خطاهای تشخیصی در هوش مصنوعی پزشکی
به گزارش کارگروه فناوری اطلاعات سایبربان، ترکیه شاهد بحثهای فزایندهای در مورد خطرات و مزایای هوش مصنوعی پزشکی است، زیرا کارشناسان هشدار میدهند که سیستمهای دارای مدیریت ضعیف میتوانند ایمنی بیمار را تهدید کنند.
آگا طغرل کوروچو، متخصص تُرک، گفت:
هوش مصنوعی تنها زمانی پتانسیل معناداری برای مراقبتهای بهداشتی ارائه میدهد که بهجای استقرار سریع و بدون اقدامات حفاظتی مناسب، توسط قوانین اخلاقی سختگیرانه و نظارت قوی پشتیبانی شود.
کوروچو توضیح داد که سوگیری دادهها همچنان یکی از مهمترین خطرات است؛ زیرا مدلهای هوش مصنوعی مستقیماً از اطلاعاتی که دریافت میکنند، یاد میگیرند. گروههای سنی، مناطق یا طبقات اجتماعی کمتر نمایان میتوانند نتایج را تحریف کرده و خطاهای سیستماتیک ایجاد کنند.
پایگاهداده ملی سلامت ترکیه (e-Nabiz)، یک مزیت استراتژیک ارائه میدهد، اما اطلاعات خام نمیتواند ارزش ایجاد کند مگر اینکه بهدرستی پردازش شده و توسط استانداردهای روشن، کنترل کیفیت و اصطلاحات قابلاعتماد پشتیبانی شود.
کوروچو افزود:
سوابق متناقض بیمارستانی، خطاهای برچسبگذاری و آسیبپذیریهای حریم خصوصی میتوانند سیستمهای هوش مصنوعی را گمراه کرده و چالشهای قانونی ایجاد کنند. برای جلوگیری از نقضهای مضر، ناشناسسازی دقیق دادهها و محیطهای تحلیل امن موردنیاز است.
هوش مصنوعی پزشکی بهعنوان چشم دوم در زمینههایی مانند رادیولوژی و آسیبشناسی بهترین عملکرد را دارد، جایی که سیستمها میتوانند با علامتگذاری مناطق مشکوک بهجای اینکه پزشکان را مجبور به ارزیابی هر اسکن بهتنهایی کنند، حجم کار را کاهش دهند.
کوروچو گفت:
پزشکان باید تصمیمگیرندگان نهایی باشند؛ زیرا سوگیری اتوماسیون میتواند بیماران را به سمت خطرات غیرضروری سوق دهد.
او انتظار دارد دادههای ژنومی همراه با هوش مصنوعی، پزشکی شخصیسازیشده را در دهه آینده متحول و امکان تشخیص سریعتر و انتخاب دقیق دارو برای بیماریهای نادر را فراهم کند.
حوزههای توسعه اولویتدار برای ترکیه شامل ابزارهای تریاژ، سیستمهای هشدار اولیه مراقبتهای ویژه و مدیریت بیماریهای مزمن است.