به گزارش خبرنگار ایکنا؛ وبینار «هوش مصنوعی و سالمندی» با محور اهمیت و چالش‌های هوش مصنوعی در حوزه سالمندی، غربالگری و پیشگیری با سخنرانی آریا همدانچی و فرشته رضایی، متخصصان سالمندشناسی گروه پژوهشی سلامت سالمندی جهاددانشگاهی علوم پزشکی شهید بهشتی برگزار شد.
محمدرضا لک‌پور، معاون پژوهشی جهاددانشگاهی علوم پزشکی شهید بهشتی در این وبینار گفت: با توجه به چالش‌های جمعیتی در کشورمان، در صورت عدم برنامه‌ریزی در این زمینه، با چالش‌های زیادی مواجه خواهیم بود. سالمندان، تقریباً حدود ۶۰ درصد از هزینه‌های درمانی را به خود اختصاص می‌دهند و این سرانه درمانی بار زیادی را برای خانواده‌ها، سیستم‌های درمانی و … به همراه دارد؛ از این رو منابع کمتری در زمینه درمانی و بهداشتی برای این قشر وجود دارد و باید تلاش کرد زمینه‌های ورود برنامه‌ریزان و تصمیم‌گیران فراهم شود.
وی افزود: فناوری‌های نوین، ابزاری جدید در درمان سالمندان است و هوش مصنوعی به عنوان یکی از این ابزار‌ها مطرح بوده و می‌تواند بر تعامل و عملکرد‌های شناختی سالمندان تأثیر داشته باشند و همچنین استقلال و رضایتمندی را در آنها فراهم کند.
نقش هوش مصنوعی در سالمندی زودرس
آریا همدانچی، پزشک و از متخصصان سالمندشناسی در ادامه این وبینار با اشاره به اهمیت هوش مصنوعی در حیطه‌های مختلف سالمندی گفت: اگر بپرسیم، هوش مصنوعی در کجای مسیر علم قرار دارد و تأثیر آن بر زندگی انسان‌ها چه خواهد بود، رویکردمان در پاسخگویی به این سؤال‌ها نیاز به مراجعه به تاریخ و فلسفه علم دارد. در واقع هوش مصنوعی مجموعه تکنیک‌ها و فناوری‌هایی است که ماشین را وادار می‌کند، توانایی‌هایی را انجام دهد.
وی با اشاره به سالمندی با رویکرد پزشکی افزود: هنوز دارویی وجود ندارد که روند سالمندی را کاهش دهد. در سال ۲۰۱۹ ژاورونکوف استدلال کرد که تکنیک‌های جدید یادگیری عمیق می‌تواند به توسعه پیش‌بینی‌کننده‌های سالخوردگی در سطحی کمک کنند که دستاورد‌های آن با تکنینک‌های قبلی و سنتی قابل مقایسه نباشد. مثلاً بیومارکرهای شناسایی شده توسط هوش مصنوعی می‌تواند یک مدل علیتی جامع را تهیه کند که دربرگیرنده فاکتور‌ها و مکانیسم‌های مهم دخیل در سالمندی سلولی باشد.
همدانچی ادامه داد: دانشگاه ادینبرو در گزارش‌های اولیه خبر از دست یافتن به سه ماده دارویی به کمک هوش مصنوعی می‌دهد که می‌توانند به عنوان یک روش پیشرو در حذف سلول‌های معیوب در روند سالمندی که در سرطان، آلزایمر، کاهش بینایی و تحرک دخیل هستند، به کار گرفته شوند. اگرچه این گزارش به ایمنی و ارزان بودن این دارو‌ها اشاره دارد، ولی هنوز شواهد برای اثربخشی و ایمنی کافی آنها کافی نیست.
این پزشک در ادامه به شناسایی سالمندی زودرس در نتیجه موتاسیون ژن LMNA که از طریق بررسی ECG با کمک هوش مصنوعی انجام شده، اشاره کرد و گفت: در این بررسی نشان داده شده است که افراد مبتلا به این موتاسیون می‌توانند بین ۱۰ تا ۱۶ سال سن فیزیولوژیک بیشتری نسبت به گروه کنترل داشته باشند و نیز به طور معناداری بیماری‌های قلبی در آنها شایع‌تر است. نتایج، نمایانگر آن است که این موتاسیون می‌تواند موجب سالخوردگی زودرس شود. محققان پیشنهاد کردند که این موتاسیون حتی در بیماران بدون علامت می‌تواند به عنوان یک بیومارکر بیماری‌های ناشی از سالخوردگی زودرس شناخته شود.
وی با بیان اینکه با استفاده از تاریخچه بالینی و ژنتیکی و ارزیابی بصری پوست توسط هوش مصنوعی می‌توان وضعیت آن در طی سالخوردگی و نیاز به درمان‌های احتمالی را مشخص و مدیریت کرد، افزود: کاربرد هوش مصنوعی در تصویربرداری‌های مرتبط با سالمندی قابل توجه است. برای مثال شواهد نشان‌دهنده آن است که هوش مصنوعی در تعیین حجم مایع CSF از قابلیت اعتماد بالایی برخوردار است. اگرچه به علت کم شدن حجم مغز در سالمندی مایع CSF نسبتاً افزایش می‌یابد، ولی این روش می‌تواند به درمانگران کمک کند تا موارد پاتولوژیک مثل آلزایمر و آتروفی را زودتر و آسانتر مورد شناسایی قرار دهند. در مطالعه دانیلی و همکاران در سال ۲۰۲۲ نیز که به منظور ارزیابی میزان تأثیر هوش مصنوعی بر مکالمه برای کاهش استرس و اضطراب سالمندان به روش کارآزمایی بالینی انجام شد، گروه مداخله که از اپلیکیشن موبایل استفاده می‌کردند، به اندازه سالمندانی که تحت درمان‌های سنتی شناختی – رفتاری بودند، بهبود نشان دادند.
همدانچی ژن، مولکول، مدارها، فیزیولوژی، رفتار، خودگزارش دهی و پاردایم‌ها، اهمیت در پایش، پیشگیری و ارتقای سلامت سالمندان را از عوامل مؤثر بر تشخیص بیمار دانست و گفت: در سطح اجتماعی، افزایش قابل ملاحظه سالمندان در سال‌های آتی می‌تواند شرایط و نیاز‌های جدیدی را در جامعه فراهم کند. رسیدگی به این نیازها، استراتژی‌های جدیدی را نیز طلب می‌کند. در حال حاضر خانواده یکی از مهمترین حامیان ارائه‌دهندگان خدمات به سالمندان به شمار می‌روند، ولی تغییر بافت‌های خانوادگی از سنتی و گستره به پراکنده و هسته‌ای این سؤال را در ذهن به وجود می‌آورد که مراقبت از گروهی که در آینده سالمند می‌شوند به چه صورت خواهد بود؟
چالش‌های هوش مصنوعی در سالمندان
وی تصریح کرد: همگرایی هوش مصنوعی، بلاکچین، اینترنت اشیا، فناوری‌های چندبعدی و همزاد دیجیتال در محیط متاورس می‌تواند حوزه‌های جدیدی را برای سیستم‌های مراقبت‌های بهداشتی به وجود آورد. با استفاده از این فناوری‌ها، ارائه‌دهندگان مراقبت‌های درمانی می‌توانند پیامد‌های بیماری را بهبود بخشند. همچنین هزینه‌های مراقبت‌های بهداشتی را کاهش داده و تجربیات جدید مراقبت‌های بهداشتی را برای زندگی بهتر ایجاد و فرآیند‌های ضدپیری را تسهیل کند.
این متخصص سالمندشناسی تأکید کرد: هوش مصنوعی می‌تواند برای تجزیه و تحلیل داده‌های پزشکی در مقیاس بزرگ و ایجاد برنامه‌های درمانی شخصی استفاده شود. در حالی که بلاکچین می‌تواند یک اکوسیستم داده‌های مراقبتی درمانی ایمن و شفاف ایجاد کند، دستگاه‌های مجهز به اینترنت اشیا، داد‌ه‌ها را از بیماران جمع‌آوری می‌کنند که برای نظارت، مراقبت و درمان ضروری است و این فناوری‌ها با هم می‌توانند صنعت مراقبت‌های درمانی را متحول کنند و زندگی سالمندان را در سراسر جهان بهبود بخشند.
وی با اشاره به چالش‌های هوش مصنوعی بیان کرد: توسعه هوش مصنوعی می‌تواند چالش‌هایی هم داشته باشد. شاید باور بر این باشد که سالمندان افراد مریضی هستند که نمی‌توانند از هوش مصنوعی استفاده می‌کند، اما هوش مصنوعی می‌تواند در مراقبت، پیشگیری و درمان آنها نقش‌آفرین باشد. سازمان بهداشت جهانی برای افزایش بهره‌مندی سالمندان از هوش مصنوعی و پرهیز از تبعیض سنی راهکار‌هایی را مورد توجه قرار داده است که می‌توان به طراحی مشارکتی هوش مصنوعی از سوی سالمندان، مسئولیت‌پذیری، بهره‌گیری از تیم‌های علمی داده‌ای با تنوع سنی سرمایه‌گذاری در زیرساخت‌های دیجیتال و سواد دیجیتال برای سالمندان و ارائه دهندگان مراقبت‌های بهداشتی و مراقبان آنها، در نظر داشتن حقوق سالمندان، چارچوب‌ها و مقررات دولت‌ها برای توانمندسازی و کار با سالمندان، افزایش تحقیقات برای درک کاربردهای جدید هوش مصنوعی و پیشگیری از سوگیری احتمالی و بهره‌گیری از فرایند‌های اخلاقی قوی در توسعه و کاربرد هوش مصنوعی اشاره کرد.
همدانچی در ادامه یادآور شد: دانشجویان، محققان و درمانگران علاوه بر دانش و مهارت کافی در زمینه‌های مختلف هوش مصنوعی، یادگیری ماشینی و کاربرد آنها برای طیف‌های مختلف سالمندی لازم است از ملاحظات اخلاقی، قانونی، ایمنی، تبعیض سنی، عدالت در سلامت، مضرات و خطرات احتمالی این تکنولوژی‌ها آگاهی کافی داشته باشد.
کاربردهای هوش مصنوعی در غربالگری
فرشته رضایی، از متخصصان سالمندشناسی در ادامه این وبینار گفت: هوش مصنوعی می‌تواند در سطوح مختلف زیستی، روانی و اجتماعی به پیشگیری، پیش‌بینی و طراحی مداخلات مناسب در راستای ارتقا سلامت سالمندان کمک کند. اگرچه بهره‌گیری از توانایی‌های سیستم‌های هوش مصنوعی در تحقیقات آموزش، پایش، پیشگیری و درمان، فرصت‌ها و افق‌های جدیدی در حیطه سالمندی فراهم کرده است، ولی باید به محدودیت‌ها، ملاحظات اخلاقی و مضرات احتمالی آنها هم توجه کافی داشت.
وی در تعریف هوش مصنوعی گفت: هوش مصنوعی ماشین‌ها و پلتفرم‌هایی هستند که بتوانند مانند انسان فکر کنند و در حوزه پزشکی در غربالگری، تشخیص و درمان به عنوان دستیار در کنار انسان باشند. تأثیری که هوش مصنوعی در حیطه پزشکی دارد، می‌تواند از تریاژ تا تشخیص و مراقبت، درمان و … مداخله کند.
رضایی ادامه داد: گاهی هوش مصنوعی را با اینترنت اشیا اشتباه می‌گیریم، مثلاً اینکه می‌توانید وسایل برقی خود را از طریق گوشی تلفن همراه روشن یا خاموش کنید و طبق دستور و الگوریتمی که برای آنها تعریف شده است، کار می‌کنند، مربوط به اینترنت اشیا می‌شود، اما هوش مصنوعی ماشینی است که می‌تواند، فکر کند، تجزیه و تحلیل و تفسیر کند و در نهایت به انسان کمک کند. همچنین قادر است بعد از یک مصاحبه تجزیه و تحلیل‌هایی را ارائه دهد، هرزنامه‌های ایمیل را تشخیص داده و آنها را حذف کند.
وی در ادامه به کاربردهای هوش مصنوعی در غربالگری اشاره کرد و گفت: آنچه اکنون در رابطه با غربالگری سالمندان استفاده می‌شود، زمانبر است، البته پس از ظهور هوش مصنوعی در این زمینه متوجه زمانبر بودن آن شدیم. همچنین مقرون به صرفه‌تر بوده و سریعتر انجام می‌شود و تمرکز روی افرادی است که ریسک بالایی دارند. اطلاعات گذشته بیمار را بررسی و آینده بیمار را پیش‌بینی می‌کند. مثلاً اگر افرادی از خانواده من مبتلا به دیابت هستند و یا در حال حاضر تغذیه مناسبی ندارم و وضعیت سلامتی فعلی من نشان می‌دهد که مسیر‌های بالقوه‌ای را به سمت بیمار شدن و بدتر شدن وضعیت طی می‌کنم که هوش مصنوعی می‌تواند این مسئله را تجزیه و تحلیل کرده و تصمیم مراقبتی مناسبی برای بیمار پیشنهاد کند.
وی درباره تبعیت دارویی نیز بیان کرد: این مسئله تأثیر مستقیمی بر روی برآیند و هزینه‌های درمانی و … دارد و در غیر این صورت عواقب بدی در انتظار بیمار و یا سالمند خواهد داشت که دو نمونه از بیماری‌ها دیابت و آسم است که نیازمند تبعیت دارویی است و هوش مصنوعی می‌تواند در این زمینه کمک‌کننده باشد و تشخیص دهد که بیمار در چه وضعیتی قرار داشته و تا چه حدی تبعیت دارویی دارد.
رضایی با اشاره به تشخیص‌های پیشگیرانه گفت: هوش مصنوعی در رابطه با مانیتورینگ بیمار، می‌تواند علائم حیاتی بیمار را چک کند و در تشخیص به موقع نقش‌آفرین باشد و یا از بروز برخی بیماری‌ها پیشگیری کند.
این پزشک در ادامه به معرفی مرکز ملی پایش، پیشگیری و ارتقای سلامت پرداخت و گفت: این مرکز با رویکرد سالمندی سالم، فعال و خودمراقب مبتنی بر زیرساخت‌های فناورانه و هوشمند راه‌اندازی شده است تا در آینده سالمندان سالم و خودمراقب داشته باشیم.
وی تصریح کرد: در حال حاضر آنچه می‌توان به آن توجه کرد، این است که هوش مصنوعی دستیاری برای مراقبت‌های بهداشتی است و به دلیل پرچالش بودن آن نمی‌توان همه مسائل را به هوش مصنوعی سپرد. از جمله اینکه پلتفرم‌هایی که می‌تواند به سالمندان کمک کند، باید اطلاعات آنها را داشته باشد، از این رو امنیت اطلاعات بهداشتی و درمانی سالمندان چالشی است که می‌تواند آنها را نگران کند. همچنین استفاده از تمام اپ‌ها نیازمند مهارت‌هایی است که در صورت عدم توجه می‌تواند مورد سوء استفاده قرار دهد و یا آلارمی به سالمند بدهد که موجب اضطراب و نگرانی‌هایش شود. بنابراین وضع قوانین محکمی در این زمینه لازم است و در واقع باید پیش‌زمینه‌های توسعه هوش مصنوعی در کشورمان آماده شود.
انتهای پیام
The post هوش مصنوعی صنعت مراقبت‌های درمانی سالمندان را متحول می‌کند Originally appeared on iqna.ir