نظرسنجی از 215 عضو انجمن تصویربرداری پستان نشان میدهد ابزارهای هوش مصنوعی در عمل بالینی کمتر از انتظارات رادیولوژیستها ظاهر شدهاند.
نتایج کلیدی نظرسنجی
مطالعه منتشرشده در Clinical Imaging نشان میدهد تقریباً نیمی از پاسخدهندگان از ابزارهای هوش مصنوعی مورد تأیید FDA استفاده میکنند و 11% در برنامهٔ آزمایشی قرار دارند، اما تعداد معدودی هوش مصنوعی را بهعنوان تصمیمگیرندهٔ نهایی میدانند. نویسنده ارشد، Joud Almogati از UC San Diego Health، میگوید ابزارها مفیدند ولی فاصلهٔ قابلتوجهی با انتظارات وجود دارد.
- کاهش نرخ فراخوان: فقط 35% گزارش کاهش، در مقابل انتظار 59%.
- کاهش بیوپسیهای غیرضروری: شاهد کاهش 9% بودند، در مقابل انتظار 36%.
- کاهش فرسودگی شغلی: 29% کاهش مشاهده شد، در حالی که انتظار 56% بود.
دلایل عملکرد کمتر از انتظار
پاسخدهندگان چند مانع اصلی را گزارش کردند که مانع تحقق نتایج مطلوب در محیط بالینی شده است:
- هزینهٔ کل مالکیت: خرید، یکپارچهسازی و نگهداری ابزارها برای بسیاری از مراکز بار مالی سنگینی ایجاد میکند.
- نبود چارچوب نهادی: بسیاری از بیمارستانها و کلینیکها سیاستها یا جریان کاری مشخصی برای ادغام هوش مصنوعی ندارند.
- اعتماد بالینی محدود: اغلب رادیولوژیستها هوش مصنوعی را بهعنوان «نظر دوم» میپذیرند، نه تصمیمگیرندهٔ مستقل.
- تفاوت محیط آزمایشگاه و بالین: عملکرد مدلها روی دادههای آرشیوی یا در آزمونگاه ممکن است با عملکرد در کلینیکهای واقعی متفاوت باشد.
پیامدها برای بالین، توسعه و سیاستگذاری
این شکاف بین انتظار و واقعیت پیامدهای چندوجهی دارد؛ از نیاز به بازنگری معیارهای اعتباربخشی تا کند شدن پذیرش بالینی. توصیههای عملی برای سه ذینفع کلیدی:
- مراکز درمانی: تعریف واضح جریان کاری، بودجه برای نگهداری و آموزش بالینی ضروری است.
- توسعهدهندگان: طراحی ابزارها مطابق با نیازهای واقعی بالینی و ارائهٔ شواهد عملکرد در محیطهای عملیاتی لازم است.
- نهادهای ناظر: معیارهای ارزیابی واقعگرایانه و مطالعات میدانی بلندمدت را تشویق کنند. برای آشنایی با سیاستها میتوان به صفحهٔ FDA دربارهٔ هوش مصنوعی و نرمافزارهای پزشکی مراجعه کرد.
چشمانداز
برای تبدیل کردن ابزارها از «نظر دوم» به همکاران قابلاعتماد لازم است معیارهای ارزیابی واقعگرایانهتر تعریف شود، مطالعات بلندمدت در محیطهای بالینی اجرا شود و همکاری نزدیکی با پزشکان برقرار گردد. مناقشه دربارهٔ تأثیرات اشتغالی همچنان ادامه دارد؛ جنسن هوانگ، مدیرعامل انویدیا، چنین پیشبینیهایی را یک «عقدهٔ خدایی» خوانده است، اما واقعیت پیچیدهتر از هر پیشبینی ساده خواهد بود. برای آشنایی با دیدگاهها میتوان به Jensen Huang مراجعه کرد.
تمرکز کنونی باید بر مسئولیتپذیری، شفافیت عملکرد مدلها و تولید شواهد بالینی عملی باشد تا هوش مصنوعی بهطور واقعی بار کاری پزشکان را کاهش دهد و نتایج بهتری برای بیماران فراهم آورد.
