چالش های هوش مصنوعی در ویزیت اطفال؛ خطا در دوزبندی دارو

به گزارش خبرگزاری مهر به نقل از مرکز روابط عمومی سازمان بیمه سلامت ایران، حسن رودگری، با اشاره به کاربردهای هوش مصنوعی در پزشکی اظهار کرد: تشخیص درست توسط هوش مصنوعی الزاماً مساوی با تریاژ درست یا مدیریت صحیح بالینی بیمار نیست. برای مثال، در برخی موارد سیستم توانسته احتمال شوک سپتیک را مطرح کند، اما نتوانسته مشخص کند در چنین شرایطی چه اقدام درمانی و مدیریتی باید انجام شود؛ در حالی که تصمیم‌گیری صحیح در این شرایط بحرانی می‌تواند تعیین‌کننده حیات بیمار باشد.

وی افزود: در یک مطالعه پایلوت که ۲۰ بیمار مراجعه‌کننده به بخش مراقبت‌های ویژه اطفال (PICU) را بررسی کرده بود، هوش مصنوعی در بخش اورژانس دقت تشخیصی ۹۴ درصد و در PICU دقت تشخیصی ۹۸ درصد داشت. با این حال، چالش اصلی در مرحله مدیریت بیمار مشاهده شد؛ به‌طوری که سیستم تنها در ۸۲ درصد موارد توانسته بود مدیریت و دستور دارویی درست ارائه دهد.

عضو هیئت‌ مدیره سازمان بیمه سلامت ایران ادامه داد: در همین مطالعه، در ۷۷ درصد موارد اورژانس و ۱۰ درصد موارد بستری در PICU، پیشنهادهای درمانی ارائه‌ شده نامناسب بود. بنابراین نمی‌توان صرفاً بر اساس دقت تشخیصی بالا، یک سیستم هوش مصنوعی را برای تصمیم‌گیری درمانی قابل اعتماد دانست.

رودگری با تأکید بر اینکه خطای درمانی می‌تواند از خطای تشخیصی خطرناک‌تر باشد، گفت: اگر هوش مصنوعی بیماری را به اشتباه گاستروانتریت ویروسی تشخیص دهد، ممکن است پیامد اصلی آن تأخیر در رسیدن به تشخیص صحیح باشد؛ اما اگر در مرحله درمان، داروی نامناسب یا دوز نادرست پیشنهاد شود، بیمار مستقیماً در معرض آسیب قرار می‌گیرد.

وی تصریح کرد: این موضوع در طب اطفال اهمیت بیشتری دارد، زیرا عواملی مانند سن، وزن، عملکرد کلیوی و غلظت داروها در تعیین دوز مناسب نقش دارند و یک خطای کوچک در محاسبه یا تجویز می‌تواند پیامدهای بسیار جدی برای کودک داشته باشد.

استادیار دانشگاه علوم پزشکی شهید بهشتی با اشاره به یکی از نمونه‌های خطا در دوزبندی دارویی اظهار کرد: در یک مورد واقعی، برای پسربچه‌ای ۱۰ ساله مبتلا به پسوریازیس نوجوانی با وزن ۳۰ کیلوگرم، قد ۱۳۵ سانتی‌متر و سطح بدن ۱.۰۶ مترمربع که نیازمند دریافت متوترکسات بود، از هوش مصنوعی درباره دوز دارو سؤال شد. سیستم دوز ۱۵ میلی‌گرم بر مترمربع را پیشنهاد کرد، اما عبارت حیاتی «یک بار در هفته» را ذکر نکرد.رودگری ادامه داد: حذف همین عبارت به ظاهر ساده می‌توانست کودک را در معرض دریافت چندین برابر دوز مورد نظر قرار دهد؛ در حالی که متوترکسات دارویی با سمیت قابل توجه است و چنین خطایی می‌تواند پیامدهای خطرناکی برای بیمار داشته باشد. این نمونه نشان می‌دهد که در استفاده از هوش مصنوعی، ارائه یک پاسخ عددی به تنهایی کافی نیست و نحوه تفسیر و به‌ کارگیری آن در زمینه بالینی اهمیت اساسی دارد.

وی مهم‌ترین تله‌های بالینی هوش مصنوعی را در حوزه انتخاب دارو و دوزبندی دانست و گفت: هوش مصنوعی بر اساس داده‌هایی که دریافت می‌کند، خروجی ارائه می‌دهد، اما پزشک علاوه بر اطلاعات موجود در پرونده از معاینه فیزیکی، مشاهده بیمار و تحلیل بالینی نیز برخوردار است. بنابراین هوش مصنوعی نمی‌تواند جایگزین قضاوت و مهارت بالینی پزشک شود.

عضو هیئت‌ مدیره سازمان بیمه سلامت ایران، همچنین نسبت به وابستگی بیش از حد پزشکان به این فناوری هشدار داد و گفت: وابستگی بیش از اندازه به هوش مصنوعی می‌تواند به مرور زمان موجب تضعیف مهارت‌های بالینی پزشکان شود؛ همان‌طور که استفاده گسترده از گوشی‌های هوشمند باعث شده بسیاری از افراد شماره تلفن‌ها را مانند گذشته به خاطر نسپارند.

رودگری در پایان تأکید کرد: هوش مصنوعی باید به عنوان یک ابزار کمکی در اختیار پزشک قرار گیرد و نه جایگزین تفکر و تصمیم‌گیری بالینی شود. اگر پزشکی بیش از ۵۰ درصد تصمیمات تشخیصی و درمانی خود را به هوش مصنوعی متکی کند، نقش او از یک پزشک تصمیم‌گیرنده به یک کاربر هوش مصنوعی تغییر خواهد کرد و نباید اجازه داد نظام پزشکی به چنین مسیری حرکت کند.