کامپیوترها جای حافظه پزشکان را خواهند گرفت

شفا آنلاین:تز برای یافتن پژوهش‌هایی که ممکن است به پدرش کمک کند، اینترنت را جستجو می‌کرد. پدرش پس از دچار شدن به سکته مغزی به اغما فرورفته بود و او به دنبال یافتن آخرین توصیه‌ها‍ برای درمانش بود اینکه آیا نواختن موسیقی برای او به زبان مادری‌اش می‌تواند او را مرتبط با دنیا نگه دارد یا دادن داروی پروزاک به او، چنان‌که یک بررسی روی موش‌ها در سال پیش نشان داد بود، می‌تواند احتمال بهبودی‌اش را افزایش دهد. پزشکان هم علائق مشابهی دارند و نمی‌دانند از چه یافته‌هایی در میان 5/2 میلیون مقاله علمی که هر سال منتشر می‌شود، خبردار نمی‌شوند.

    به گزارش شفا آنلاین:   سایت‌های پرطرفداری مانند MedCalc و UpTodate ابزارهای سودمندی برای پزشکان برای در نظر گرفتن معیارهای تشخیصی و وارسی دوباره دستورالعمل‌های درمانی هستند. اما امکان بسیاری برای بهبود این وضعیت وجود دارد و برخی معتقدند که هوش مصنوعی می‌تواند راه‌حلی برای سر درآوردن از این حجم گسترده اطلاعات علمی باشد: دستیاران یادگیرنده ماشینی برای خواندن مقالات منتشرشده، تلخیص اطلاعاتشان و برجسته کردن یافته‌های مربوطشان.

       ماه پیش، شرکتی به نام آیریس (Iris) نخستین گونه چنین دستیارهای ماشینی را رونمایی کرد. این ماشین در حال حاضر می‌تواند چکیده مقاله‌ها را بخواند، مفاهیم کلیدی‌شان را مشخص کند و مقالاتی را بیابد که با آن مفاهیم مرتبط باشند. این ابزار شیوه سریعی برای درک کردن چشم‌انداز علمی در یک سرفصل معین به دست می‌دهد که به خصوص هنگامی سودمند است که شما کلمات کلیدی دقیق برای آن نوع پژوهش مورد جستجوی‌تان را نمی‌دانید. انستیتوی هوش مصنوعی آلن اخیرا یک موتور جستجو به نام Semantic Scholar به راه انداخته است که این جستجو را به فراسوی کلیدواژه‌ها می‌برد.

       آنیتا شول برد، مدیر عامل اجرایی آیریس، می‌گوید: «یکی از مشکلات کندوکاو در کشوهای نه‌چندان پیشرفته در علم دیجیتال و رساندن یافته‌ها به دستان کسانی است که می‌توانند بر مبنای آن‌ها عمل کنند.»

       این ابزار باید به خصوص برای افرادی که پژوهش بین‌رشته‌ای انجام می‌دهند، کاوش در میان مقالات علمی را آسان‌تر کند. این شرکت قصد دارد در طول سه سال آینده یک گونه کنشگر این موتور جستجو را بسازد که به یاد دارد که شما هفته پیش کدام مقالات را خواندید و براساس توصیف پروژه شما مقالات جدیدی را در اختیارتان می‌گذارد. او امیدوار است که هوش مصنوعی در طول ۱۰ سال آن‌قدر قدرتمند شود تا مفاهیم جدید را - بر اساس خواندن مقالات و درکش از آن‌ها- به تنهایی کشف کند.

       ماشین آیریس نسبت به رشته بی‌تفاوت است. این ماشین اهمیت نمی‌دهد که شما یافتن پژوهش‌ها درباره سرطان را بخواهید یا مواد کامپوزیت. اما گروه‌های دیگر دارند بر حل این مشکل در پزشکی متمرکز می‌شوند. شرکت آی‌بی‌ام دارد تکنولوژی هوش مصنوعی‌اش به نام «واتسون سرطان‌شناسی» (Watso- Oncology) را که به‌وسیله سرطان‌شناسان ورزیده مرکز سرطان مموریال اسلون کترینگ تعلیم دیده است، برای حوزه پر از بیم ‌و امید سرطان به کار می‌گیرد. این ابزار مقالات، داده‌های بیماران و کارآزمایی‌های بالینی را جستجو می‌کند تا به پزشکان کمک کند از آخرین تحولات در این زمینه آگاه شوند.

       ابزار آی‌بی‌ام به سایر حوزه‌های پزشکی کاری ندارد و ماشین آیریس در حال حاضر فقط سازمان‌دهی و دستیابی به مقالات را بهبود می‌بخشد. برای یک پزشک معمول با برنامه کاری معمول، فقط یافتن پژوهش مربوط کافی نیست: شخصی باید این پژوهش را بخواند و آن را دریابد.

       ستاره علی‌پور، رزیدنت پزشکی در نیویورک می‌گوید: «این مشکل بزرگی است. داده‌های علمی آن‌قدر گسترده شده‌اند که حتی پزشکان متخصص نمی‌توانند از همه چیزهایی را که در حوزه‌شان دارد کشف می‌شوند، خبردار شوند و تازه صحبت من درباره بررسی‌های بزرگ‌تر است، نه داده‌های به‌دست‌آمده از بررسی‌های کوچک و غیرقابل‌اعتماد.»

       این ایده که مقالات علمی باید نقشی در کارورزی بالینی داشته باشند – یا به‌اصطلاح پزشکی مبتنی بر شواهد- یک روند اخیر جدا شدن از سنت پزشکی طبابت بر اساس آموخته‌های دانشکده پزشکی است. دانش پزشکان همیشه به‌خوبی روزآمد نمی‌شود؛ فقط حدود نیمی از بیماران در آمریکا دوره درمانی توصیه‌شده بر اساس منابع علمی را دریافت می‌کنند. پزشکان به هر تلاشی برای پل زدن بر این شکاف یا آسان‌تر کردن ردیابی دانش جدید خوش‌آمد می‌گویند. علی‌پور می‌گوید: «اگر ماشینی بتواند به‌عنوان حافظه قابل‌اعتماد و زیرک من عمل کند، خیلی دوستش خواهم داشت.»

       پدر تز از اغما بیرون آمد و دارد بهبود می‌یابد. اما برخی از مقالاتی که او در اینترنت یافت، آن‌قدر علاقه پزشکان معالج پدرش را برانگیخت که او آن‌ها را برایشان پرینت گرفت و در بورد آگهی‌های بخش نورولوژی بیمارستان گذاشت. تز که یکی از دو بنیان‌گذار یک صندوق سرمایه‌گذاری خطرپذیر (کارآفرین) به نام Premutatio- است، بسیار به آینده ماشین‌های با ذهن پزشکی اندیشیده است.

       تصور او این است یک پزشکیار دارای هوش مصنوعی که به سوابق الکترونیکی بهداشتی در دسترس همگانی حاوی همه اطلاعات مربوط به شما دست می‌یابد، علائم و سابقه پزشکی شما را به روزآمدترین توصیه‌ها برای راهنمایی در انتخاب درمان ارجاع متقابل می‌دهد. این پزشکیار هوشمند همچنین می‌تواند به دکتر شما درباره پژوهش‌های جدیدی خبر دهد که ممکن است موردعلاقه باشد. تز می‌گوید: «مشکل پژوهش‌های بیمارستانی و کاربرد هوش مصنوعی این است که افراد مشغول حوزه هوش مصنوعی درکی از بیمارستان‌ها ندارند.» همان‌طور که همکاری IBM با افراد حوزه پزشکی نشان می‌دهد، اگر راه‌حلی با استفاده از هوش مصنوعی برای بهبود مراقبت‌های بهداشتی وجود داشته باشد، احتمالا از همیاری میان بیمارستان‌ها و تکنولوژیست‌ها ناشی خواهد شد.سپید
منبع: Wired