین در هر شرایطی باید به این موضوع نگاه کنیم که چه کسانی در مضیقه هستند و عواقب آن چیست؟»
به عنوان مثال، یک نتیجه منفی کاذب، ممکن است تأثیر بسیار متفاوتی بر افرادی که در یک محیط شهری زندگی می‌کنند و به خوبی با سیستم پزشکی مرتبط هستند و می‌توانند به راحتی به بیمارستان دسترسی داشته باشند، در مقایسه با فردی که در یک محیط روستایی زندگی می‌کند و ممکن است برایشان طول بکشد، داشته باشد. ساعت ها سفر برای رسیدن به نزدیکترین بیمارستان
بر اساس این اطلاعات، ما می‌توانیم درباره نحوه عملکرد ابزار هوش مصنوعی یا تصمیم‌هایی که می‌خواهیم پزشکانمان بگیرند، تصمیم بگیریم.
یکی دیگر از بخش‌های مهم پازل ادغام هوش مصنوعی در سیستم سلامت استرالیا شامل سیاست‌گذاری است.
به گفته مک‌کرادن، یکی از اولین گام‌ها شامل بررسی این است که در کجا می‌توان هوش مصنوعی را با استانداردهای موجود ادغام کرد – مانند استانداردهای ایمنی و کیفیت خدمات سلامت ملی، اداره کالاهای درمانی و کمیسیون ایمنی و کیفیت مراقبت‌های بهداشتی استرالیا – و در کجا وجود دارد. نیاز به توسعه موارد جدید است.
مک‌کرودن در اینجا بر اهمیت «حکومت جمعی» تأکید می‌کند.
او می‌گوید: «بسیاری از افراد مختلف … برخی از دانشی که در مورد نحوه مدیریت مؤثر هوش مصنوعی به ارمغان می‌آورند دارند، و یک طرح حکومتی واقعاً خوب به همه این دیدگاه‌ها با هم نیاز دارد.
این شامل ارزش ها و دیدگاه های مصرف کننده و محلی است که مک رادن می گوید در حال حاضر کمتر ارائه شده است.
«اولین کاری که وقتی به آن رسیدم شروع کردم [to the WCHN] من با کاربرانمان صحبت کردم و با همکارانم در Health Aboriginal صحبت کردم.
ما نیاز داریم که با همکاران بومی، دارندگان دانش و کاربران بومی شریک شویم، آنها را در جایی که هستند ملاقات کنیم و منابع مرتبط با آنها را توسعه دهیم.
من همیشه با کاربران کار می کنم، اما نمی توانم یک کاربر را جایگزین کنم زیرا در آن نشسته ام [healthcare] سیستم
و صادقانه بگویم، آنها من را همیشه با چیزهایی که می‌گویند غافلگیر می‌کنند، چیزهایی که فکر نمی‌کردم آنقدر مهم باشند، که فکر می‌کنند خیلی مهم هستند. یا چیزهایی که به نظر من خیلی مهم هستند، نه لزوماً.
“من فکر می کنم واقعاً این است که مطمئن شوید اطلاعات درست را به آنها می دهید تا آنها توانمند شوند و بتوانند حقوق مراقبت های بهداشتی خود را در این فضا درگیر کنند.”
کیهان شریک رسمی رسانه ای نشست سالانه AAHMS است. شما می توانید یک مقاله پیشرفته دیگر در مورد تحول سلامت دیجیتال و به اشتراک گذاری داده ها را اینجا بخوانید.
