در حالی که هوش مصنوعی وعده تحول در حوزه انکولوژی را میداد، بررسیهای واقعبینانه اخیر نشاندهنده شکافی قابل توجه بین هیاهوی تبلیغاتی و کاربرد بالینی است. یافتههای جدید نشان میدهند که پیادهسازیهای فعلی هوش مصنوعی در غربالگری سرطان سینه، از انتظارات بالای متخصصان پزشکی فراتر نمیرود.
شکاف میان انتظار و واقعیت بالینی
نظرسنجی در نشریه Clinical Imaging نشاندهنده گسست میان امیدهای رادیولوژیستها به هوش مصنوعی و آنچه این ابزارها واقعاً ارائه میدهند، است. این مطالعه بر روی ۲۱۵ عضو انجمن تصویربرداری سینه (Society of Breast Imaging) انجام شده است؛ حدود نیمی از آنها در حال حاضر از ابزارهای هوش مصنوعی تایید شده توسط FDA استفاده میکنند، اما تأثیر آنها همچنان ناچیز است.
شاخصهای کلیدی عملکرد، روایت تلخی را بازگو میکنند. ۵۹ درصد از رادیولوژیستها انتظار داشتند که هوش مصنوعی نرخ فراخوان مجدد (recall rates) را کاهش دهد، اما تنها ۳۵ درصد شاهد چنین مزیتی بودند. این شکاف در سایر نتایج نیز گستردهتر است: تنها ۹ درصد شاهد کاهش بیوپسیهای غیرضروری بودند، در حالی که این رقم ۳۶ درصد پیشبینی شده بود؛ همچنین تنها ۲۹ درصد احساس کاهش فشار کاری (burnout) کردند، در حالی که ۵۶ درصد امیدوار بودند کاهش قابل توجهی در حجم کاری داشته باشند.
هوش مصنوعی به عنوان «نظر دوم» به جای تصمیمگیرنده
رادیولوژیستها با هوش مصنوعی مانند یک مشاور پشتیبان برخورد میکنند، نه یک تشخیصدهنده اصلی. جود المگاتی، نویسنده اصلی از مرکز سلامت دانشگاه کالیفرنیا سندیگو (UC San Diego Health)، خاطرنشان میکند که تعداد کمی از پزشکان اجازه میدهند هوش مصنوعی تشخیص نهایی آنها را تعیین کند؛ آنها عمدتاً از آن برای بازبینی یافتهها استفاده میکنند.
موانع سیستماتیک باعث شده است که این ابزارها در حاشیه باقی بمانند. متخصصان هزینههای بالای پیادهسازی و حمایت ضعیف سازمانی را به عنوان موانع اصلی ذکر میکنند. بدون ادغام دقیق در سیستمهای بیمارستانی و دادههای شفاف در مورد هزینه-فایده، هوش مصنوعی به جای یک جزء اصلی، تنها به عنوان یک افزونه باقی میماند.
عبور از «خودشیفتگی خدایی» در پیشبینیهای هوش مصنوعی
پذیرش بیرمق هوش مصنوعی در رادیولوژی، بازتابدهنده تنش گستردهتری در دنیای فناوری درباره آینده مشاغل است. یک دهه پیش، بسیاری از پژوهشگران هوش مصنوعی پیشبینی میکردند که رادیولوژیستها به طور کامل جایگزین خواهند شد؛ امروزه، هیاهوی مشابهی پیرامون تمام مشاغل دانشبنیان مبتنی بر کامپیوتر وجود دارد.
جنسن هوانگ، مدیرعامل Nvidia، چنین اغراقهایی را محکوم کرده و آن را «خودشیفتگی خدایی» در میان پیامبران هوش مصنوعی نامیده است. مطالعه تشخیص سرطان سینه به ما یادآوری میکند که در پزشکی حساس، «هوش» یک مدل اهمیت کمتری نسبت به قابلیت اطمینان، کاربردی بودن و توجیه اقتصادی آن در یک جریان کاری پیچیده انسانی دارد. توسعهدهندگان باید از دنبال کردن دقت نظری به سمت رفع اصطکاکهای واقعی بالینی تغییر مسیر دهند.
نکات کلیدی
- اختلاف در عملکرد: ابزارهای هوش مصنوعی در کاهش نرخ فراخوان مجدد (۳۵٪ واقعی در مقابل ۵۹٪ مورد انتظار) و بیوپسیهای غیرضروری (۹٪ واقعی در مقابل ۳۶٪ مورد انتظار) با انتظارات فاصله دارند.
- محدودیتهای جریان کاری: اکثر رادیولوژیستها به دلیل هزینههای بالا و حمایت ضعیف سازمانی، با هوش مصنوعی به عنوان یک «نظر دوم» برخورد میکنند.
- شکاف تبلیغاتی: این یافتهها ایجاب میکند که توسعهدهندگان هوش مصنوعی معیارهای صرفاً نظری را رها کرده و به نقاط درد بالینی و عملی، مانند فرسودگی شغلی پزشکان، بپردازند.