کاربرد هوش مصنوعی در بهبود ارتباط میان بیماران و پزشکان

پروژه «Language/AI Incubator»، به‌عنوان بخشی از برنامه مشارکتی «MIT Human Insight Collaborative»، به بررسی این موضوع می‌پردازد که هوش مصنوعی چگونه می‌تواند تعاملات میان بیماران و پزشکان را ارتقا دهد.

«دکتر گامیرو» اظهار می‌کند: «هدف ما صرفاً آموزش پردازش کلمات به ماشین‌ها نیست، بلکه آموزش آن‌ها برای درک و حرکت در شبکه‌ی پیچیده معانی نهفته در زبان است.» پیچیدگی‌های زبانی می‌تواند بر فرآیند درمان و مراقبت از بیماران تأثیرگذار باشد. «اورلاب» می‌افزاید: «درد اغلب تنها از طریق استعاره بیان می‌شود، اما این استعاره‌ها ممکن است از نظر زبانی و فرهنگی با هم تفاوت داشته باشند.» ابزارهایی مانند صورتک‌های خندان یا مقیاس‌های عددی یک تا ده، که متخصصان پزشکی انگلیسی‌زبان برای ارزیابی درد بیماران به کار می‌گیرند، ممکن است در بافت‌های نژادی، قومی، فرهنگی و زبانی دیگر کارایی نداشته باشند.

نشست‌های علمی و نقش علوم اجتماعی

«Language/AI Incubator» نخستین نشست علمی خود را در ماه مه در مؤسسه فناوری ماساچوست (MIT) برگزار کرد. این نشست به رهبری «دکتر منا راموس»، پزشک و هم‌بنیان‌گذار و مدیرعامل «Global Ultrasound Institute»، انجام شد. در این رویداد، علاوه بر «دکتر سلی»، ارائه‌هایی از سوی «دکتر آلفرد اسپکتور»، پژوهشگر مهمان در دپارتمان مهندسی برق و علوم رایانه MIT، و «داگلاس جونز»، عضو ارشد گروه فناوری زبان انسانی در آزمایشگاه «Lincoln Laboratory MIT» ارائه گردید. دومین نشست این مجموعه قرار است در ماه اوت برگزار شود.

همگرایی علوم اجتماعی و علوم فنی می‌تواند منجر به توسعه راه‌حل‌های مؤثرتر و کاهش سوگیری‌ها شود. بازنگری در شیوه‌های تعامل بیماران و پزشکان، همراه با تسهیم مسئولیت گفتگو میان دو طرف، می‌تواند بهبود نتایج درمانی را در پی داشته باشد. استفاده از هوش مصنوعی برای تسهیل این ارتباطات، فرایند همگرایی دیدگاه‌ها را سرعت می‌بخشد. «دکتر سلی» تأکید می‌کند: «مدافعان جامعه نیز باید در این گفتگوها مشارکت داشته باشند. هوش مصنوعی و مدل‌سازی آماری به‌تنهایی نمی‌توانند تمام داده‌های موردنیاز برای درمان همه افراد نیازمند را فراهم کنند.»

توجه به تنوع زبانی و فرهنگی

نیازهای جامعه و بهبود فرصت‌های آموزشی باید با رویکردهای میان‌رشته‌ای در کسب و انتقال دانش همراه شود. «گامیرو» درباره طراحی مدل‌های زبانی بزرگ می‌پرسد: «ما در حال مدل‌سازی زبان چه کسی هستیم؟ کدام گونه‌های گفتاری باید گنجانده شود و کدام‌ها حذف شوند؟» از آنجا که معنا و نیت در بافت‌های مختلف تغییر می‌کنند، توجه به این نکات در طراحی ابزارهای هوش مصنوعی ضروری است.

هوش مصنوعی؛ فرصتی برای بازنویسی قواعد پزشکی

با وجود ظرفیت‌های گسترده همکاری میان‌رشته‌ای، چالش‌هایی مانند توسعه زیرساخت‌های فناورانه برای بهبود ارتباط میان بیمار و پزشک، گسترش فرصت‌های همکاری برای جوامع محروم و نوسازی روش‌های مراقبت از بیمار همچنان وجود دارد. بااین‌حال، تیم پژوهشی امید خود را حفظ کرده است.

«دکتر سلی» معتقد است فرصت‌هایی برای کاهش شکاف میان مردم و متخصصان و رفع نابرابری‌های موجود در حوزه سلامت وجود دارد. او می‌گوید: «هدف ما بازسازی پیوند میان علم و جامعه است تا دانشمندان و عموم مردم بتوانند به‌صورت مشترک جهان را کاوش کنند، در حالی که نسبت به سوگیری‌های خود آگاه هستند.»

«دکتر گامیرو»، که از پتانسیل هوش مصنوعی در تحول پزشکی حمایت می‌کند، معتقد است: «به‌عنوان یک پزشک، باور دارم هوش مصنوعی فرصت بازنویسی قواعد پزشکی را فراهم کرده و راه را برای گسترش امکانات و دسترسی‌ها باز می‌کند.»

«اورلاب»، با اشاره به تفاوت میان مشاهده‌گران بی‌طرف و مشارکت‌کنندگان فعال در مدل جدید مراقبت، می‌گوید: «آموزش، انسان‌ها را از ابژه به سوبژه تبدیل می‌کند. باید درک بهتری از تأثیر فناوری بر این مرزها داشته باشیم.»

حمایت از فضاهای نوآوری و همکاری

«دکتر سلی»، «گامیرو» و «اورلاب» همگی از ایجاد فضاهایی مشابه «MITHIC» در سراسر حوزه سلامت حمایت می‌کنند؛ فضاهایی که نوآوری و همکاری را بدون محدودیت معیارهای سنتی نهادهای رسمی امکان‌پذیر می‌سازد.

«دکتر اورلاب» بیان می‌کند: «هوش مصنوعی ظرفیت دگرگونی تمامی حوزه‌های سلامت را دارا است. چارچوب «MIT Human Insight Collaborativ» فضایی سخاوتمندانه ایجاد می‌کند که به ما امکان می‌دهد با انعطاف‌پذیری، عدم قطعیت‌ها را پذیرا شویم.»

«دکتر سلی» در پایان می‌افزاید: «هدف ما بهره‌گیری از توانمندی‌هایمان برای ایجاد جامعه‌ای با مخاطبان متنوع است، در حالی که می‌دانیم پاسخ تمامی مسائل را نداریم. اگر ناکام بمانیم، تنها به این دلیل خواهد بود که به اندازه کافی برای ساختن جهانی نوین رؤیاپردازی نکرده‌ایم.»