رئیس هوش مصنوعی: جدید بودن هوش مصنوعی پزشکی یک "خطر واقعی" است

هوش مصنوعی رشد سریعی در مراقبت‌های بهداشتی داشت، اما یکی از مدیران هوش مصنوعی سیستم سلامت می‌گوید تلقی این فناوری به‌عنوان یک پدیده جدید می‌تواند باعث شود صنعت چندین دهه درس‌های مربوط به نحوه استفاده از آن را نادیده بگیرد.

فیلیپ پین، مدیر ارشد هوش مصنوعی در BJC HealthCare و WashU Medicine، در جریان اجلاس سلامت هوش مصنوعی نیوزویک در شهر نیویورک، از توصیف هوش مصنوعی به عنوان یک حوزه نوظهور عقب نشینی کرد.

پین که در یک پانل در اجلاس سران صحبت می کرد، گفت: «به عنوان یک انفورماتیک تحصیل کرده در مقطع دکترا، می خواهم بگویم هوش مصنوعی در مراحل ابتدایی خود نیست. ما دهه‌ها تجربه با هوش مصنوعی داریم، اما توانایی استقرار آن در مقیاس در نهایت با این تحقیقات مطابقت دارد.

پین گفت که نادیده گرفتن تحقیقات مربوط به دهه‌های 1950 و 1960 در حالی که سیستم‌های بهداشتی برای پذیرش هوش مصنوعی معاصر رقابت می‌کنند، «خطر واقعی» وجود دارد.

او گفت: «ما باید بسیار متفکر باشیم که با آن مثل اینکه جدید است رفتار نکنیم.

تحقیقات هوش مصنوعی به دهه‌ها قبل بازمی‌گردد، در حالی که با پیشرفت قدرت محاسباتی، در دسترس بودن داده‌ها و زیرساخت‌های فنی، حضور آن در عمل پزشکی روزمره گسترش یافته است.

خود پین سال‌ها قبل از رونق هوش مصنوعی مولد درباره کاربردهای هوش مصنوعی در عمل بالینی بحث می‌کرد. در سال 2018، او به شناسایی رایانه‌ای ریتم‌های غیرطبیعی قلب به‌عنوان یک شکل ساده از هوش مصنوعی که در حال حاضر در کلینیک‌ها عمل می‌کند، اشاره کرد.

تا اواخر سال 2022 بود که بیشتر سیستم‌های سلامت به طور جدی به فکر استقرار اشکال فزاینده‌ای از فناوری در کل سازمان‌ها افتادند.

روهیت چاندرا، معاون اجرایی و مدیر ارشد دیجیتال کلینیک کلیولند، فناوری امروز را "احتمالا نابالغ ترین نسخه ای که قرار است ببینیم" توصیف کرد.

او گفت که این تکامل سریع به این معنی است که سازمان‌ها به فضایی برای آزمایش و پذیرش اینکه برخی از تلاش‌ها شکست می‌خورند نیاز دارند.

چاندرا گفت: "ما به معنای واقعی کلمه در حال سفر به جای خرید یک محصول نهایی هستیم."

به عقیده اعضای پانل، این سفر مستلزم آن است که سیستم‌های بهداشتی به طور مداوم از دو جنبه بیاموزند: از چه دهه‌ها تحقیقی در مورد هوش مصنوعی در پزشکی ایجاد شده است و از چه فناوری‌هایی که اکنون توانایی فزاینده‌ای را ممکن می‌سازد. یکی از سوالاتی که سازمان‌ها هنوز روی آن کار می‌کنند این است که هوش مصنوعی برای ارائه پتانسیل خود به چه چیزی در اطراف خود نیاز دارد. استقرار مدل‌های توانمندتر در سراسر یک سازمان نیازمند زیرساختی است که بتواند اطلاعات مفیدی را به آنها بدهد.

بلال محسن، معاون اجرایی و رئیس بخش مراقبت های متصل در شرکت جهانی فناوری پزشکی BD، به داده ها به عنوان یکی از این محدودیت ها اشاره کرد. او گفت که مراقبت های بهداشتی برای پشتیبانی از برنامه های کاربردی که به طور فزاینده پیش بینی می شوند، به اطلاعات مستمر و در زمان واقعی نیاز دارند.

محسن گفت: «بزرگترین مشکل ما در پزشکی امروز، وفاداری داده ها و به موقع بودن واقعی داده ها است. او اضافه کرد که بدون داده‌های مداوم که بتواند مدل‌های هوش مصنوعی را تغذیه کند، «همه ما شکست خواهیم خورد».

با پیشرفت این قابلیت‌ها، سیستم‌های بهداشتی همچنین می‌آموزند که وقتی هوش مصنوعی به اطلاعات نزدیک‌تر به لحظه ارائه مراقبت دسترسی داشته باشد، چه چیزی ممکن می‌شود.

در بیمارستان متدیست هیوستون، برخی از این زیرساخت ها در حال حاضر از مراقبت های بالینی پشتیبانی می کنند. میشل استنسبری، مدیر ارشد نوآوری، گفت که نظارت مداوم بر علائم حیاتی به پزشکان اجازه می دهد تا مشکلات احتمالی را زودتر شناسایی کنند. او گفت که در یک مورد، کارکنان مرکز عملیات مجازی نظام سلامت یک سیگنال نگران کننده را تشخیص داده و به پرستار کنار بالین هشدار دادند.

استنسبری گفت: "با این موارد حیاتی مستمر، ما توانسته ایم چیزها را قبل از اینکه اتفاق بیفتند، کشف کنیم."

برای پین، گسترش قابلیت‌های فنی خطرات نحوه سنجش عملکرد هوش مصنوعی را نیز افزایش می‌دهد. او نسبت به تمرکز شدید روی اقدامات فرآیندی صرفا به دلیل در دسترس بودن آنها هشدار داد و به مخاطبان رهبران مراقبت های بهداشتی گفت: "نتیجه همه چیز است."

در BJC و WashU Medicine، پین گفت که برنامه او پروژه هوش مصنوعی را بدون مسیر روشنی برای اندازه‌گیری نتایج انجام نخواهد داد. مرکز مشترک هوش مصنوعی سازمان‌ها برای سلامت، حول محور آوردن تحقیقات دانشگاهی به محیط‌های بیمارستانی در دنیای واقعی طراحی شده است، جایی که فناوری‌ها می‌توانند آزمایش و مقیاس شوند.

این رویکرد منعکس کننده هشدار گسترده‌تر پین برای رقابت صنعتی به سمت هوش مصنوعی پیشرفته است. مراقبت های بهداشتی لازم نیست از ابتدا شروع شود.

به منظور نوآوری مسئولانه بدون اختراع مجدد چرخ، پین توصیه کرد که رهبران سیستم سلامت با "قهرمانان" سازمان خود در تیم های انفورماتیک، بالینی و عملیاتی همکاری کنند. تجربه آن‌ها می‌تواند به سازمان‌ها کمک کند در مورد آنچه فناوری جدید امکان‌پذیر می‌کند کنجکاو باقی بمانند، این کنجکاوی را به سمت مشکلاتی که پزشکان و اپراتورها هر روز با آن‌ها مواجه می‌شوند هدایت کند و درس‌هایی را از تلاش‌های قبلی برای وارد کردن هوش مصنوعی به مراقبت‌های بالینی به پیش ببرند.

پین گفت: «این یک بازی فناوری نیست. او افزود که این ارتباط و تعهد به یادگیری مستمر، "در واقع جایی است که شما به ارزش واقعی پیشنهاد می کنید."