استفاده از هوش مصنوعی و یادگیری ماشینی در زمینه سلامت، یکی از آرزوهای بزرگ پزشکان و فعالان این حوزه است. اگر در سال ۲۰۱۹ این فناوریها به شکل گسترده و درست به کار گرفته شوند، این رویا ممکن است به واقعیت تبدیل شود.
برای رسیدن به این هدف، سرمایهگذاری به موقع و استفاده درست از هوش مصنوعی ضروری است. با کمک این فناوریها، خدمات سلامت در سراسر جهان، به ویژه در کشورهای با درآمد متوسط و کم، گسترش مییابد و دسترسی مردم به مراقبتهای بهداشتی آسانتر میشود.
یکی از مشکلات اصلی در حوزه سلامت، کمبود نیروی انسانی است. هوش مصنوعی این مشکل را تا حد زیادی حل میکند، به خصوص اگر با فناوری تلفن همراه ترکیب شود. برای مثال، شرکتهایی مانند پیکویژن از گوشیهای هوشمند برای انجام آزمایشهای چشمی استفاده میکنند، بدون آنکه نیاز به مکان خاصی باشد.
هوش مصنوعی علاوه بر کاهش هزینهها، به مردم کمک میکند تا بهتر از سلامتی خود مراقبت کنند. با استفاده از دستگاههای پوشیدنی و برنامههای هوشمند، افراد میتوانند سلامت خود را بهبود بخشند و سرعت بهبودی را افزایش دهند.
با این حال، خدمات سلامت در همه کشورها یکسان نیست و کمبود امکانات پزشکی در بسیاری از مناطق دیده میشود. با افزایش جمعیت، نیاز به خدمات پزشکی نیز بیشتر میشود و آگاهسازی مردم میتواند از گسترش بیماریهای خطرناک جلوگیری کند.
اگرچه نوآوریهای زیادی در حوزه سلامت صورت گرفته و سرمایهگذاری در هوش مصنوعی ارزشمند است، اما ارزیابی درستی از این فناوری انجام نشده و پیشرفت چشمگیری در این زمینه دیده نمیشود. برای پیشرفت، باید اولویتها را مشخص کرد و تحقیقات بیشتری انجام داد.
فناوریهای جدید باید همراه با سلامت دیجیتال حرکت کنند، زیرا این دو در کنار هم不仅能 به بهبود بیماریهای واگیر و غیرواگیر کمک میکنند. اما برخی منتقدان معتقدند که بین واکسیناسیون و تولید داروهای جدید تفاوت وجود دارد و قوانین مربوط به هوش مصنوعی در سلامت دیجیتال به درستی تعریف نشده است.
هوش مصنوعی و یادگیری ماشینی با خطر کاهش اعتماد عمومی روبرو هستند. برای حل این مشکل، باید نوآوریهای اجتماعی را گسترش داد و روشهای خلاقانهای برای دسترسی به دادهها پیدا کرد. البته دسترسی به دادهها نیز خطراتی دارد و باید از اطلاعات افراد محافظت شود.
در صورت علاقهمندی، مطلب بهترین کلاس و ابزارهای هوش مصنوعی برای کودکان را از دست ندهید.
برنامههای سلامت دیجیتال علاوه بر نوآوری، باید ارزشهای سلامتی بیماران را نیز در نظر بگیرند. دانشمندان باید علاوه بر استفاده از دادهها، با اصول جمعآوری و تحلیل آنها آشنا باشند و از حریم خصوصی بیماران محافظت کنند. برنامههای سلامت دیجیتال نیز باید از نظر بالینی تأیید شوند و پایههای محکمی داشته باشند.
همانطور که ملیندا گیتس و دیگران هشدار دادهاند، دادههای جدید در مدلهای سلامت مبتنی بر هوش مصنوعی جایگزین دادههای قدیمی میشوند و تأثیر زیادی دارند. بنابراین، باید مطمئن شویم که دادهها به گونهای جمعآوری میشوند که برای همه جوامع قابل استفاده باشد. برای مثال، برنامهنویسان از نژادها و جنسیتهای مختلف در سراسر جهان وجود دارند.
برای پیشرفت در آینده، نباید اشتباهات گذشته را تکرار کنیم. مثلاً در دهه ۱۹۹۰، تلاش برای درک بیماری اچآیوی/ایدز در آفریقا با تکیه بر دیدگاه غربی انجام شد و به نتیجه نرسید. کشورهای کمدرآمد و با درآمد متوسط، که بیشتر در معرض خطر هستند، باید در شکلدهی به نوآوریهای فناورانه نقش بیشتری داشته باشند. همچنین، باید مراقب داروهای تقلبی بود و آنها را شناسایی کرد.
شرکت امپیدگرینتورک اولین بار در غنا فعالیت خود را آغاز کرد. این شرکت با استفاده از یک سیستم ردیابی مبتنی بر تلفن همراه، هویت پزشکان را بررسی میکند و به بیماران و متخصصان سلامت امکان انتخاب میدهد. همچنین، با تقویت زنجیره تأمین داروها، داروهای تقلبی را شناسایی میکند.
این شرکت با راهاندازی یک آزمایشگاه هوش مصنوعی در غنا، برنامههای آموزشی ویژهای برگزار میکند و امیدوار است که تا سال ۲۰۱۹ روند پیشرفت بیماریها در آفریقا را کاهش دهد. امپیدگرینتورک استانداردهای ایمنی، به ویژه ایمنی در محل کار، را بررسی میکند و برنامهای برای تغییر مراقبتهای بهداشتی برای همه دارد. این شرکت نشان میدهد که همکاری بین بخش عمومی و خصوصی میتواند در کاهش روند بیماریها مؤثر باشد.
این همکاریها برای ایجاد راهحلهای دیجیتالی قدرتمند، دقیق و عادلانه تقویت میشوند و به مردم کمک میکنند تا سلامت خود را بهتر مدیریت کنند. این موضوع به ویژه در کشورهای کمدرآمد و با درآمد متوسط مفید است و هزینههای درمانی را کاهش میدهد.