اهمیت هوش مصنوعی در حوزه سلامت و چالش‌های پیش‌ِروی توسعه آن در ایران

به گزارش کارگروه فناوری اطلاعات سایبربان؛ در آینده‌ای نزدیک شاهد همه‌گیری استفاده از هوش مصنوعی در تمامی صنایع از جمله صنعت سلامت، خواهیم بود که باید به‌سرعت برای پیشرو شدن در آن قدم برداشت.

دکتر نادر توکلی، معاون درمان ستاد کرونای تهران در یادداشتی به کاربردهای هوش مصنوعی در حوزه سلامت به‌خصوص در ایام کرونا و چالش‌های پیشِ‌روی آن پرداخته است.

متن این یادداشت به‌شرح زیر است:

کاربردهای هوش مصنوعی در حوزه سلامت شامل موقعیت‌های متنوعی در تشخیص و پیش‌آگهی بیماری، طراحی و کشف داروهای جدید و حتی کمک در تصمیم‌سازی در سیاست‌گذاری سلامت است.

مطابق فرمایشات مقام معظم رهبری در آبان سال گذشته، رسیدن به یک جایگاه علمی و عملی متعالی در این حوزه باید از اهداف جدی تمامی مسئولین باشد و کشور نباید به هیچ وجه در این زمینه عقب بماند. خوشبختانه در این زمینه، پروژه‌های متنوعی چه با اهداف تحقیقاتی و چه با اهداف ارائه در بازار در کشور انجام شده است که توانایی و علاقه بالای دانشگاه و بخش خصوصی به این موضوع را نشان می‌دهد. در زمینه بیماری کرونا، چندین پروژه توسط دانشگاه‌های علوم پزشکی و به‌ویژه ستاد مقابله با کرونای تهران انجام شده که توانسته است بین مردم نیز مقبولیت کسب کند. در چندین سال گذشته با پیشرفت‌های تکنولوژیک امکان توسعه نرم‌افزارهای مبتنی بر هوش مصنوعی در حوزه سلامت گسترش یافته است به‌صورتی که میزان سرمایه‌گذاری‌های خصوصی در این حوزه به بیش از 2 میلیارد دلار در سال 2021 رسیده است. با توجه به روندهای فعلی تا سال 2027، میزان سرمایه‌گذاری بر این حوزه از مجموع سرمایه‌گذاری در حوزه‌های واکسن و سلول‌های بنیادی فراتر خواهد رفت. خوشبختانه کشور ما به چندین دلیل در این حوزه دارای پتانسیل‌های گسترده‌ای است که توانایی رقابت در سطح جهانی را برای کارآفرینان و محققین ایرانی فراهم آورده است، از جمله این دلایل می‌توان به وجود نیروی انسانی متخصص هوش مصنوعی در کشور و عدم نیاز به سرمایه‌گذاری‌های هنگفت و تکنولوژی‌های غیرقابل دسترس برای موفقیت (تفاوت با صنعت داروسازی و بیوتکنولوژی) در این حوزه اشاره کرد.

با ظهور کرونا، تمامی سیستم‌های درمانی و شرکت‌های حوزه سلامت دنیا توجه خود را به جلوگیری از گسترش این بیماری جلب کردند، متعاقباً محققین فعال در حوزه هوش مصنوعی نیز نرم‌افزارهای متعددی برای مقابله با بیماری کرونا در حوزه‌های مختلف اعم از پیشگیری هوشمند، درمان‌های شخصی‌سازی‌شده، پیش‌بینی‌های اپیدمیولوژیکی و توسعه واکسن و داروهای جدید را ارائه نموده‌اند، از نمونه‌های خارجی مطرح می‌توان به پروژه QCOVID دانشگاه آکسفورد انگلیس اشاره کرد که تلاشی برای توسعه مدل هوش مصنوعی برای پیشگیری هوشمند بیماری بوده است. محققان در این زمینه با طراحی مدل‌های هوش مصنوعی که بر اساس داده‌های افراد مبتلا به کرونا توسعه یافته بود توانستند نرم‌افزاری توسعه دهند که می‌توانست ریسک ابتلا به کرونا را متناسب با شرایط سلامت و کاری فرد تخمین زند. از دیگر پروژه‌های مطرح خارجی نیز می‌توان به پروژه Deep cough اشاره کرد که مدلی برای تشخیص بیماری کرونا از طریق صدای سرفه بوده است. این نرم‌افزار با گوش دادن به صدای سرفه یک بیمار با دقت بالای 90درصدی نوع بیماری عفونی فرد را تشخیص می‌دهد و می‌تواند به‌عنوان اولین خط تشخیص بیماری در خانه‌ها مورد استفاده قرار گیرد. مشابه این پروژه نیز توسط محققان دانشگاه شهید بهشتی در کشور توسعه یافت و در اختیار مردم قرار گرفت. از نمونه‌های داخلی دیگر مطرح در کشور خودمان می‌توان به پروژه پیش‌بینی وضعیت بیماران بستری کرونا اشاره کرد که تحت مدیریت درمان ستاد مقابله با بیماری کرونای استان تهران توسعه یافته است و توانایی پیش‌آگهی وضعیت بیماران بستری را بر اساس داده‌های آزمایشگاهی دارد. این پروژه با همکاری دانشگاه آکسفورد ادامه یافته است و مقاله این تحقیق هم به‌تازگی در نشریه frontiers digital health با همکاری محققین بین‌المللی از دانشگاه لوزان سوئیس چاپ گردیده است.

در نهایت از جمله پروژه‌های موفق این حوزه در داخل کشور می‌توان به اپلیکیشن "ریسک من" (پیش‌بینی ریسک حاد شدن وضعیت بیماران به‌کمک هوش مصنوعی) اشاره کرد. این اپلیکیشن در هسته خود از مدل هوش مصنوعی‌ای برای پیش‌بینی زودهنگام علائم و احتمال مرگ‌ومیر بر اثر کرونا در بیماران مبتلا به کووید‌ـ‌19 تشکیل شده است که می‌تواند نتیجه درمانی بیماران را تا حد زیادی بهبود بخشد. در این پروژه با استفاده از داده‌های بیش از 100 هزار بیمار مبتلا به کرونا که به تریاژ بیمارستان‌ها در سال 1399 مراجعه کرده‌اند مدل‌های هوش مصنوعی با دقت بالا برای پیش‌بینی دو هدف ذکرشده طراحی گردید، در نهایت اپلیکیشن ریسک من توسط ستاد مقابله با بیماری کرونای استان تهران در اردیبهشت 1400 رونمایی شد و تاکنون بیش از یک‌میلیون نفر در داخل کشور از پیش‌بینی‌ها و راهنمایی‌های این اپلیکیشن بهره جسته‌اند، هم‌چنین مقاله علمی این پروژه نیز با همکاری پژوهشگران بین‌المللی به چاپ رسیده است.

موانع توسعه محصولات مبتنی بر هوش مصنوعی در حوزه سلامت

مسلماً محدودیت‌ها، موانع و مشکلات زیادی در داخل کشور برای توسعه این دسته از محصولات وجود دارد که در سریع‌ترین زمان قابل مدیریت و اصلاح‌پذیرند، از جمله این موانع از سمت مدیریت‌های کلان و نهادهای نظارتی و رگولاتوری می‌توان به چندگانگی در نرم‌افزارهای ثبت اطلاعات پزشکی در کشور، عدم وجود سازوکار قانونی مناسب برای تأیید نرم‌افزارهای حوزه درمان و عدم همکاری برخی از مراکز درمانی جهت جمع‌آوری داده‌های اولیه اشاره کرد. از جمله موانع از سمت بخش خصوصی نیز می‌توان به عدم شفافیت در انتشار داده‌ها و مقالات علمی مناسب، عدم همکاری مناسب بخش خصوصی با نهادهای قانونی تصمیم‌گیرنده و عدم سرمایه‌گذاری درازمدت در این حوزه توسط سرمایه‌گذاران سنتی کشور اشاره کرد.

در نهایت پیشرفت این حوزه در داخل کشور، در گروی بهبود شرایط توسعه این دسته از نرم‌افزارها چه از سمت بخش خصوصی و چه از سمت دولت و وزارت بهداشت است. برای توسعه هرچه بیشتر این حوزه باید انجام اقداماتی نوآورانه توسط مسئولین مربوطه سرعت گیرد، از جمله این اقدامات می‌توان به آموزش به جامعه پزشکی راجع به پتانسیل‌های هوش مصنوعی در سلامت، برگزاری کنگره‌های تحقیقاتی، تأسیس مراکز تحقیقات و پژوهشکده‌ها، توسعه راهنماهای اخلاق پزشکی برای این دسته از محصولات، سرمایه‌گذاری بیشتر در این حوزه از طریق اعطای گرنت‌ها و حمایت‌های دولتی از سمت وزارت بهداشت و معاونت علمی و فناوری و صندوق‌های پژوهش و فناوری اشاره کرد.