استفاده از هوش مصنوعی برای درمان بیماران در بیمارستان نیویورک
رأی دهید
به گزارش «فرانس 24»، این نرم افزار در حال حاضر در بیمارستان‌های وابسته به این دانشگاه در سراسر نیویورک استفاده می‌شود؛ با این امید که به بخشی استاندارد از مراقبت‌های بهداشتی تبدیل شود.
همزمان مطالعه‌ای در مورد درستی پیش‌بینی‌های این ابزار هوش مصنوعی، روز چهارشنبه در مجله «نیچر» منتشر شده که می‌گوید این نرم افزار در خواندن تصویربرداری پزشکی مفید است و حتی نشان داده که می‌تواند در امتحانات «بورد» پزشکان نیز قبول شود.
اریک اورمن، نویسنده اصلی، جراح مغز و اعصاب و دانشمند علوم کامپیوتر دانشگاه نیویورک، به خبرگزاری فرانسه گفت که در حالی که مدل‌های پیش‌بینی غیر هوش مصنوعی برای مدت طولانی در پزشکی وجود داشته‌اند، اما در عمل به سختی از آن‌ها استفاده می‌شود، زیرا داده‌های مورد نیاز آن‌ها نیاز به سازمان‌دهی مجدد و قالب‌بندی دست و پاگیر دارد.
او گفت: اما «یک چیزی که در همه جا در پزشکی رایج است، این است که پزشکان در مورد آنچه در کلینیک دیده‌اند و با بیماران صحبت کرده‌اند، یادداشت می‌نویسند. بنابراین ایده اصلی ما این بود که آیا می‌توانیم با یادداشت‌های پزشکی به‌عنوان منبع داده‌هایمان شروع کنیم و سپس مدل‌های پیش‌بینی‌کننده را بر اساس آن بسازیم؟»
نسخه کنونی دانشگاه گروسمن، به نام NYUTron، بر اساس میلیون‌ها یادداشت بالینی از سوابق سلامت 387000 نفر که در بیمارستان‌های لانگون دانشگاه علوم پزشکی نیویورک، بین ژانویه 2011 تا مه 2020 تحت مراقبت قرار گرفتند، آموزش داده شده است.
این موارد شامل هرگونه سوابق نوشته شده توسط پزشکان، مانند یادداشت‌های پیشرفت بیمار، گزارش‌های رادیولوژی و دستورالعمل‌های ترخیص می‌شد که منجر به یک مجموعه 4.1 میلیارد کلمه‌ای شده است.
یکی از چالش‌های کلیدی این نرم‌افزار، تفسیر زبان طبیعی است که پزشکان به آن می‌نویسند، که در بین افراد بسیار متفاوت است، از جمله در اختصاراتی که انتخاب می‌کنند.
با نگاه کردن به سوابق اتفاقات رخ داده، محققان توانستند محاسبه کنند که پیش‌بینی‌های نرم‌افزار چقدر دقیق بوده است.
آن‌ها همچنین این ابزار را در محیط‌های زنده آزمایش کردند و آن را روی سوابق، به عنوان مثال، در بیمارستانی در منهتن آموزش دادند و سپس مشاهده کردند که در بیمارستانی در بروکلین، با جمعیت‌شناسی متفاوت، چگونه عمل می‌کند.
جایگزینی برای انسان نیست
این نرم‌افزار 95 درصد از افرادی را که قبل از ترخیص در بیمارستان جان خود را از دست دادند و 80 درصد از بیمارانی که در عرض 30 روز مجدداً بستری شدند را شناسایی کرد.
همچنین 79 درصد از مدت اقامت واقعی بیماران، 87 درصد از مواردی که بیماران تحت پوشش بیمه نبودند و 89 درصد مواردی که بیماری اولیه بیمار با بیماری‌های دیگری همراه بود را به درستی تخمین زد.
بنابراین، محققان این پژوهش می‌گویند که این نرم‌افزار از نظر پیش‌بینی‌های خود، نسبت به پزشکان بهتر عمل می‌کند.
با این‌حال، آن‌ها بر این موضوع تاکید دارند که هوش مصنوعی هرگز جایگزین رابطه پزشک و بیمار نخواهد بود. بلکه هوش مصنوعی می‌تواند، «اطلاعات بیشتری به طور یکپارچه ارائه کند تا پزشگان بتوانند تصمیمات آگاهانه‌تری بگیرند.»
