هوش مصنوعی و کارایی بخش درمان | کاری که فناوری نتوانست انجام دهد

اگر به دنبال یک ساختار پروتئینی جدید هستید از هوش مصنوعی سوال کنید، اما اگر واقعاً به یک دستگاه نمابر (فکس) نیاز دارید به مطب پزشکان بروید. دستگاه جایی در گوشه مطب در کنار انبوهی از پرونده‌های کاغذی قرار دارد. این مطلب در مورد تمام پزشکان یا نظام‌های درمان مصداق ندارد، اما به اندازه کافی درست هست تا لبخند غمباری را بر چهره خیلی‌ها بنشاند. تحول دیجیتالی در بخش درمان در بهترین حالت پراکنده بوده است. اقتصاددانان بر این باورند که فناوری مسئول 25 تا 50 درصد رشد هزینه‌های درمان در کشورهای عضو سازمان همکاری‌های اقتصادی و توسعه (OECD) در 50 سال گذشته بوده و سهم بخش درمان از تولید ناخالص داخلی را به شدت بالا برده است. این افزایش در بسیاری از کشورهای عضو از این هم بیشتر بود و با وجود این پس از چند دهه تلاش پرهزینه هنوز روایت‌های زیادی از عدم انطباق سامانه‌های هوش مصنوعی، نقض محرمانگی و وجود پرونده‌های کاغذی به موازات سوابق الکترونیکی درمان به گوش می‌رسد. آیا می‌توانیم باور کنیم که هوش مصنوعی قادر است اوضاع را تغییر دهد؟ پاسخ مثبت است. صرف بزرگی مشکل باعث می‌شود هوش مصنوعی به دنبال راه‌حل آن باشد. آمریکا در سال 2020 بیش از 5 /4 تریلیون دلار برای بخش درمان هزینه کرد. این مبلغ در مقایسه با دیگر کشورها از حد انتظار فراتر بود و 30 درصد هزینه‌های مازاد هم به فرآیندهای اداری تعلق می‌گرفت. فرصت‌های چند تریلیون‌دلاری می‌توانند توجه شرکت‌های بسیار بزرگ از قبیل غول‌های فناوری آمریکا را جلب کنند. این شرکت‌ها عقیده دارند که الگوهای زبانی بزرگ (LLM) و دیگر سامانه‌های یادگیری خودنظارتگر می‌توانند ابزارهای جدیدی ارائه دهند که مناسب این کار هستند. این حقیقت را که بزرگ‌ترین شرکت‌های هوش مصنوعی بخش درمان را به چشم میدان رقابت می‌بینند باید دلیل اصلی برای خوش‌بینی دانست. یکی از ابزارهای ماجراجویانه درمان شرکت گوگل Med-Palm2 نام دارد که در زمان تغییر شیفت کاری کارکنان درمان یا وقتی کسی بالای سر بیماران نیست به پرسش‌های مربوط به درمان پاسخ می‌دهد و اطلاعات را خلاصه می‌کند. سرمایه‌گذاری شرکت آمازون در بنگاه آنتروپیک (Anthropic) به تولید دستیار هوش مصنوعی کلودی (Claude) انجامید که قصد دارد خدمات شرکت در زمینه مراقبت‌های درمانی را تقویت کند. غول‌های چینی هم به موضوع علاقه‌مند شده‌اند. گزارش سال 2022 موسسه مشاورتی مک‌کینزی بیان می‌کند که استفاده از هوش مصنوعی در پیش‌بینی نتایج درمان و پشتیبانی از تصمیمات بالینی به خلق پنج میلیارد دلار ارزش اقتصادی در چین می‌انجامد. سپس نوبت به مایکروسافت می‌رسد که علاقه شدیدی به رشد از طریق خرید دیگر بنگاه‌ها دارد. این شرکت 7 /19 میلیارد دلار در سال 2021 برای خرید بنگاه نیوانس (Nuance) مستقر در ماساچوست پرداخت که هوش مصنوعی آن در کارهای اجرایی از قبیل تهیه یادداشت‌های بالینی و ثبت الکترونیکی سوابق درمان به پزشکان کمک می‌کند. سامانه تبدیل صدا به متن شرکت نیوانس و ابزار هلث اسکرایب (Health Scribe) آمازون ارزش زیادی دارند. هارپریت سود (Harpreet Sood) پزشک و مدیر ارشد اطلاعات بالینی سازمان ملی درمان بریتانیا می‌گوید، این فناوری همه چیز را برایش متحول کرده است و به ازای هر بیمار پنج تا شش دقیقه در وقت صرفه‌جویی می‌کند که به معنای دو تا سه ساعت در روز است. بیماران متوجه شده‌اند که او در هنگام معاینه بیشتر به آنها نگاه می‌کند تا به صفحه نمایش. هم او و هم بیماران از این وضعیت راضی هستند. 

تحول بی‌پایان

مسیرهای بهبود کارایی فراوان هستند. به ویژه در آمریکا که بزرگ‌ترین بازار درمان جهان و در عین حال یکی از ناکارآمدترین نظام‌های درمان را دارد، تاسیس مراکز فرماندهی در بیمارستان‌ها یک روش پرطرفدار برای بهبود کارایی و کسب نتایج بهتر به شمار می‌رود. این مرکز چیزی شبیه به سامانه کنترل ترافیک هوایی است که در آن اطلاعات لحظه‌ای مربوط به تخت‌های خالی، منابع و وضعیت بیماران در کل بیمارستان بر دیواری از صفحات نمایش نقش می‌بندد. بخشی از آن اطلاعات به تبلت‌ها و گوشی‌های همراه کارکنان در بخش‌های بیمارستان انتقال می‌یابد. این سامانه‌ها نه‌تنها مشکلات را در زمان وقوع نشان می‌دهند، بلکه مشکلات پیش‌رو را هم پیش‌بینی می‌کنند. چنین سامانه‌هایی را می‌توان در 200 بیمارستان جهان پیدا کرد. مرکز فرماندهی بیمارستان جان هاپکینز در بالتیمور سرعت جابه‌جایی بیماران را 60 درصد بالا برد، زمان انتظار برای درمان اضطراری را 25 درصد و زمان بستری پس از جراحی را تا 70 درصد پایین آورد. بیمارستان عمومی تامپا (Tampa) گزارش می‌دهد که از زمان استفاده از مرکز فرماندهی مجهز به 20 اپلیکیشن هوش مصنوعی تا 40 میلیون دلار افزایش کارایی را شاهد بوده است. نسخه دیگر هوش مصنوعی را می‌توان در مراقبت‌های خارج از بیمارستان دید که به عبارتی «بیمارستان را به خانه‌های مردم می‌برد». شمار تخت‌های بیمارستانی در بریتانیا اندک است بنابراین به «بخش‌های مجازی» علاقه زیادی دارد. این فناوری به بیماران امکان می‌دهد تا با کمک ابزارهای پایشگر از قبیل تبلت یا دستبند فشار خون از بیمارستان به منزل انتقال یابند و دوران نقاهت را در آنجا بگذرانند. رقم تخت‌های مجازی بریتانیا در سال 2023 به 10 هزار مورد رسید. هنوز این سامانه‌ها مزایای خود را ثابت نکرده‌اند و مطالعه اخیر این طرح‌ها نشان داد که هزینه‌ آنها از درمان بیمارستانی بالاتر است اما هوش مصنوعی می‌تواند در این زمینه کمک‌رسان باشد. بنگاه دوکلا (Doccla) یکی از چندین بنگاه فناوری بریتانیایی فعال در حوزه «بخش مجازی» تلاش می‌کند تا الگو‌های یادگیری زبانی را به جریان کارهای بالینی بیفزاید. هدف آن است که داده‌های حاصل از ابزارهای پوشیدنی، سوابق بیمار و معاینه‌ها در سامانه‌ای گردآوری شوند که همانند یک کمک‌خلبان به کارکنان درمان کمک می‌کند همواره از اوضاع بیماران آگاه باشند. این قابلیت هم در بخش‌های مجازی و هم در کل نظام درمان کارایی دارد. آنها  توجه پزشکان را به اطلاعاتی حیاتی جلب می‌کنند که ممکن است در نگاه اول نادیده گرفته شوند.

اگر قرار است چنین اتفاقی بیفتد نظام‌های درمان باید خود را با آن وفق دهند و این سازگاری دشوار خواهد بود. رابرت واچر و همکارش از دانشگاه کالیفرنیا به تازگی در تحقیقی گفتند که انسان‌ها حداقل در تلاش اول عمدتاً نمی‌توانند تغییراتی عمیق در «ساختار سازمان، رهبری، نیروی کار یا جریان کار» به وجود آورند، تغییراتی که برای بهره‌برداری کامل از فناوری‌های جدید ضرورت دارند.

به عنوان مثال موضوع غیرمتمرکزسازی درمان را در نظر بگیرید. تا زمانی که هوش مصنوعی به فرآیند تصمیم‌گیری کمک می‌کند احتمالاً تمایل دارد که درمان را از مرکز به کناره‌ها بکشاند. بدان معنا که امکان تشخیص بیماری را در مطب‌های عمومی افزایش دهد و در این راه از ابزارهای هوشمندتر استفاده کند؛ بخشی از تصمیم‌گیری‌ها را به داروخانه‌ها واگذار کند و دسترسی بیماران به خدمات مشاوره و پایشگری در منزل را بالا ببرد. اما بیماران اغلب انتظار دارند پزشکان را به صورت حضوری ببینند یا یک بیمارستان در نزدیکی آنها باشد. چنین به نظر می‌رسد که کشورهایی که هنوز در حال توسعه نظام درمان خود هستند شانس بهتری برای ساخت تصویری دوباره از کارها نسبت به کشورهایی دارند که نهادها و بیماران آن تصویر خود را تثبیت کرده‌اند. دکتر سود عقیده دارد کشورهایی با زیرساختارهای کمتر توسعه‌یافته درمان که ارتباطات دیجیتالی خوبی دارند می‌توانند پیشتاز مسیر هوش مصنوعی باشند. او به عنوان مثال از هند، کنیا و اندونزی نام می‌برد. این کشورها می‌توانند نظام درمان خود را بر مبنای فناوری‌هایی بسازند که شهروندانشان هم‌اکنون از آنها استفاده می‌کنند. به عنوان مثال می‌توان خدمات درمان را در سکوهایی مانند واتس‌اپ ارائه داد. نباید افزایش کارایی به لطف هوش مصنوعی را امری بدیهی تلقی کرد. بدون تردید طرح‌هایی وجود دارد که وعده‌های بیش از حد می‌دهند و هزینه‌های هنگفت مطالبه می‌کنند. آنها باید به‌طور مداوم تحت ارزیابی، نظارت و به‌روزرسانی باشند. کار هوش مصنوعی صرفاً تغییر مسیر ناگهانی نیست. برخی از مزایایی مانند همگام‌ بودن با پژوهش‌ها به شکلی بهتر از آنچه پزشکان امروز هستند مستلزم آن‌اند که سامانه‌های ساخت شرکت‌ها با گذشت زمان متحول شوند و بنابراین لازم است این سامانه‌ها از نو آموزش ببینند و گواهی تایید دریافت کنند تا از کارایی و ایمنی آنها اطمینان یابیم. درست است که تغییر و به‌روزرسانی مداوم چالش‌هایی به دنبال دارد اما مزایای آن بر کسی پوشیده نیست. اگر فناوری‌ها تغییر کنند موسسات هم باید فرآیند سازگاری خود را با آنها تسهیل کنند. توانایی ایجاد تغییر و همزمان تسهیل پذیرش آن یکی از مزایایی است که با کمک هوش مصنوعی ایجاد می‌شود.

هیچ‌کدام از این مزیت‌ها به آسانی به دست نمی‌آیند. موسساتی که به سختی می‌توانند تغییرات زیادی را بپذیرند به استفاده حداکثری از هوش مصنوعی نیاز دارند. مقررات‌گذاران تحت فشار هستند تا در زمان مواجهه با چالش‌های جدید از جمله بزرگی وسعت فناوری و سرعت تغییر آن نسبت به ایمنی آن اطمینان پیدا کنند. همچنین، محقق کردن توان بالقوه فناوری در صرفه‌جویی در هزینه‌ها و نجات جان انسان‌ها به انگیزه‌های اقتصادی مناسب نیاز دارد. اگر انسان‌ها بتوانند این تغییرات و اصلاحات را به انجام رسانند بازدهی فراوانی را از دستگاه‌‌های هوش مصنوعی دریافت خواهند کرد.