نرم افزار هوش مصنوعی در حال توسعه است که می تواند آسیب های مغزی یا شروع بیماری را شناسایی و تشخیص دهد، اما مطمئن هستیم که جای متخصصان پزشکی را نخواهد گرفت.
دو کلمه ای که در طول یک تماس تلفنی گفته شد، الهام بخش یک متخصص هوش مصنوعی شد تا اپلیکیشنی بسازد که بتواند آسیب های مغزی را تشخیص دهد.
“گفتم:” سلام مامان “و گفت:” باشه، چی شده؟ ” فقط دو کلمه بود، مادرم از کجا فهمید که من در بهترین حالت روحی ام نیستم؟ “
مدنیان استاد ارشد علوم کامپیوتر و مهندسی نرم افزار در دانشگاه AUT است و شش سال گذشته را صرف تحقیق در مورد قابلیت های هوش مصنوعی و یادگیری ماشین برای تجزیه و تحلیل گفتار افراد کرده است.
او توضیح می دهد: ” من شروع به فکر کردن به این موضوع کردم که چگونه صحبت می کنیم، چگونه ارتباط برقرار می کنیم، بعد دیگری در بالای زمینه دارد… برای مثال، اگر شما خوشحال هستید، سیگنال گفتار با همان زمینه با زمانی که غمگین هستید یا زمانی که عصبانی هستید، متفاوت است.”
در نهایت هدف مادانیان این است که از این ابزار برای غربالگری شرایط سلامت روان و تشخیص اختلالات جدی تر مغزی مانند زوال عقل یا بیماری پارکینسون در مراحل اولیه آن استفاده شود.
اما او می گوید این حوزه حساسی برای تحقیقات است و در حال حاضر این فن آوری برای تشخیص شدت آسیب مغزی توسعه یافته است.
او می گوید: ” در سلامت روان ما محدودیت های تحقیقاتی داریم به خصوص زمانی که با جمعیت های آسیب پذیر کار می کنیم.”
مدانیان میگوید این ابزار میتواند به ویژه برای پزشکان و پرستاران تازه فارغالتحصیل شده مفید باشد، کسانی که سالها تجربه برای شناسایی مواردی که میتوانند پرچمهای قرمز بسیار ظریف باشند، ندارند.
او می گوید: ” این اپلیکیشن موبایلی برای ضبط گفتار به علاوه برخی زمینه ها و پس زمینه های دیگر طراحی شده و می تواند پیشنهاداتی را ارائه دهد.
مدل فعلی مورد آزمایش با خواندن احساسات انسان ۹۰ درصد دقیق است اما هنوز کارهایی برای تشخیص آسیب های خفیف مغزی وجود دارد. میزان موفقیت در اینجا بین ۶۸ تا ۷۰ درصد است.
پس از اینکه بهبودهایی برای بالا بردن میزان موفقیت اعمال شد، قدم بعدی تعامل با کارشناسان حوزه سلامت در مورد چگونگی استفاده ایمن از این اپلیکیشن در محیط های پزشکی است.
مدنیان می گوید که این یک سفر طولانی است، اما آن ها نمی خواهند عجله کنند.
” فن آوری یک حوزه خاکستری است، با محدودیت هایی همراه است، و این در مورد هوش مصنوعی صادق است… ما نمی توانیم این فن آوری ها را به سمت مراقبت های بهداشتی سوق دهیم تا زمانی که کاملا از تمام معایب و محدودیت های آن آگاه شویم.”
من نمی گویم این فناوری تصمیم درستی میگرد یا نه… این همان چیزی است که من واقعاً سعی می کنم از نظر استفاده از هوش مصنوعی در مراقبت های بهداشتی، به ویژه در مراقبت های بهداشتی حمایت کنم، زیرا بسیار آسیب پذیر است، موضوع مرگ و زندگی است. به همین دلیل است که من هرگز هیچ یک از این مفاهیم را ابزار تشخیصی نمیدانم، من همیشه آنها را ابزار پشتیبانی تصمیم مینامم و هیچ قصدی برای حذف افراد یا جایگزینی آنها با این سیستمها وجود نخواهد داشت.
The Detail همچنین با رضا شاهامیری، مدرس ارشد مهندسی نرمافزار در دانشگاه اوکلند صحبت میکند، که هوش مصنوعی را بهعنوان واژهای جامع برای چندین فناوری توصیف میکند و فکر میکند که پتانسیل نجات سیستم بهداشتی در حال فروپاشی نیوزیلند را دارد.
“هوش مصنوعی میتواند اتوماسیون زیادی را فراهم کند، میتواند ارائه مراقبتها، تشخیصها را برای پزشکان بسیار آسانتر کند. هدف من این است که مراقبتهای بهداشتی را در دسترستر، سریعتر و موثرتر کنم، نه جایگزینی برای پزشکان و پرستاران، فقط به آنها ابزارهای بیشتری می دهیم تا بهره وری بیشتری داشته باشند و زندگی آنها را آسان تر کنند.”
اما شهمیری تاکید دارد که هوش مصنوعی جایگزین کادر درمان واقعی نخواهد شد.
” آنچه باید بر آن تاکید کنیم این است که هوش مصنوعی تنها یک ابزار دیگر است. این ابزاری است که پزشکان و پرستاران می توانند در کنار سایر ابزارهایی که برای ارائه مراقبت های بهتر دارند، از آن استفاده کنند. او می گوید: ” هوش مصنوعی خود یک نهاد مستقل نیست، یک نرم افزار است، اما در نهایت این پزشکان و پرستاران هستند که اقدام می کنند، که تصمیم می گیرند، که مراقبت از بیمار را فراهم می کنند.”
و در پایان روز، برای هوش مصنوعی پیام شاهمیری ساده است: به دکترتان اعتماد کنید.
او می گوید: ” اگر پزشک شما به استفاده از یک ابزار اعتماد دارد، به این معنی است که آن را به شدت ارزیابی و تنظیم کرده است.”
” هوش مصنوعی فقط یک ابزار دیگر است، یک نوع نرم افزار، بله نرم افزار می تواند خطرناک باشد، می تواند بد باشد، می تواند آسیب برساند، اما می تواند خوب هم باشد. به طور کلی افرادی که از این فن آوری استفاده می کنند، افرادی هستند که از این فن آوری برای خوب یا بد بودن استفاده می کنند.