رفتن به محتوای اصلی
هوش مصنوعینظام سلامت· 6 دقیقه مطالعه· در دیدگاه

هوش مصنوعی در پزشکی ایران؛ از دستیاری در اتاق عمل تا چالش تفکر انتقادی دانشجویان

ورود پرشتاب هوش مصنوعی به دانشگاه‌های علوم پزشکی و اتاق‌های عمل، شیوه آموزش و جراحی را دگرگون کرده است. با وجود مزایای بی‌نظیر در تحلیل داده‌ها، کارشناسان نسبت به کاهش توانایی استدلال مستقل پزشکان آینده هشدار می‌دهند.

به قلم الناز احمدی

این خبر را به اشتراک بگذارید

گوش‌ دهید

گسترش بی‌سابقه ابزارهای هوش مصنوعی در پاییز ۲۰۲۶، مرزهای آموزش و درمان را در نظام سلامت جابه‌جا کرده است. بر اساس گزارش نیمه آبان‌ماه خبرگزاری ایسنا، میزان استفاده دانشجویان پزشکی از ابزارهای هوش مصنوعی مولد در پروژه‌های پژوهشی، از ۵۶ درصد در سال ۲۰۲۴ به رقم خیره‌کننده ۸۱ درصد در سال ۲۰۲۵ افزایش یافته است.[1]

این جهش آماری نشان می‌دهد که الگوریتم‌های هوشمند دیگر تنها یک ابزار جستجوی ساده نیستند، بلکه به دستیارانی تمام‌عیار برای نگارش متون، ترجمه اسناد، پیاده‌سازی مصاحبه‌ها و تحلیل داده‌های پیچیده بالینی تبدیل شده‌اند. دانشجویان اکنون برای درک سریع‌تر مفاهیم پایه و حتی شبیه‌سازی سناریوهای درمانی، به صورت روزمره از این فناوری بهره می‌برند.[1][3]

با این حال، نفوذ این فناوری تنها به کلاس‌های درس و محیط‌های دانشگاهی محدود نمانده است. گزارش ۱۷ آبان روزنامه همشهری نشان می‌دهد که هوش مصنوعی اکنون با ورود به اتاق‌های عمل، در حال تغییر بنیادین شیوه جراحی‌های پزشکی است و فصل تازه‌ای را در ترکیب مهارت دست جراح با قدرت تحلیل ماشین رقم می‌زند.[2]

در این محیط‌های حساس بالینی، سیستم‌های هوشمند وظایفی فراتر از پردازش اطلاعات را بر عهده گرفته‌اند. از شناسایی دقیق بافت‌های حساس در حین عمل گرفته تا پیش‌بینی خطرات احتمالی و هدایت لحظه‌ای روبات‌های جراحی، این فناوری به پزشکان کمک می‌کند تا با کمترین میزان خطای انسانی، پیچیده‌ترین مداخلات درمانی را با موفقیت به انجام برسانند.[2][3]

رشد چشمگیر استفاده دانشجویان پزشکی از ابزارهای هوش مصنوعی طی یک سال گذشته.

خطر خودکارسازی شناختی

اما این سرعت خیره‌کننده در پذیرش فناوری، نگرانی‌های عمیقی را در میان کارشناسان آموزش پزشکی برانگیخته است. یکی از مهم‌ترین این دغدغه‌ها، پدیده‌ای است که پژوهشگران از آن با عنوان «خودکارسازی شناختی» یاد می‌کنند؛ وضعیتی که در آن توانایی قضاوت و تفکر مستقل فرد، به‌تدریج تحت تاثیر پاسخ‌های روان و ظاهرا مطمئن ماشین قرار می‌گیرد.[1]

پژوهشگران در این زمینه هشدار می‌دهند که وابستگی بیش از حد به خروجی‌های آماده، می‌تواند مهارت‌های حیاتی یک پزشک را تضعیف کند. ایسنا در گزارش خود به نقل از متخصصان می‌نویسد: «زمانی که دانشجو به‌جای تحلیل مسئله و رسیدن به پاسخ، فقط به خروجی هوش مصنوعی تکیه می‌کند، ممکن است به‌تدریج قدرت تشخیص استدلال درست از پاسخ‌های تولید شده ماشین را از دست بدهد.»[1]

این افت مهارت‌های تحلیلی، در حرفه‌ای که جان انسان‌ها مستقیما به تصمیم‌گیری‌های لحظه‌ای و استدلال‌های بالینی وابسته است، یک زنگ خطر جدی محسوب می‌شود. اگر نسل آینده پزشکان نتوانند در غیاب ابزارهای دیجیتال، شرایط پیچیده یک بیمار را به درستی ارزیابی کنند، پایه‌های امنیت و اعتماد در نظام سلامت با چالشی اساسی مواجه خواهد شد.[1][3]

در واکنش به این چالش‌ها، سیاست‌گذاران آموزشی در دانشگاه‌های علوم پزشکی رویکردی واقع‌بینانه اتخاذ کرده‌اند. بررسی‌ها نشان می‌دهد که نهادهای آکادمیک به‌جای اعمال ممنوعیت‌های بی‌حاصل و غیرقابل اجرا، به سمت بازنگری در سیاست‌های آموزشی خود حرکت کرده‌اند تا استفاده مسئولانه و شفاف از این ابزارها را در میان دانشجویان نهادینه کنند.[1]

بسیاری از دانشگاه‌ها اکنون استفاده از هوش مصنوعی را مشروط به اعلام صریح نحوه بهره‌گیری از آن و رعایت دقیق اصول صداقت علمی کرده‌اند. این رویکرد به دانشجویان اجازه می‌دهد تا از مزایای سرعت و دقت ماشین استفاده کنند، در حالی که همچنان ملزم به پاسخگویی در قبال صحت و اعتبار نهایی خروجی‌های ارائه شده هستند.[1][3]

تصویرسازی: دانشگاه‌ها به جای ممنوعیت، بر استفاده مسئولانه از هوش مصنوعی تاکید دارند.

تغییر در شیوه‌های ارزیابی

همزمان با این تغییرات، شیوه‌های ارزیابی و امتحانات نیز در حال دگرگونی است. برای سنجش واقعی توانمندی‌های دانشجویان و اطمینان از عدم وابستگی مطلق آن‌ها به ابزارهای دیجیتال، اساتید دوباره به سمت برگزاری آزمون‌های حضوری، شفاهی و ارزیابی‌های بالینی بر بالین بیمار گرایش پیدا کرده‌اند؛ جایی که دانشجو باید استدلال خود را به‌طور مستقیم نشان دهد.[1]

متخصصان تاکید دارند که برنامه درسی پزشکی باید با نیازهای این عصر جدید همگام شود. دانشجویان امروز علاوه بر یادگیری آناتومی و فارماکولوژی، نیازمند کسب مهارت‌هایی برای شناخت نحوه عملکرد الگوریتم‌ها، ارزیابی انتقادی پاسخ‌های تولید شده و درک محدودیت‌ها و سوگیری‌های احتمالی پنهان در داده‌های آموزشی سیستم‌های هوشمند هستند.[1][3]

از سوی دیگر، ورود هوش مصنوعی به عرصه جراحی و اتاق‌های عمل، نویدبخش کاهش چشمگیر عوارض پس از عمل است. الگوریتم‌هایی که هزاران پرونده جراحی مشابه را در کسری از ثانیه تحلیل می‌کنند، می‌توانند به جراح هشدار دهند که یک برش خاص ممکن است به رشته‌های عصبی پنهان آسیب برساند و مسیر ایمن‌تری را پیشنهاد کنند.[2]

با این وجود، گذار از مرحله «تولید پاسخ و تحلیل اطلاعات» به سمت «برنامه‌ریزی و اجرای عملیات فیزیکی»، نیازمند زیرساخت‌های قانونی و اخلاقی پیچیده‌ای است. در صورتی که یک روبات جراح هدایت‌شده توسط هوش مصنوعی مرتکب خطایی جبران‌ناپذیر شود، تعیین مرز مسئولیت میان جراح ناظر، شرکت سازنده نرم‌افزار و تیم توسعه‌دهنده الگوریتم، همچنان یک چالش حقوقی حل‌نشده است.[2][3]

علاوه بر چالش‌های حقوقی، مسئله حفظ حریم خصوصی بیماران نیز در کانون توجه قرار دارد. سیستم‌های هوش مصنوعی برای یادگیری و بهبود عملکرد خود، نیازمند دسترسی به حجم عظیمی از داده‌های حساس پزشکی هستند. تضمین اینکه این اطلاعات شخصی بدون رضایت بیماران در اختیار شرکت‌های فناوری قرار نگیرد، یکی از دغدغه‌های اصلی فعالان حقوق بیمار است.[1][3]

پیش‌بینی گسترش نقش سیستم‌های هوشمند در مداخلات بالینی.

چالش‌های زیرساختی و حقوقی

در سطح کلان نظام سلامت ایران، پیاده‌سازی گسترده این فناوری‌های نوین با موانع زیرساختی و اقتصادی نیز روبه‌رو است. تجهیز بیمارستان‌های دولتی به روبات‌های جراح پیشرفته و سرورهای پردازش داده، نیازمند سرمایه‌گذاری‌های کلانی است که در شرایط فعلی اقتصاد بهداشت و درمان، تخصیص آن با دشواری‌های فراوانی همراه خواهد بود.[3]

با این حال، پتانسیل هوش مصنوعی برای دموکراتیزه کردن دسترسی به خدمات درمانی باکیفیت، غیرقابل انکار است. در مناطق محروم و دورافتاده که دسترسی به متخصصان مجرب محدود است، دستیارهای هوشمند تشخیصی می‌توانند با تحلیل دقیق علائم و تصاویر پزشکی، به پزشکان عمومی محلی در ارائه درمان‌های استاندارد و نجات‌بخش کمک شایانی کنند.[3]

آنچه مسلم است، آینده پزشکی در تقاطع هوش انسانی و توانمندی‌های ماشینی رقم خواهد خورد. فناوری هرگز نخواهد توانست جایگزین همدلی، درک عاطفی و ارتباط انسانی میان پزشک و بیمار شود؛ ویژگی‌هایی که در روند بهبودی و التیام روانی بیماران نقشی غیرقابل جایگزین ایفا می‌کنند و در هیچ الگوریتمی قابل برنامه‌نویسی نیستند.[3]

پیام اصلی تحولات اخیر این است که پزشکی آینده تنها به هوشمندتر شدن ابزارهای تشخیصی وابسته نیست، بلکه به توانایی پیوند دانش، تصمیم و اقدام در یک سامانه یکپارچه بستگی دارد. سامانه‌ای که در آن ماشین بار پردازش داده‌ها را به دوش می‌کشد تا پزشک زمان بیشتری برای تمرکز بر جنبه‌های انسانی مراقبت داشته باشد.[2][3]

پیام اصلی تحولات اخیر این است که پزشکی آینده تنها به هوشمندتر شدن ابزارهای تشخیصی وابسته نیست، بلکه به توانایی پیوند دانش، تصمیم و اقدام در یک سامانه یکپارچه بستگی دارد.

در نهایت، مسئولیت نهایی سلامت انسان همواره نیازمند نظارت و قضاوت متخصصان خواهد بود. موفقیت نظام سلامت در این دوران گذار، در گرو یافتن تعادلی ظریف میان بهره‌گیری حداکثری از نوآوری‌های تکنولوژیک و حفظ استانداردهای سخت‌گیرانه اخلاقی، آموزشی و انسانی است؛ تعادلی که ضامن تربیت پزشکانی توانمند، مستقل و مجهز به ابزارهای روزآمد خواهد بود.[1][2][3]

نکات کلیدی

  • استفاده دانشجویان پزشکی از هوش مصنوعی مولد در پروژه‌های پژوهشی، از ۵۶ درصد در سال ۲۰۲۴ به ۸۱ درصد در سال ۲۰۲۵ افزایش یافته است.
  • ورود سیستم‌های هوشمند به اتاق‌های عمل، دقت جراحی‌ها را از طریق شناسایی بافت‌های حساس و پیش‌بینی خطرات افزایش داده است.
  • کارشناسان نسبت به پدیده «خودکارسازی شناختی» و کاهش مهارت استدلال بالینی مستقل در میان پزشکان آینده هشدار می‌دهند.
  • دانشگاه‌های علوم پزشکی به‌جای ممنوعیت این فناوری، به سمت آموزش استفاده مسئولانه و بازگشت به آزمون‌های شفاهی حرکت کرده‌اند.

آنچه نمی‌دانیم

  • میزان دقیق سرمایه‌گذاری و آمادگی زیرساختی بیمارستان‌های دولتی ایران برای پذیرش گسترده روبات‌های جراح هوشمند چقدر است.
  • در صورت بروز خطای پزشکی توسط یک سیستم هوش مصنوعی خودمختار، چارچوب‌های حقوقی ایران چگونه مقصر نهایی را تعیین خواهند کرد.
موافقان توسعه فناوری 40%نگرانان اخلاق و آموزش 40%سیاست‌گذاران دانشگاهی 20%
موافقان توسعه فناوری
معتقدند هوش مصنوعی خطای انسانی را کاهش داده و کیفیت درمان را ارتقا می‌بخشد.
نگرانان اخلاق و آموزش
بر حفظ مهارت‌های تحلیلی مستقل و رعایت حریم خصوصی بیماران تاکید دارند.
سیاست‌گذاران دانشگاهی
به دنبال یافتن نقطه تعادل میان پذیرش نوآوری و حفظ استانداردهای آکادمیک هستند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • بیمارانی که تحت جراحی‌های رباتیک قرار گرفته‌اند
  • توسعه‌دهندگان بومی نرم‌افزارهای پزشکی

منابع

پوشش منابع

3 منبع

3 دیدگاه شناسایی‌شده

موافقان توسعه فناوری 40%نگرانان اخلاق و آموزش 40%سیاست‌گذاران دانشگاهی 20%
  1. [1]ایسنانگرانان اخلاق و آموزش

    هوش مصنوعی در آموزش پزشکی؛ کمک به یادگیری یا تهدید تفکر انتقادی؟

    مطالعه در ایسنا →
  2. [2]همشهری‌آنلاینموافقان توسعه فناوری

    وقتی هوش مصنوعی به اتاق عمل می‌رود | آیا روبات‌ها روزی بدون جراح عمل خواهند کرد؟

    مطالعه در همشهری‌آنلاین →
  3. [3]تیم سردبیری کوهستانسیاست‌گذاران دانشگاهی

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار دیدگاه با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.