به گزارش یورونیوز، هوش مصنوعی در تلاش‌ها برای مهار شیوع ابولا در جمهوری دموکراتیک کنگو به ابزاری برای تحلیل سریع‌تر اطلاعات تبدیل شده است. این فناوری می‌تواند به شناسایی مناطق پرخطر، برنامه‌ریزی برای توزیع تجهیزات پزشکی و بهبود تصمیم‌گیری مقام‌های بهداشتی کمک کند.

در این کشور، کارکنان سلامت با مراجعه به خانه‌ها، اطلاعات مربوط به بیماران، افراد بهبودیافته و جان‌باختگان را ثبت می‌کنند و افراد دارای علائم مشکوک را به مراکز درمانی ارجاع می‌دهند. این اطلاعات که پیش‌تر در دفترهای ثبت نگهداری می‌شد، اکنون به شکل دیجیتال درآمده و برای تحلیل از مدل هوش مصنوعی کلود، محصول شرکت آنتروپیک، استفاده شده است.

در این طرح، افرادی از جمله نمایندگان ائتلاف آمادگی برای مقابله با همه‌گیری‌ها، دفتر منطقه‌ای سازمان جهانی بهداشت در آفریقا و مؤسسه ملی تحقیقات زیست‌پزشکی جمهوری دموکراتیک کنگو مشارکت داشته‌اند.

ماری روزلین دارنیکا بلیزیر، مدیر آمادگی و واکنش اضطراری دفتر منطقه‌ای سازمان جهانی بهداشت در آفریقا، می‌گوید با کمک این فناوری، تهیه گزارش وضعیت که پیش‌تر یک روز کاری زمان می‌برد، اکنون در حدود یک ساعت انجام می‌شود.

تحلیل سریع‌تر اطلاعات به مقام‌های بهداشتی کمک می‌کند نقاط احتمالی گسترش بیماری را زودتر شناسایی کنند و تجهیزات و ملزومات پزشکی را در مناطق موردنیاز مستقر سازند. در زمان شیوع بیماری‌های واگیردار، سرعت واکنش می‌تواند در سازمان‌دهی خدمات درمانی و آمادگی برای مقابله با گسترش بیماری مؤثر باشد.

کمک به پزشکان و کاهش بار کاری

کارشناسان معتقدند هوش مصنوعی می‌تواند علاوه بر مدیریت بیماری‌های واگیردار، در تحلیل اطلاعات پزشکی، کمک به تشخیص بیماری‌ها و کاهش وظایف اداری کارکنان درمان نیز نقش داشته باشد.

توماس زاپاتا، مدیر آکادمی سازمان جهانی بهداشت در لیون، تأکید می‌کند که این فناوری باید ابزاری در خدمت نظام سلامت باشد، نه هدفی مستقل. به گفته او، استفاده مؤثر از هوش مصنوعی مستلزم ادغام آن در ساختارهای موجود و سازگار کردن آموزش کارکنان سلامت با امکانات جدید است.

همچنین، سیسیلیا امباکا، مشاور ارشد فنی در زمینه سلامت و شرایط اضطراری در سازمان امدادی کر، می‌گوید اگر هوش مصنوعی وظایف تکراری را به‌درستی انجام دهد، کارکنان درمان فرصت بیشتری برای گفت‌وگو با بیماران، معاینه و رسیدگی مستقیم به نیازهای آنان خواهند داشت.

با این حال، فناوری به‌تنهایی نمی‌تواند کمبود امکانات یا بی‌اعتمادی مردم به مراکز درمانی را برطرف کند. اعتماد جامعه به خدمات سلامت، به‌ویژه در مناطق درگیر شیوع بیماری، در مراجعه به‌موقع بیماران و کنترل بیماری اهمیت دارد.

نگرانی درباره شفافیت نتایج

یکی از چالش‌های اصلی استفاده از هوش مصنوعی در پزشکی، روشن نبودن چگونگی رسیدن برخی سامانه‌ها به نتایج است. این مسئله که به «جعبه سیاه» هوش مصنوعی معروف است، زمانی اهمیت بیشتری پیدا می‌کند که سامانه توصیه‌ای برای تشخیص یا درمان ارائه می‌دهد.

توماس تزن، استاد آموزش پزشکی و انفورماتیک در دانشکده پزشکی گایزل دانشگاه دارتموث آمریکا، می‌گوید این سامانه‌ها در شناسایی الگوها توانایی بالایی دارند، اما توضیح اینکه دقیقاً چگونه به آن الگوها رسیده‌اند، برایشان دشوار است.

به همین دلیل، کارشناسان تأکید دارند که در حوزه سلامت نمی‌توان صرفاً به خروجی هوش مصنوعی اکتفا کرد؛ پزشکان باید بتوانند نتایج را ارزیابی کنند و درباره مناسب بودن آن‌ها برای هر بیمار تصمیم بگیرند.

منبع: یورونیوز