
تصور کنید دستگاه پزشکی شما فقط اطلاعات بدنتان را ثبت نکند، بلکه بتوانید از آن سؤال هم بپرسید؛ مثلاً بگویید «چرا علائم من امروز بیشتر شده؟»، «آیا الگوی خوابم با وضعیت سلامتیام ارتباط دارد؟» یا «در روزهای گذشته چه تغییراتی در اطلاعات ثبتشده دیده میشود؟»
این ایده به کمک هوش مصنوعی در حال تبدیلشدن به یک مسیر تازه در فناوری سلامت است. پژوهشگران دانشگاه پنسیلوانیا سامانهای توسعه دادهاند که به بیماران اجازه میدهد از طریق یک اپلیکیشن تلفن همراه با اطلاعات دستگاه پزشکی خود تعامل کنند، علائمشان را گزارش دهند و بازخورد شخصیسازیشده دریافت کنند.
اهمیت این فناوری در آن است که دستگاه پزشکی میتواند از یک ابزار صرفاً نظارتی به سامانهای تعاملی تبدیل شود؛ سامانهای که اطلاعات ثبتشده را با گزارشهای خود بیمار ترکیب میکند تا الگوهای مرتبط با وضعیت سلامت را بهتر بشناسد.
توسعهدهنده: پژوهشگران دانشگاه پنسیلوانیا در آمریکا.
فناوری اصلی: ترکیب دادههای پزشکی، اپلیکیشن موبایل و دستیار گفتوگومحور مبتنی بر هوش مصنوعی.
آزمایش اولیه: پایش فعالیت مغزی و بررسی الگوهای مرتبط با تشنج.
نتیجه مهم: امکان گفتوگو با سامانه، دریافت هشدار و ثبت بازخورد بیمار.
کاربردهای آینده: پمپهای انسولین، دستگاههای قلبی، ابزارهای پوشیدنی و برخی تجهیزات درمانی بیماریهای عصبی.
محدودیت فعلی: فناوری هنوز در مرحله پژوهش و ارزیابی اولیه است و نباید آن را جایگزین پزشک یا درمان استاندارد دانست.
در بسیاری از روشهای پایش پزشکی، دستگاه اطلاعات بدن را جمعآوری میکند و پزشک در زمان مراجعه یا بررسی بعدی آنها را تحلیل میکند. اما در سامانه جدید، ارتباط میان بیمار و دادههای پزشکی میتواند پیوستهتر باشد.
این پلتفرم از سه بخش اصلی تشکیل شده است:
در آزمایش اولیه، اطلاعات فعالیت الکتریکی مغز با استفاده از الکتروانسفالوگرافی یا EEG ثبت میشد. این اطلاعات برای بررسی فعالیت مغز و شناسایی الگوهای مرتبط با تشنج اهمیت دارند.
دادهها در یک زیرساخت ابری طراحیشده برای پردازش امن اطلاعات سلامت تحلیل میشوند. هدف این است که اطلاعات دریافتی در فاصله زمانی کوتاهی بررسی شوند تا سامانه بتواند به پرسشها و گزارشهای بیمار پاسخ مرتبطتری بدهد.
بیمار با استفاده از تلفن همراه میتواند درباره اطلاعات ثبتشده سؤال کند، روند تغییرات را ببیند، علائم خود را گزارش دهد و هشدارهای سامانه را دریافت کند.
برای مثال، اگر بیمار متوجه تغییراتی در خواب یا خلقوخو شده باشد، میتواند آنها را ثبت کند. سپس سامانه این گزارشها را در کنار اطلاعات فیزیولوژیک بررسی میکند تا ارتباطهای احتمالی بهتر شناخته شوند. این ارتباطها لزوماً علت قطعی علائم را مشخص نمیکنند، اما ممکن است سرنخهای مفیدی برای بررسی بیشتر فراهم کنند.
پژوهشگران برای ارزیابی اولیه این ایده، ۱۳ فرد بزرگسال را که در واحد پایش صرع دانشگاه پنسیلوانیا تحت نظارت مداوم فعالیت مغزی بودند، بررسی کردند.
شرکتکنندگان از طریق اپلیکیشن با سامانه تعامل داشتند و میتوانستند درباره فعالیت مغزی خود سؤال بپرسند، علائم را گزارش کنند و روندهای ثبتشده را مشاهده کنند.
در طول دوره پژوهش، ۱٬۳۰۷ پیام میان بیماران و سامانه ردوبدل شد. موضوع گفتوگوها شامل رویدادهای تشنجی، خواب، خلقوخو، سطح انرژی و عوامل دیگری بود که ممکن است با وضعیت بیمار ارتباط داشته باشند.
یکی از ویژگیهای مهم آزمایش این بود که بیماران میتوانستند به سامانه بازخورد بدهند؛ برای مثال، مشخص کنند آیا یک هشدار با رویدادی واقعی مطابقت داشته یا احتمالاً هشدار اشتباه بوده است. این اطلاعات همراه با ارزیابی متخصصان به بهبود تشخیص الگوهای مرتبط با تشنج کمک میکرد.
بااینحال، این پژوهش یک مطالعه اثبات مفهوم بود. تعداد شرکتکنندگان محدود بود و آزمایش در محیط تخصصی پایش پزشکی انجام شد. بنابراین، نتایج اولیه بهتنهایی ثابت نمیکنند که این سامانه در استفاده طولانیمدت در خانه میتواند تعداد تشنجها یا مراجعه به بیمارستان را کاهش دهد. این موارد به مطالعات بیشتر نیاز دارند.
دستگاه پزشکی سنتی معمولاً وظیفه مشخصی دارد؛ مثلاً ضربان قلب را اندازه میگیرد، فعالیت مغز را ثبت میکند یا سطح قند خون را پایش میکند. دادههای حاصل ممکن است بعداً توسط بیمار یا پزشک بررسی شوند.
در مدل تعاملی، هوش مصنوعی تلاش میکند اطلاعات را به شکلی قابلفهمتر ارائه دهد و امکان ارتباط دوطرفه را فراهم کند.
برای نمونه، بهجای مشاهده صرف یک نمودار، بیمار میتواند درباره روند آن سؤال کند یا توضیح دهد در زمان ثبت یک تغییر چه احساسی داشته است.
این تفاوت مهم است؛ زیرا دادههای پزشکی بهتنهایی همیشه تصویر کاملی از وضعیت بیمار ارائه نمیکنند. گاهی توضیح خود بیمار درباره درد، خستگی، خواب یا شرایط روزانه میتواند به تفسیر بهتر دادهها کمک کند.
البته پاسخهای هوش مصنوعی باید بر اساس اطلاعات معتبر و محدودیتهای مشخص ارائه شوند. یک سامانه گفتوگومحور نباید از روی یک نمودار یا گزارش ناقص، تشخیص قطعی صادر کند.
یکی از کاربردهای احتمالی این رویکرد، ارتباط هوشمندتر با پمپهای انسولین و سامانههای پایش قند خون است.
تصور کنید بیمار بتواند درباره روند قند خون خود سؤال کند یا اطلاعات مربوط به وعده غذایی، فعالیت بدنی و وضعیت روزانهاش را در سامانه ثبت کند. هوش مصنوعی میتواند به سازماندهی این اطلاعات و توضیح روندها کمک کند.
اما یک نکته بسیار مهم وجود دارد: این مثال، کاربرد بالقوه فناوری در آینده است و به معنای تأیید عملکرد چنین سامانهای برای تنظیم درمان دیابت در پژوهش فعلی نیست.
تغییر دوز انسولین یا تصمیمگیری درباره درمان میتواند پیامدهای جدی داشته باشد. بنابراین هرگونه پیشنهاد درمانی یا تنظیم خودکار دستگاه باید به اعتبارسنجی بالینی، کنترلهای ایمنی و نظارت متناسب با کاربرد نیاز داشته باشد.
پژوهشگران دانشگاه پنسیلوانیا معتقدند این روش میتواند در آینده برای تجهیزات پزشکی دیگر نیز بررسی شود.
برخی دستگاههای قلبی اطلاعاتی درباره ریتم قلب و رویدادهای مهم ثبت میکنند. در آینده، سامانههای تعاملی ممکن است به بیماران کمک کنند گزارشهای دستگاه را بهتر درک کنند و در صورت شناسایی شرایط مهم، هشدارهای مرتبط دریافت کنند.
یکی از مسیرهای مورد توجه پژوهشگران، بررسی این رویکرد برای دستگاههای تحریک عمقی مغز است که در درمان برخی بیماران مبتلا به پارکینسون استفاده میشوند.
در چنین کاربردی، اطلاعات ثبتشده توسط دستگاه میتواند در کنار گزارش بیمار درباره حرکت، نوشتن یا فعالیتهای روزمره بررسی شود. بااینحال، تنظیم خودکار درمان بر اساس این اطلاعات به پژوهش و ارزیابی ایمنی جداگانه نیاز دارد.
ساعتهای هوشمند و سایر ابزارهای پوشیدنی نیز میتوانند دادههایی درباره فعالیت، خواب یا برخی شاخصهای فیزیولوژیک ثبت کنند. ترکیب این دادهها با گزارشهای شخصی ممکن است به شناخت بهتر الگوهای روزانه کمک کند؛ البته دقت حسگرها و محدودیت کاربرد پزشکی آنها باید در نظر گرفته شود.
این موارد، زمینههای بالقوه توسعه فناوری هستند و نباید آنها را قابلیتهای تأییدشده سامانه فعلی تلقی کرد.
خیر؛ دستکم این پژوهش چنین نتیجهای را نشان نمیدهد.
هوش مصنوعی میتواند اطلاعات زیادی را بررسی کند، روندها را به زبان ساده توضیح دهد و به بیمار کمک کند تغییرات وضعیت خود را بهتر ثبت کند. اما تصمیمگیری پزشکی به بررسی سابقه بیمار، معاینه، آزمایشها، شرایط بالینی و قضاوت متخصص نیاز دارد.
سه محدودیت مهم را باید جدی گرفت:
احتمال خطا: سامانه ممکن است دادهها را اشتباه تفسیر کند یا پاسخ نادرست ارائه دهد.
هشدارهای اشتباه: شناسایی یک الگو همیشه به معنای وقوع یک رویداد پزشکی نیست.
محدودیت اطلاعات: اگر دادهها ناقص باشند یا بیمار علائم خود را دقیق گزارش نکند، نتیجه تحلیل نیز ممکن است گمراهکننده باشد.
به همین دلیل، کاربرد ایمن چنین فناوریهایی باید مشخص کند چه زمانی سامانه صرفاً اطلاعات ارائه میدهد، چه زمانی هشدار میفرستد و چه تصمیمهایی همچنان باید به پزشک واگذار شوند.
وقتی دستگاه پزشکی و هوش مصنوعی با یکدیگر ارتباط برقرار میکنند، موضوع حریم خصوصی اهمیت بیشتری پیدا میکند. اطلاعاتی مانند فعالیت مغزی، علائم بیماری، کیفیت خواب و سابقه درمان جزو دادههای بسیار حساس هستند.
برای استفاده قابلاعتماد از چنین سامانههایی، چند موضوع اهمیت دارد:
اطلاعات بیمار باید با تدابیر امنیتی مناسب ذخیره و منتقل شوند.
دسترسی به دادهها باید محدود و قابلکنترل باشد.
بیمار باید بداند چه اطلاعاتی جمعآوری میشوند و چگونه مورد استفاده قرار میگیرند.
سامانه باید در برابر دسترسی غیرمجاز و افشای اطلاعات محافظت شود.
هشدارهای پزشکی باید روشن باشند و محدودیتهای سامانه را پنهان نکنند.
استفاده از زیرساخت امن در یک پژوهش، بهتنهایی تضمین نمیکند که همه نسخههای آینده یا محصولات تجاری نیز بدون خطر باشند. امنیت و حفظ حریم خصوصی باید در تمام مراحل توسعه و استفاده ارزیابی شوند.
پژوهش دانشگاه پنسیلوانیا یک گام اولیه برای بررسی امکان گفتوگوی مستقیم میان بیمار و دستگاه پزشکی است. هنوز نمیتوان بر اساس این آزمایش محدود، زمان عرضه عمومی یا میزان اثربخشی نهایی فناوری را مشخص کرد.
پژوهشهای آینده باید بررسی کنند که آیا این سامانه در زندگی روزمره نیز عملکرد قابلاعتمادی دارد، آیا میتواند به بهبود کیفیت زندگی بیماران کمک کند و آیا استفاده از آن باعث کاهش عوارض، مراجعات اضطراری یا هزینههای درمان میشود.
همچنین باید مشخص شود که تعامل مداوم با هوش مصنوعی برای چه بیمارانی مفید است و چگونه میتوان از ایجاد نگرانی غیرضروری بر اثر هشدارهای اشتباه جلوگیری کرد.
فناوری دانشگاه پنسیلوانیا نشان میدهد که آینده دستگاههای پزشکی ممکن است فراتر از ثبت و نمایش اطلاعات باشد. در این رویکرد، بیمار میتواند با سامانه تعامل کند، علائم خود را توضیح دهد و بازخوردی متناسبتر با اطلاعات ثبتشده دریافت کند.
اگر پژوهشهای بیشتر ایمنی و اثربخشی این روش را تأیید کنند، چنین فناوریهایی میتوانند به مدیریت بهتر برخی بیماریهای مزمن و ارتباط مؤثرتر میان بیمار، دستگاه و تیم درمان کمک کنند.
بااینحال، هدف اصلی نباید جایگزینکردن پزشک با یک چتبات باشد؛ بلکه باید استفاده از اطلاعات دقیقتر، ارتباط بهتر و تصمیمگیری آگاهانهتر را امکانپذیر کند.
برای دنبالکردن تازهترین خبرهای هوش مصنوعی، گجتهای هوشمند و فناوریهای کاربردی، به مجله اوپاکالا سر بزنید و در اوپاکالا مطالب و محصولات حوزه فناوری را بررسی کنید.
به نظر شما، اگر بتوانید با دستگاه پزشکی خود گفتوگو کنید، این قابلیت بیشتر به آرامش و درک بهتر وضعیت سلامت کمک میکند یا نگرانی درباره حریم خصوصی و خطاهای هوش مصنوعی را افزایش میدهد؟