یکی از عمیقترین کاربردهای هوش مصنوعی در حوزه بهداشت و درمان، جایگزینی پزشکان نیست، بلکه اصلاح فرآیندهای خاموش و معیوبی است که میتوانند عواقب ویرانگری داشته باشند. داستانی را در نظر بگیرید که الهامبخش تأسیس «اینفلو هلث» (Inflo Health) شد؛ شرکتی که متعهد است تا اطمینان حاصل کند هیچ بیماری از چرخه درمان خارج نمیشود.
ماجرا زمانی آغاز شد که آنجلا آدامز، که در آن زمان پرستار بخش مراقبتهای ویژه بود، پیامی از دوستش دریافت کرد که به دلیل درد شدید شکم به اورژانس مراجعه کرده بود. دوست او برای آپاندیسیت حاد تحت عمل جراحی اورژانسی قرار گرفت. در حین اسکنها، یک رادیولوژیست متوجه یک یافته نامرتبط اما شوم شد: یک ضایعه پستانی که به شدت مشکوک به بدخیمی بود و نیاز به پیگیری فوری داشت. رادیولوژیست این موضوع را ثبت کرد، اما سپس، این یافته در ورطه وسیع و آشفته سیستم بهداشت و درمان ناپدید شد.
آدامز به یاد میآورد: «هیچ ارتباطی با پزشک مراقبتهای اولیه او برقرار نشد.» نتیجه، یک تأخیر فاجعهبار ۱۰ ماهه در تشخیص و درمان بود. زمانی که این یافته دوباره کشف شد، اسکن PET نشان داد که سرطان پستان متاستاتیک به مغز او سرایت کرده است. دوست آدامز یک سال و نیم بعد درگذشت. این تراژدی شخصی به نیروی محرکه «اینفلو هلث» تبدیل شد که آدامز در سال ۲۰۲۰ با مأموریت «هرگز یک پیگیری را از دست نده» آن را تأسیس کرد.
این مشکل به طرز نگرانکنندهای شایع است. فناوری تصویربرداری مدرن آنقدر پیشرفته است که اغلب «یافتههای اتفاقی» (incidentalomas) را کشف میکند—ناهنجاریهایی که به طور تصادفی پیدا میشوند و به دلیل اصلی انجام اسکن بیارتباط هستند. اگرچه این امر خوب است، اما حجم عظیمی از توصیههای پیگیری را ایجاد میکند. به طور شگفتانگیزی، حدود ۵۰٪ از این توصیهها (به استثنای ماموگرافی) هرگز پیگیری نمیشوند که منجر به تشخیص دیرهنگام، افزایش هزینهها و ریسکهای قانونی میشود. ارتباطات قطع میشود، گزارشها نادیده گرفته میشوند و بیماران از شرایط بالقوه مرگبار خود بیخبر میمانند.
اینجاست که هوش مصنوعی «اینفلو هلث» وارد عمل میشود. این پلتفرم از پردازش زبان طبیعی (NLP) و مدلهای زبان بزرگ (LLMs) برای اسکن و درک خودکار گزارشهای تصویربرداری مانند اشعه ایکس، سیتی اسکن و امآرآی استفاده میکند. این سیستم توصیههای مربوط به مراقبتهای پیگیری را شناسایی و استخراج کرده و آنها را بر اساس فوریت اولویتبندی میکند.
اما همانطور که آدامز قاطعانه میگوید: «هوش مصنوعی قرار نیست جایگزین پزشکان شود.» در عوض، مانند یک دستیار خستگیناپذیر و هوشیار عمل میکند. این سیستم حدود ۶۰ تا ۷۰ درصد از هماهنگیهای پیگیری را خودکار میکند و پیامکهایی برای بیماران و اعلانهایی برای پلتفرمهای ارائهدهندگان خدمات ارسال میکند. این کار موارد ساده را به صورت یکپارچه مدیریت میکند. موارد باقیمانده و پیچیدهتر—مانند بیماران انکولوژی با یافتههای متعدد—به هماهنگکنندگان انسانی ارجاع داده میشوند. این رویکرد «انسان در چرخه» (human-in-the-loop) به کادر درمانی این امکان را میدهد تا تخصص خود را در جایی که بیشترین نیاز به آن است، متمرکز کنند.
تأثیر این سیستم قابل اندازهگیری و عمیق است. با پیادهسازی این سیستم، مرکز پزشکی شرق آلاباما شاهد افزایش ۷۴ درصدی در پایبندی به پیگیریها بود. تا به امروز، «اینفلو هلث» گزارش میدهد که فناوری آن بر زندگی ۱۲۵,۰۰۰ نفر تأثیر گذاشته است. این یک نمایش قدرتمند از این است که چگونه فناوری، زمانی که به طور متفکرانه به کار گرفته شود، میتواند شکافهای موجود در سیستمهای بهداشتی ما را ترمیم کند. به گفته آدامز: «والاترین رسالت فناوری این است که دو مورد از مهمترین چیزها در زندگی را که نمیتوان خرید، یعنی سلامتی و زمان، به انسانها بازگرداند.»
منبع: CNET