تحلیل انسانی در مقایسه با همتایان دیجیتالی ما، کند و ذهنی است. انسان‌ها فقط می‌توانند با سرعت مغز انسان محاسبه کنند و نتیجه‌گیری‌های آن‌ها تحت تأثیر مجموعه‌ای از سوگیری‌های غیرعلمی قرار دارد. در زمینه پزشکی، وجود سرعت و دقت یا عدم وجود آنها، پیامد‌های مرتبط با مرگ یا زندگی را به همراه دارد.

نکته مثبت این است که انسان‌ها ساخت سیستم‌های هوش مصنوعی با توانایی تجزیه و تحلیل سریع و عینی را آغاز کرده‌اند. این کار در هیچ حوزه‌ای به اندازه دنیای مراقبت‌های بهداشتی تاثیرگذار نیست.

برای بررسی استفاده از فناوری‌های مبتنی بر هوش مصنوعی در مراقبت‌های بهداشتی، لازم است به تعریف کوتاهی در مورد هر کدام از آن‌ها بپردازیم.

۱. یادگیری ماشینی: پردازش مجموعه داده‌های بزرگ و استفاده از نتایج برای تصمیم‌گیری

۲. یادگیری عمیق: شکلی از یادگیری ماشینی با استفاده از یک شبکه عصبی مصنوعی برای یادگیری با آزمون و خطای بسیار سریع

۳. پردازش زبان طبیعی: درک و تفسیر گفتار انسان برای اطلاع از گزینه‌های درمانی

ترکیب این سه روش، تأثیرات عمیقی را بر مراقبت‌های بهداشتی دارد.

تجزیه و تحلیل اقیانوس داده‌های بیمار

همان‌طور که شرکت‌ها برای استانداردسازی داده‌های به دست آمده از منابع مختلف تلاش کرده‌اند، ارائه‌دهندگان مراقبت‌های بهداشتی نیز سعی داشته‌اند تا به یکسان کردن انواع گوناگون داده‌های بیماران بپردازند. اسناد مربوط به سوابق پزشکی، گزارش‌های درمان و حتی داده‌های به دست آمده از پوشیدنی‌هایی مانند "اپل واچ"، به شکل‌های مختلف و در مکان‌های مختلف وجود دارند.

انسان‌ها با این اطلاعات خوب کار نمی‌کنند، اما هوش مصنوعی به خوبی عمل می‌کند. مانند شرکت‌هایی که فرآیند سه‌مرحله‌ای موسوم به "استخراج، تبدیل، بارگذاری" (ETL) را برای استخراج داده‌ها از منابع و ذخیره آن در پایگاه‌های داده مشترک به کار می‌گیرند، هوش مصنوعی هم در حال حاضر می‌تواند همین کار را برای بسیاری از منابع داده‌های بیماران انجام دهد.

توسعه دارو با ردیابی سریع

دارو‌ها در سطح مولکولی کار می‌کنند. مولکول‌های خارجی مانند "زاناکس" (Xanax) با مولکول‌های داخلی مانند نورون‌ها در تعامل قرار می‌گیرند تا به پیشگیری از یک بیماری یا درمان آن بپردازند.

هوش مصنوعی این قدرت را دارد که میلیون‌ها تعامل مولکولی را تجزیه و تحلیل کند. سپس، از یافته‌های خود برای پیش‌بینی این موضوع استفاده می‌کند که کدام دارو‌ها بیشترین پتانسیل را برای درمان بیماری‌ها دارند. پژوهشگران باید بخش قابل توجهی از این کار را به صورت دستی انجام دهند که با هزینه بسیار بیشتری نیز همراه است.

این کار در حال حاضر سرعت توسعه دارو‌های فوری را افزایش داده است. از جمله می‌توان به پژوهش سال ۲۰۱۵ اشاره کرد که دانشمندان از این روش در توسعه درمانی برای ابولا استفاده کردند.

تجزیه و تحلیل سریع‌تر و بی‌طرفانه

نابرابری در سلامتی، به عنوان نابرابری‌های غیرمنصفانه و قابل اجتناب تعرف می‌شود که اجتناب‌ناپذیر یا طبیعی نیستند، بلکه محصول رفتار انسانی هستند. چند مثال مهم از نابرابری در سلامتی، آسیب‌های اجتماعی و اقتصادی هستند که باعث کاهش امید به زندگی می‌شوند و همچنین، این که میزان مرگ و میر در نوزادان سیاه‌پوست، بدون دلیل بیولوژیکی بیشتر از نوزادان سفیدپوست است.

همه نابرابری‌ها نتیجه سوگیری در کار ارائه‌دهندگان مراقبت‌های بهداشتی نیستند، اما برخی از آن‌ها در این گروه قرار می‌گیرند. الگوریتم‌هایی که تجزیه و تحلیل هوش مصنوعی را هدایت می‌کنند، می‌توانند به گونه‌ای برنامه‌ریزی شوند که سوگیری‌های فرهنگی را که انسان‌ها نمی‌توانند آن‌ها را متزلزل کنند، از بین ببرند. این کار می‌تواند به معنای ارائه اطلاعات دقیق‌تر، رفتار عادلانه‌تر و سطح‌بندی زمینه مراقبت‌های بهداشتی در میان نژادها، قومیت‌ها و جنسیت‌ها باشد.

کمک کردن به خدمات پزشکی اورژانسی

هوش مصنوعی در حال حاضر می‌تواند به تماس‌های اورژانسی گوش بدهد. هوش مصنوعی هم آن چه را که بیماران می‌گویند و هم نحوه بیان آن‌ها را تجزیه و تحلیل می‌کند و بلافاصله، اطلاعات را با داده‌های گذشته مقایسه می‌کند. اگر بیماری که در مورد درد قفسه سینه تماس می‌گیرد، الگو‌های صوتی مشترکی با افراد مبتلا به ایست قلبی داشته باشد، هوش مصنوعی می‌تواند پیش از بدتر شدن وضعیت، مراقبت‌های اورژانسی را ارسال کند که خوب است، زیرا تنها ۱۰ دقیقه زمان می‌برد تا ایست قلبی کشنده شود.

این مراقبت‌های اضطراری نیز به شکل دستگاه‌های مجهز به هوش مصنوعی هستند. در اوایل سال جاری، یک پهپاد حامل یک الکتروشوک به سوی یک مرد سوئدی فرستاده شد که به ایست قلبی دچار شده بود. پهپاد پیش از آمبولانس رسید و به پزشکی که حضور داشت کمک کرد تا جان مرد را نجات دهد.

مغز انسان برای مدیریت اطلاعات محیطی، اجتماعی و زبانی تکامل یافته است که آن‌ها را به خوبی انجام می‌دهد، اما با اطلاعات عددی تقریبا نمی‌تواند به خوبی عمل کند. بدین ترتیب، به یک کمک کوچک نیاز داریم. پیشرفت تصاعدی هوش مصنوعی، بر همه حوزه‌های مراقبت بهداشتی، از فوری‌ترین مراقبت‌های اورژانسی گرفته تا مراقبت‌های پیش‌بینی‌کننده و درمان بلندمدت تأثیر می‌گذارد.