کیاپرس : پژوهشگران چینی با راهاندازی یک کلینیک چشم مبتنی بر هوش مصنوعی تلاش کردند نشان دهند استفاده از این فناوری در دنیای واقعی و در کنار پزشکان چگونه میتواند روند ارائه خدمات چشمپزشکی را تغییر دهد.
به گزارش کیاپرس این پروژه با عنوان AI-TEC در چین اجرا شد و برخلاف استفاده معمول از هوش مصنوعی بهعنوان یک ابزار کمکی، از ابتدا فرایندهای کلینیک با هدف ادغام گسترده فناوری هوش مصنوعی طراحی شده بود. پزشکان همچنان در کلینیک حضور داشتند و بر روند ارائه خدمات نظارت میکردند.
نتایج و درسهای اولیه این پروژه در Nature Medicine منتشر شده است.
دقت هوش مصنوعی با دادههای باکیفیت افزایش یافت
یکی از بخشهای مهم این مطالعه، بررسی عملکرد هوش مصنوعی در تحلیل تصاویر و اسکنهای چشم بود.
پژوهشگران دریافتند کیفیت دادههای آموزشی اهمیت زیادی دارد و دادههای باکیفیت و بررسیشده توسط متخصصان میتواند عملکرد سیستم را به شکل محسوسی بهبود دهد.
در واقع، افزایش حجم دادهها بهتنهایی تضمینکننده عملکرد بهتر هوش مصنوعی نیست و کیفیت برچسبگذاری و صحت اطلاعات مورد استفاده برای آموزش سیستم نیز اهمیت زیادی دارد.
استفاده از هوش مصنوعی در کلینیک کاهش یافت
یکی از یافتههای قابل توجه مطالعه این بود که حتی یک سیستم هوش مصنوعی با قابلیتهای فنی مناسب، لزوماً بهطور خودکار مورد استقبال کارکنان و پزشکان قرار نمیگیرد.
در جریان اجرای پروژه، میزان استفاده از فرایندهای AI-TEC در مقطعی کاهش پیدا کرد. پژوهشگران پس از بررسی علت، رابط کاربری و روند کار سیستم را سادهتر کردند و میزان ورود دستی اطلاعات و تعداد کلیکهای مورد نیاز را کاهش دادند.
پس از این تغییرات، استفاده از سیستم افزایش یافت.
این تجربه نشان داد که موفقیت هوش مصنوعی در محیط درمانی فقط به دقت الگوریتم وابسته نیست و طراحی مناسب گردش کار، سهولت استفاده و هماهنگی فناوری با فعالیت روزمره پزشکان و کارکنان نیز اهمیت زیادی دارد.
بازخورد سریع پزشکان؛ یک عامل مهم
پژوهشگران همچنین بر اهمیت دریافت سریع بازخورد از پزشکان تأکید کردند.
اگر پزشکان مشکلات یک سیستم را با فاصله زمانی طولانی به تیم فنی منتقل کنند، فرصت اصلاح سریع و بهبود عملکرد فناوری از دست میرود. بنابراین، ارتباط مستمر میان تیم پزشکی و تیم توسعهدهنده هوش مصنوعی یکی از عوامل مهم در بهبود سیستم معرفی شده است.
هوش مصنوعی چگونه به بیمار نگاه میکند؟
یکی از چالشهای مهم استفاده از هوش مصنوعی در پزشکی، تفاوت میان نحوه تحلیل سیستم و شیوه ارزیابی بیمار توسط پزشک است.
یک سیستم هوش مصنوعی ممکن است بر اساس تصویر شبکیه یا اسکن چشم به دنبال نشانههای یک بیماری باشد، در حالی که پزشک معمولاً ارزیابی را از علائم و شکایتهای بیمار آغاز میکند و سپس یافتههای تصویربرداری، سابقه پزشکی و سایر اطلاعات را در کنار یکدیگر قرار میدهد.
به همین دلیل، دقت بالای یک الگوریتم در تحلیل تصاویر بهتنهایی به معنای بهتر شدن مراقبت از بیمار نیست.
معیار موفقیت فقط دقت الگوریتم نیست
پژوهشگران نتیجه گرفتهاند که برای ارزیابی فناوریهای هوش مصنوعی در پزشکی نباید فقط به شاخصهای فنی مانند دقت تشخیصی توجه کرد.
این پرسش نیز اهمیت دارد که آیا فناوری واقعاً روند کار پزشکان را بهتر میکند؟ آیا استفاده از آن برای کارکنان آسان است؟ آیا پزشکان میتوانند بهموقع بر عملکرد سیستم نظارت کنند؟ و در نهایت، آیا استفاده از فناوری به بهبود مراقبت و پیامدهای سلامت بیماران منجر میشود؟
مطالعه AI-TEC نشان میدهد مسیر ورود هوش مصنوعی از آزمایشگاه به محیط واقعی درمان، تنها به ساخت الگوریتمهای قدرتمند محدود نمیشود؛ بلکه کیفیت داده، طراحی گردش کار، مشارکت پزشکان، نظارت انسانی و ارزش واقعی فناوری برای بیمار نیز باید همزمان مورد توجه قرار گیرد.
یک تجربه مهم برای آینده پزشکی
این مطالعه یکی از نمونههای جدید حرکت از «هوش مصنوعی بهعنوان ابزار کمکی» به سمت مدلهای مراقبتی است که از ابتدا با محوریت هوش مصنوعی طراحی میشوند.
با این حال، نتایج به معنای آن نیست که هوش مصنوعی میتواند جایگزین پزشکان شود. تجربه این کلینیک بیشتر نشان میدهد که برای استفاده مؤثر از هوش مصنوعی در پزشکی، فناوری باید در کنار تخصص انسانی و در هماهنگی با روند واقعی مراقبت از بیمار قرار گیرد.
پژوهشگران تأکید دارند که هدف نهایی چنین فناوریهایی باید بهبود واقعی مراقبت از بیمار باشد، نه صرفاً دستیابی به عملکرد فنی بهتر در آزمایشهای الگوریتمی.
