هوش مصنوعی گوگل قادر به پیش‌بینی زمان مرگ بیماران خواهد بود

هوش مصنوعی از زمان مرگ شما آگاهی دارد؛ اما اطلاعات مذکور برخلاف فیلم‌های علمی‌تخیلی می‌تواند به نجات جان انسان‌ها بیانجامد.

یک مقاله جدید که در نشریه Nature منتشر شده، نشان می‌دهد که ارایه داده‌های الکترونیکی ثبت شده درباره وضعیت سلامت به یک مدل یادگیری عمیق می‌تواند دقت پیش‌بینی‌های صورت گرفته را به میزان قابل توجهی ارتقا دهد. محققان با ارزیابی و بهره گیری از داده های به دست آمده از 2 بیمارستان در ایالات متحده نشان دادند که این الگوریتم ها قادر به پیش بینی طول دوره درمان بیماران، زمان ترخیص و همچنین زمان مرگ آن‌ها است.

شبکه‌ عصبی توصیف شده در این مطالعه به منظور ارائه پیش‌بینی‌های خود از داده‌های بسیار زیادی نظیر علائم حیاتی و سوابق پزشکی بیماران استفاده می‌کند. الگوریتم جدید، رویدادهای قبلی به ثبت رسیده برای هر بیمار را به صورت یک جدول زمانی در کنار یکدیگر قرار می‌دهد و این موضوع به مدل یادگیری عمیق امکان خواهد داد تا پیش‌بینی‌های آینده خود شامل زمان مرگ را با دقتی مناسب مشخص نماید. شبکه‌عصبی مذکور برای ارائه نتایج پیش‌بینی، حتی یادداشت‌ها و اظهارات دست‌نویس را نیز بررسی نموده و آن‌ها را به نمودارهای قدیمی ضمیمه می‌کند. البته کلیه محاسبات فوق در زمان ثبت داده‌ها انجام می‌شوند.

اما در کنار ترس اجتناب‌ناپذیر، با داده‌های گردآوری شده چه کارهایی می‌توان انجام داد؟ بیمارستان‌ها قادر به یافتن راه‌های جدیدی جهت اولویت‌بندی مراقبت از بیماران، تنظیم تدابیر درمانی و دسترسی به نیازمندی‌های اضطراری پزشکی حتی پیش از وقوع آن‌ها هستند. همچنین این پدیده می‌تواند کاهش مشغله کارکنان مراقب بهداشت را به دنبال داشته باشد؛ چرا که دیگر آن‌ها ناچار به دستکاری داده‌ها و استانداردسازی آن‌ها در یک قالب خوانا نخواهند بود.

البته در حال حاضر هوش مصنوعی دارای کاربردهای دیگری در زمینه مراقبت‌های بهداشتی است. 2 الگوریتم اخیرا توسعه‌یافته می‌توانند سرطان ریه و بیماری قلبی را حتی با دقتی بیش‌تر از پزشکان معمول بشری تشخیص دهند. مراقبان بهداشت به منظور تعیین شانس ابتلای بیماران به یکی (یا بیش از یکی) از 3 بیماری عمده چشمی، تصاویر شبکیه را به الگوریتم‌های هوش مصنوعی ارائه دادند. اما ارزیابی‌های اولیه صورت گرفته در مقیاسی بسیار کوچک‌تر نسبت به تلاش‌های فعلی گوگل اجرا شدند.

داده‌های بهداشتی ما به تدریج بر روی سیستم‌های کامپیوتری متمرکز آپلود می‌شوند؛ اما اکثر این پایگاه داده‌ها به صورت مستقل از هم در میان سیستم‌های بهداشتی مختلف و آژانس‌های دولتی وجود دارند. یکی از راه‌حل‌ها، تجمیع کلیه داده‌های شخصی در قالب یک مدل قابل پیش‌بینی توسط یکی از بزرگ‌ترین شرکت‌های خصوصی در جهان است؛ اما این ایده چندان جالب نخواهد بود. داده‌های الکترونیکی مربوط به وضعیت سلامت میلیون‌ها نفر از بیماران در اختیار تعداد انگشت‌شماری از شرکت‌های خصوصی قرار دارند و کمپانی‌هایی نظیر گوگل قادر به دریافت سریع آن‌ها از صنایع بهداشتی و بدل شدن به قطب انحصاری در زمینه مراقبت‌های بهداشتی خواهند بود.

به گفته موسسه TechCrunch، دقیقا هفته گذشته سیستم DeepMind Health تحت مالکیت کمپانی Alphabet به دلیل نگرانی‌ها پیرامون قدرت انحصاری بیش از حد این شرکت توسط دولت بریتانیا به صورت موشکافانه مورد بررسی قرار گرفت. در حال حاضر رابطه 2 طرف به دلیل طرح ادعاهایی مبنی بر نقض قوانین بریتانیا از سوی سامانه DeepMind Health متشنج شده است. دولت بریتانیا مدعیست که کمپانی مذکور در سال 2017 بدون رضایت کامل بیماران اقدام به جمع‌آوری اطلاعات آن‌ها نموده است.

در حال حاضر و تا زمان تثبیت هوش مصنوعی در عرصه پزشکی، متخصصان مراقبت‌های بهداشتی در خصوص تاثیرات فناوری‌های هوشمند بر این حوزه نگران هستند؛ لذا پیش از آن، اجرای اقدامات احتیاطی برای شفاف‌سازی ضروری به نظر می‌رسد. انجمن پزشکی آمریکا در بیانیه‌ای اعلام می‌کند که ترکیب هوش مصنوعی و پزشکان نوع بشری می‌تواند منافع چشمگیری را به دنبال داشته باشد؛ اما این انجمن خاطرنشان کرده است که ابزارهای هوش مصنوعی بایستی در راستای ارضای چندین معیار کلیدی شامل شفافیت، عملکرد استاندارد محور و به دور از تعصب تلاش نمایند.

قانون مسئولیت‌پذیری و انتقال بیمه سلامت موسوم به HIPPA در سال 1996 توسط کنگره به تصویب رسید. در دنیای فناوری مدت 22 سال، زمانی طولانی خواهد بود و تکنولوژی نیز این رویه را قطع نخواهد کرد. بدون یک چارچوب موثر قانونی که مشوق شفافیت در ایالات‌متحده است، پاسخگو نگاه داشتن این کمپانی‌ها امری تقریبا محال خواهد بود. به منظور اطمینان از تاثیرات مثبت هوش مصنوعی بر سلامت بیماران و تامین منافع شرکت‌ها، فعالیت‌های موسسات خصوصی رصد خواهند شد.

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اسکرول به بالا
TCH