آیا هوش مصنوعی جایگزین پزشکان خواهد شد؟ آیا پزشکان کارشان را از دست خواهند داد؟ درزمینه پزشکی، هوش مصنوعی مشاغلی را تصاحب کرده که منجر به ترس و واهمه جامعه پزشکی شده است. از همین رو، نشریه Medical Futurist تصمیم گرفت این مسائل را روشن کند. در اینجا پنج دلیلی که نشان می دهد هوش مصنوعی جای پزشکان را نخواهد گرفت ذکر شده.
انقلاب چهارم صنعتی، خودکارسازی و دیجیتال‌سازی بازار کار را وارونه کرده است. اکثر مردم ترسشان از این است که ربات‌ها و هوش مصنوعی شغل آن‌ها را خواهد ربود. نگرانی‌های مشابهی در پزشکی در زمینه جایگزین شدن هوش مصنوعی در رادیولوژی، پیشی گرفتن ربات‌ها از جراحان و یا اشغال شغل‌های داروسازان، وجود دارد.
یک شخصیت مشهور در زمینه فناوری به نام Kai-Fu Lee که مؤسس شرکت سرمایه‌گذاری Sinovation Ventures است به سیان بی سی می‌گوید: هوش مصنوعی بسیار بزرگ‌تر از دیگر انقلاب‌های صنعتی خواهد بود و ربات‌ها احتمالاً جایگزین ۵۰ درصد کسب‌وکارها در دهه آینده خواهند بود. سرمایه‌گذاری از Silicon Valley، با نام Vinod Khosla، پا را فراتر نهاده و اظهار می‌دارد که ماشین‌ها به‌واسطه کارآفرینان، در آینده، جایگزین ۸۰ درصد از شغل پزشکان خواهند بود.
در اواخر سال ۲۰۱۶، پروفسور جفری هینتون، پدر شبکه‌های عصبی، گفت: “به‌وضوح باید آموزش رادیولوژیست‌ها را کنار بگذاریم” زیرا الگوریتم‌های تصویری به‌زودی بهتر از انسان عمل خواهند کرد. وی گفت “شبیه کارتون coyote & roadrunner، رادیولوژیست‌ها مثل کایوت هستند که لبه انتهایی دره را رد کرده‌اند اما هنوز زیر پای خالی خود را نگاه نکرده‌اند.”
این اظهارات به‌وضوح غلط هستند. بااینکه شواهد نشان می‌دهند هوش مصنوعی به‌طور کامل دنیای پزشکی را دگرگون خواهد کرد و فناوری‌های بسیار دیگری تأثیر عمیقی بر این صنعت خواهند گذاشت، اما اینکه اکثر متخصصان پزشکی از جامعه پزشکی ناپدید خواهند شد تولید ترس است و نشان از بی‌مسئولیتی اظهارکنندگان دارد. به‌عنوان‌مثال، این امر می‌تواند دانشجویان پزشکی را از تحصیل در رشته رادیولوژی دور کند. کورتیس لنگلوتز، پروفسور رادیولوژی و پایگاه اطلاعات پزشکی دانشگاه استنفورد، در کنفرانس ۲۰۱۷ خود در سن خوزه گفت، ایمیلی از یکی از دانشجویانش دریافت کرد که نوشته بود که می‌خواهد در رشته رادیولوژی تحصیل کند اما مطمئن نیست که تخصص قابل‌اعتمادی است یا نه.
رشته پزشکی در آینده به انسان‌ها نیاز خواهد داشت
نشریه Medical Futurist بر این باور است که سرمایه‌گذارانی مانند Vinod Khosla درکی از رشته پزشکی ندارند و ازاین‌رو دیدگاه‌هایشان به مرحله عمل نخواهد رسید. طبق گزارشی از Carl Benedikt Frey و Michael A. Osborne از دانشگاه آکسفورد، شغل‌هایی مانند نسخه‌نویسی، تکنیسین‌های سلامت و سوابق پزشکی و منشی‌ها در آینده کامپیوتری خواهند شد، اما ۴۲/۰ درصد احتمال دارد که خودکارسازی جای پزشکان و جراحان را بگیرد.
اشتباه نکنید، منظور من این نیست که هوش مصنوعی مهم نیست. به‌وضوح هوش مصنوعی طی ۱۰ تا ۱۵ سال آینده در بخش سلامت ظهور خواهد کرد. Hugh Harvey، رادیولوژیست و پژوهشگر پزشکی، تخمین می‌زند که طی ده سال هوش مصنوعی در NHS به یک امر عادی تبدیل خواهد شد. Anna Fernandez، رئیس علوم پزشکی بوز آلن همیلتون در سال ۲۰۱۷ به نشریه Medical Futurist گفت: در عرض ۳ سال آینده الگوریتم‌های یادگیری ماشینی بسیاری درزمینه آزمایش پزشکی ظهور خواهد کرد و کارکرد آن‌ها در آمریکا مورد تائید واقع خواهد شد.
علاوه بر این، هوش مصنوعی مفهوم پزشکی را تغییر خواهد داد: برخی وظایف حذف، درحالی‌که برخی دیگر به کارهای روزمره پزشکی اضافه خواهند شد. بااین‌وجود، هرگز وضعیتی به وجود نخواهد آمد که در آن خودکارسازی، در قالب ربات و یا الگوریتم، جای یک پزشک را بگیرد. اجازه دهید ۵ دلیل بیاوریم.
۱- پزشکان یک روش کاری غیرخطی دارند
در یکی از قسمت های سریال House M.D گروه پزشکی نمی‌توانست منشأ مسمومیت یک پسر را پیدا کند. آن‌ها گزینه‌های بسیاری را آزمایش کردند: مواد مخدر، مسمومیت غذایی، مسمومیت با سموم دفع آفات. در هر تشخیص ممکن، یک گزینه درمان متفاوت امتحان کردند. هر گزینه منجر به بدتر شدن حال پسر شد – تا اینکه موفق به حل مسئله شدند. پسر به‌طور اتفاقی دستش به Phosmet، نوعی حشره‌کش در شلوار جین، خورده بود. پسربچه آن شلوار را از یک فروشنده کنار خیابان خریده بود. آن پسر قبل از پوشیدن لباس آن را نشسته بود و ازاین‌رو پوستش سم را جذب کرده بود.
هیچ الگوریتمی نمی‌توانست این مسئله را تشخیص دهد. بااینکه تجزیه‌وتحلیل‌های کمی، اطلاعات و اقدامات بخش مهمی از شغل یک پزشک محسوب می‌شوند – و حتی در آینده مهم‌تر خواهند شد – اما انجام یک تشخیص و درمان یک بیمار فرآیندی خطی نیست، بلکه لازمه آن خلاقیت و مهارت حل مسئله است که الگوریتم‌ها و ربات‌ها هرگز این مهارت‌ها را ندارند.
بیماران و سبک زندگی‌شان به‌اندازه تفاوت انسان‌ها متفاوت می‌باشند. بیماری‌ها شاخصه‌های مشابهی دارند. ازاین‌رو، هیچ موردی مشابه نیست و در هر موردی نیاز به توجه انسانی حس می‌شود. تا ظهور راه‌حل‌های پیچیده دیجیتالی، پزشکان داده‌های حاصل از دستگاه‌های ساده پزشکی را بر مبنای تصمیمات پزشکی تفسیر می‌کردند. در آینده، این عمل همین‌گونه خواهد بود اما فناوری‌های پیچیده‌تری استفاده خواهد شد.
۲ - همدردی را نمی‌توان جایگزین کرد
حتی اگر چندین فناوری میلیاردها راه‌حل ارائه دهند، بااین‌وجود نمی‌توانند با بیمار ابراز همدردی کنند. چرا؟ زیرا در هسته همدردی، فرآیند ایجاد اعتماد وجود دارد: گوش فرادادن به دیگران، توجه کردن به نیازهای آن‌ها، بیان احساس همدردی و پاسخ دادن به‌نحوی‌که مخاطب بداند که شخص مقابل، وی را درک کرده است.
در حال حاضر، شما به یک ربات یا یک الگوریتم هوشمند که تصمیم حیاتی می‌گیرد و یا حتی تصمیمی مبنی برای خوردن یا نخوردن مسکن می‌گیرد، اعتماد نخواهید کرد. به مثالان اچ اس و آزمایش آن‌ها در مورد آسان کردن وظیفه مراقبت پزشکی با ربات‌های سخنگو توجه کنید. بیمارانی که در این آزمایش شرکت کردند بیان کردند که به‌جای خواستن راه‌حل از یک ربات سخنگو، از سیستم می‌خواهند یک قرار ویزیت در اسرع وقت با پزشک تنظیم کند. این امر ممکن است در آینده با سؤالات پزشکی آسان‌تر و بیمارانی که مسئولیت بیشتری در قبال سلامت خود به عهده می‌گیرند تغییر کند، اما تصور مراقبت‌های پزشکی بدون همدردی انسان غیرممکن است. ما همواره به پزشکان نیاز خواهیم داشت و هنگام صحبت در مورد تشخیص پزشکی تأثیر زیادی بر زندگی ما خواهد گذاشت تا دست ما را بگیرند، ما را راهنمایی کنند و از ما حمایت کنند. یک الگوریتم نمی‌تواند جایگزین این مسئله شود.
۳- فناوری‌های دیجیتالی پیچیده نیازمند متخصصانی باقابلیت بالا خواهد بود
راه‌حل‌های پزشکی پیچیده‌تر چه با ربات و چه باهوش مصنوعی نیازمند متخصصان برجسته پزشکی خواهند بود. مثال این امر، شناخته‌شده‌ترین ربات جراح با نام da Vinci Surgical System– است. این ربات دارای سیستم بصری سه‌بعدی پیشرفته است و همچنین ابزار بسیار ریزی دارد که بهتر از دست انسان خم‌شده و می‌چرخند. بااین‌وجود، جراح‌ها باید نحوه کار با آن‌ها را یاد بگیرند و برای اشراف به این ابزار تمرین زیادی لازم خواهد بود.
به همین ترتیب، به IBM Watson نگاه کنید. برنامه منحصربه‌فرد آن برای متخصصان آنکولوژی گزینه‌های درمان مبتنی بر شواهد بالینی فراهم می‌کند. بااین‌وجود، این پزشکان و بیماران هستند که با همدیگر نحوه درمان را انتخاب می‌کنند و تنها پزشکان می‌توانند مفید بودن راه‌حل‌های الگوریتم هوشمند را ارزیابی کنند. هیچ ربات و الگوریتمی نمی‌تواند چالش‌های پیچیده و چندلایه شامل چالش‌های مربوط به روحیه بیماران را تفسیر کند. بااینکه این ماشین‌ها می‌توانند داده‌ها را فراهم کنند اما عمل تفسیر همواره امری انسانی است.
۴- همواره کارهایی وجود دارند که الگوریتم‌ها و ربات‌ها قادر به انجام کامل آن‌ها نیستند
پزشکان، پرستاران و دیگر اعضای پزشکی وظایف یکنواخت و تکراری فراوانی دارند که باید هر روز آن‌ها را انجام دهند. یک تحقیق در ایالات‌متحده نشان می‌دهد، یک پزشک به‌طور متوسط ۷/۸ ساعت در هفته به کارهای مدیریتی می‌پردازد. روان‌پزشکان، بخش از اعظمی از وقت خود را صرف پر کردن برگه‌ها و گزارش‌ها می‌کنند (۲۰٫۳%). این نوع فعالیت‌ها در انترن ها حدود ۱۷٫۳% و در پزشکان عمومی و خانوادگی ۱۷٫۳% است. این نوع از وظایف را می‌توان ماشینی کرد و شاید بتوان گفت حتماً بایستی ماشینی شوند.
بااین‌وجود، وظایف و مسئولیت‌هایی وجود دارند که ماشین‌ها نمی‌توانند آن‌ها را انجام دهند. درحالی‌که IBM Watson می‌تواند در هر ثانیه میلیون‌ها صفحه از اسناد را مرور کند، اما هیچ‌گاه قادر نخواهد بود درمان به روش Heimlich را انجام دهد. همواره وظایفی وجود خواهند داشت که انسان‌ها در قیاس با ماشین‌ها سریع‌تر، ارزان‌تر و قابل‌اعتمادتر انجام می دهند.
۵- فناوری هرگز در مقابل انسان نبوده است
دشمن انگاری مداوم و ادامه‌دار و ارائه تصویری کدر از ضدیت ماشین‌ها یک‌بار برای همیشه بایستی کنار گذاشته شود. فناوری هرگز در مقابل انسان قرار نگرفته است – یا نوع خاصی از آن در مقابل انسان – زیرا ابتکارات همیشه باهدف خدمت به بشر ارائه می‌شوند. انسان و ماشین در یک‌سوی این نبرد حضور دارند. هوش مصنوعی، ربات‌ها، فناوری واقعیت مجازی یا واقعیت افزوده، همه و همه بر نحوه عملیات مراقبت‌های پزشکی عمیقاً تأثیر می‌گذارند؛ این موضوع باید پذیرفته شود و تلاش شود تا از قدرت آن‌ها بهره برد. تصور کنید اگر مهارت‌های حل مسئله و خلاقیت انسان‌ها باقدرت نامحدود ماشین‌ها و منابع شناختی فناوری ترکیب شوند، مراقبت‌های پزشکی چه قابلیت‌هایی خواهد آورد.
همکاری بین انسان و فناوری، پاسخ نهایی به این مسئله است. پژوهشی درزمینه شناسایی سرطان متا استاتیک سینه، از طریق یادگیری عمیق (deep learning) چیز مشابه را نشان می‌دهد. هنگامی‌که پیش‌بینی‌های سیستم یادگیری عمیق با تشخیص‌های بالینی بشر ترکیب شد، طبقه‌بندی عکس‌های پزشکی و درجه تشخیص تومورها به‌طور قابل‌توجهی افزایش یافت. علاوه بر این، خطای انسانی ۸۵ درصد کاهش یافت. یافته‌ها نشان می‌دهند که هوش مصنوعی و بشر هنگام همکاری قدرتمندترین عناصر هستند.
به باور نشریه Medical Futurist، آنچه گفته شد تصویری کامل از مثال‌هایی است که در دهه آتی پیش رو خواهد بود. فناوری، متخصصان پزشکی را به سمت مراقبت‌های پزشکی بهره‌ورتر و کم خطاتر سوق خواهد داد. گروه ما مصر است که با استفاده از ابزارهای دیجیتالی و با استفاده صحیح (به همراه نگرانی‌های اخلاقی و قانونی) از آن‌ها، پزشکان زمان بیشتری برای بیماران خواهند داشت، از کار خود لذت خواهند برد و مراقبت‌های پزشکی به سمت مثبتی حرکت خواهند کرد.
جهت دریافت مقالات بیشتر دکتر لینک را درشبکه های اجتماعی دنبال کنید.
مقالات مرتبط:
چگونگی جایگاه سازی برای پزشکان
