رضا صفدری، رئیس دانشکده پیراپزشکی و مدیر گروه آموزشی مدیریت اطلاعات سلامت و انفورماتیک دانشگاه علوم پزشکی تهران، در خصوص استفاده جامعه پزشکی کشور از هوش مصنوعی در روند درمان بیماران در گفتوگویی گفت: پزشکی ابزارهای هوش مصنوعی حتی در زمینههای تخصصی وجود دارند و به نوعی استفاده از آنها برای افراد امکانپذیر است. اما یک نکته مهم در ارتباط با اهمیت این ابزارها، کمک به کار پزشکان به عنوان ابزارهای همراه است و نمیتوانند جایگزینی برای برخی از افراد در نظام سلامت باشند.
وی افزود: به همین دلیل، یک سری افراد باید بهطور مستمر در خصوص توسعه این ابزارها، بهرهگیری، آموزش و در واقع تأمین زیرساختها فعالیت کنند. این که ما تصور کنیم هوش مصنوعی باید فقط توسط پزشکان ایجاد و استفاده شود، کمی شبههبرانگیز است. بنابراین، توضیحاتی لازم است. اگر بخواهیم این موضوع را بررسی کنیم، مستنداتی وجود دارد که نشان میدهد افرادی که بیشترین تولید مقالات را در زمینه هوش مصنوعی در کشور داشتهاند، میتوانند اطلاعات و آموزشهای لازم را از طریق کارهایی که انجام میدهند ارائه دهند.
صفدری خاطرنشان کرد: همچنین ما لیست بالای ۳۰ پرونده داریم که در کنار آنها حتماً یک پزشک حضور دارد. در طراحی و ایجاد سامانههای هوشمند یا مبتنی بر هوش مصنوعی، ما در راستای ایجاد زیرساختها و بومیسازی ابزارهای هوش مصنوعی، پتانسیلهایی در کشور داریم که فعالیتها در این زمینه در سطح مطلوبی انجام میشود.
به گفته وی، باید کار پزشکان را در دو قسمت تقسیمبندی کنیم. کار پزشکان در حیطههای مختلف، فعلاً بخش درمان را شامل نمیشود و آموزش و پژوهش را نیز در بر میگیرد. در کاربردهای شخصی و غیررسمی از هوش مصنوعی در سطوح مختلف، هوش مصنوعی مولد برای کارهای آموزشی و پژوهشی قابل توجه است. جوانان از ابزارهای مشابه برای جستجوی اطلاعات، ترجمه مقالات، پیشنهاد برنامههای تشخیص اولیه و موارد مرتبط با پژوهش استفاده میکنند، اما این کاربردها بیشتر جنبه غیررسمی و شخصی دارند.
رئیس دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران در ادامه تصریح کرد: در خصوص استفاده پزشکان از هوش مصنوعی در کار طبابت، باید توجه داشت که اطلاعات مستقیم در این زمینه در ایران در دسترس نیست. اما شواهد نشان میدهد که کاربرد هوش مصنوعی در کشور ما بیشتر در زمینههای تحقیق و آموزش است و هنوز در کار روزانه پزشکان بهطور کامل نهادینه نشده است.
به گفته صفدری، این کاربرد بیشتر بهصورت آزمایشی در برخی حیطهها، مانند تصویربرداری پزشکی و تحلیل دادهها، انجام میشود. با توجه به اینکه هوش مصنوعی در پژوهشها کاربرد زیادی دارد، اما در سطح بالینی هنوز این فناوری در حد محدودی استفاده میشود. همچنین، سیستمهای تعبیهشده برای مدیریت اطلاعات بیمارستان یا پرونده الکترونیک سلامت، مانند سامانه سپاس، هنوز در این زمینهها بهطور کامل فراگیر نشدهاند.
وی اظهار کرد: مطالعهای در زمینه اعتبارسنجی بالینی نشان میدهد که تقریباً ۴۳ درصد از دستگاههای پزشکی با قابلیت هوش مصنوعی که توسط سازمان غذا و داروی آمریکا تأیید شدهاند، فاقد دادههای معتبر و تأییدشده هستند. این بدان معناست که اثربخشی آنها با دادههای واقعی بیماران مورد بررسی قرار نگرفته است.
این عضو هیئت علمی دانشگاه تهران با بیان اینکه نگرانیهای اخلاقی نیز وجود دارد، مانند حریم خصوصی بیماران و احتمال بروز اشتباه در الگوریتمها که میتواند دقت دستگاهها را تحت تأثیر قرار دهد، گفت: همچنین این نگرانی وجود دارد که این فناوری تنها دادههایی که با آنها آموزش دیدهاند را مورد استفاده قرار میدهد و ممکن است توانایی تحلیل دادههای جدید را نداشته باشد.
صفدری تاکید کرد: دیگر چالشها شامل وابستگی بیش از حد به فناوری و از دست دادن مهارتهای بالینی نیز میباشد که باید بهطور جدی مورد توجه قرار گیرد. چالشهای فعلی در استفاده از هوش مصنوعی در حوزه سلامت میتواند به کاهش نقش انسانی و تصمیمگیریهای کلیدی منجر شود، که این امر احتمال خطاهای سیستمی را افزایش میدهد. همچنین، عوامل زیرساختی و استانداردهای اخلاقی و نظارتی میتوانند مشکلات حقوقی و کاهش اعتماد بیماران را به همراه داشته باشند.
وی با اشاره به اینکه در یک جمله میتوان گفت که نباید به هوش مصنوعی در زمینه سلامت بیش از حد اعتماد کرد، گفت: زیرا این فناوری ممکن است توهم دانایی را ایجاد کند. با این حال، استفاده از آنها در روند توسعه و بهبود سلامت پذیرفته شده و جامعه جهانی به سمت استفاده دقیقتر و شفافتر از این ابزارها حرکت میکند.
رئیس دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران در ادامه گفت: در کشور ما، یک مطالعه کیفی در سال ۱۴۰۲ (برابر با ۲۰۲۳ میلادی) با مصاحبه از ۱۵ نفر نشان داد که موانع اصلی پیادهسازی هوش مصنوعی شامل محدودیتهای سازمانی، ضعف زیرساخت، چالشهای قانونی و سیاستی، شکافهای نظارتی و مشکلات مرتبط با دادهها است. این ابزارها برای عملکرد مناسب به دادههای صحیح نیاز دارند و بدون آنها کارآمدی لازم را نخواهند داشت.
به گفته وی، چالشهای موجود در کشور ما در زمینه استفاده از هوش مصنوعی در حوزه سلامت شامل کیفیت پایین خدمات، عدم آموزش کافی و کمبود نیروی متخصص است. این مسائل میتواند بر روند پذیرش و پیادهسازی فناوریهای نوین تأثیرگذار باشد. برای موفقیت در این زمینه، ضروری است که مدیریت ارشد نظام سلامت برنامهریزی و سیاستگذاری مناسبی برای استفاده از این ابزارها داشته باشد.
صفدری با بیان اینکه در مورد استفاده از هوش مصنوعی در جراحی، در حال حاضر، جراحان در کشور ما به طور محدود از این فناوری بهره میبرند، گفت: هرچند که دستگاههای پیشرفته و فناوریهای مرتبط با جراحی در دانشگاههای معتبر، مانند دانشگاه تهران، در حال توسعه و تحقیق هستند، اما هنوز به شکل گسترده در عمل جراحی به کار گرفته نمیشوند. برنامههای آموزشی و تحقیقات در دانشگاههای علوم پزشکی میتواند به بهبود این روند کمک کند و به تدریج در آینده شاهد استفاده بیشتر و مؤثرتری از هوش مصنوعی در جراحیها خواهیم بود.
این عضو هیئت علمی دانشگاه علوم پزشکی تهران با اشاره به اینکه استفاده از هوش مصنوعی در حوزه پزشکی بهویژه در ابزارهای مدرن میتواند به افزایش دقت، کاهش خطا و تسهیل دسترسی به نتایج کمک کند، اظهار کرد: اما برای بهرهبرداری مؤثر از این فناوری، لازم است که دادههای بیماران بهدرستی جمعآوری و تحلیل شوند. به همین دلیل، آموزش و پرورش پزشکان و دانشجویان پزشکی در این زمینه اهمیت ویژهای دارد. برگزاری کنگرهها و کارگاههای آموزشی، همچون کنگره هوش مصنوعی در علوم پزشکی که اخیراً برگزار شده، میتواند به ارتقاء سطح آگاهی و توانمندیهای افراد کمک کند. همچنین، ضروری است که وزارت بهداشت یک چارچوب منسجم برای آموزش هوش مصنوعی در نظر بگیرد.
به گفته وی، ایده تأسیس قطبهای آموزش هوش مصنوعی در دانشگاهها به عنوان مراکز تخصصی برای آموزش و ارتقای آگاهی در زمینه فناوریهای سلامت بسیار ارزشمند است. با وجود بیش از ۴۰ گروه فناوری سلامت در دانشگاههای کشور، این اقدام میتواند به ارتقای کیفیت خدمات بهداشتی و درمانی کمک کند و همچنین ظرفیتهای موجود در داخل کشور را به خوبی به کار گیرد. با توجه به چالشهای فعلی مانند سالمندی جمعیت و افزایش بیماریهای غیرواگیر، استفاده از هوش مصنوعی به عنوان ابزاری تحولآفرین، میتواند به بهبود کارایی و کیفیت خدمات سلامت کمک شایانی کند و نظام سلامت را در مقابله با این چالشها یاری دهد.
صفدری با تاکید بر اینکه هوش مصنوعی و پزشکی در ایران در مرحله اولیه وعمدتاً پژوهشی قرار دارد، گفت: برای رسیدن به مرحله بلوغ و کاربرد گسترده بالینی، لازم است برنامهای استراتژیک طراحی شود تا موانع ساختاری برطرف گردد. این اقدام به شرط رفع چالشهای اعتبارسنجی و تأمین موازین اخلاقی، رعایت حریم خصوصی و استفاده صحیح از دادهها، همراه با آموزشهای لازم امکانپذیر خواهد بود
رئیس دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران در پایان یادآور شد: نیازسنجی در کشور ما در بالاترین سطح خود تأیید شده و مورد تأکید قرار گرفته است. با سیاستگذاری مناسب، بهداشت باید در اولویت کار خود قرار گیرد. مقام ریاست جمهوری نیز در برنامههای خود به سلامت اشاره داشته و توجه خاصی به آن دارند. بنابراین، باید زیرساختها تقویت شده و رشتههایی که باید برای پزشکان ماده اولیه آموزش و ارتقای دانش و نگرش فراهم کنند، تقویت گردند. برای این منظور، بیش از هر چیز به یک سند ملی و یک راهبرد جامع برای هوش مصنوعی در سلامت نیاز داریم که به تمام ابعاد تحقیق، نظارت، آموزش و اخلاق پرداخته شود.