آیا هوش مصنوعی می‌تواند کرونا را شکست دهد؟

وضعیت فعلی بهداشتی در سراسر جهان به خاطر موج جدید بیماری کرونا دچار بحران شده‌است و نیاز به استفاده از فناوری‌های جدید به عنوان یک راه حل احتمالی برای مهار بیماری کرونا، بیشتر حس می‌شود.

با ارائه مجموعه‌ای از فرصت‌های جدید برای مقابله با چالش‌های مهم، ابزارهای هوش مصنوعی به عنوان یک ناجی برای آینده ظهور می‌کنند. یک الگوریتم هوش مصنوعی بررسی نشده نیز مجوز اضطراری را از سازمان غذا و داروی ایالات متحده دریافت کرده است. اما یک سوال پیش می‌آید: با توجه به اینکه فناوری‌ها و مفاهیم جدید هر روز شکل می‌گیرند، آیا می‌توان تصور کرد که هوش مصنوعی برای کنترل چنین همه‌گیری‌هایی مفید باشد؟

چشم انداز نظارتی الگوریتم‌های هوش مصنوعی در رابطه با بیماری کرونا نگرانی قابل توجهی را در بین محققان پزشکی ایجاد کرده است. یک بررسی سیستماتیک زنده که در BMJ منتشر شده نشان می‌دهد که مدل‌های هوش مصنوعی کرونا به دلیل ضعف زیاد در گزارشات، گزارش نشده و آموزش داده شده‌اند. گزارش کلیه جزئیات مهم توسعه و ارزیابی مدل‌های پیش بینی کرونا حیاتی است. عدم گزارش آن جزئیات به تحقیق درباره پسماند کمک می‌کند. از همه مهم‌تر این مورد می‌تواند منجر به استفاده از مدلی با ضعف توسعه یافته و بررسی شده شود که می‌تواند آسیب بیشتری نسبت به منافع در تصمیم گیری بالینی داشته باشد.

کد منبع و مجموعه داده‌های شناسایی نشده بیمار برای الگوریتم‌های هوش مصنوعی کرونا باید برای جامعه تحقیقاتی باز و قابل دسترسی باشد تا از گزارش شفاف و قابل تکرار پشتیبانی کند. گزارشات یک آزمایش جدید غربالگری هوش مصنوعی به نام CURIAL AI را نشان می‌دهد که از داده‌های بالینی به طور معمول جمع‌آوری شده برای بیمارانی که به بیمارستان مراجعه می‌کنند، استفاده می‌کند. به امید اینکه هوش مصنوعی بتواند بیماران و کارمندان بهداشت را ایمن نگه دارد، آزمایش‌های هوش مصنوعی می‌تواند به بیمارانی که کرونا ندارند اجازه دهد و اطمینان حاصل کند که بیماران مبتلا به کرونا را به سرعت معالجه می‌کنند. این آزمایش یکی از مطالعات عظیم هوش مصنوعی است که تاکنون با اطلاعات بالینی بیش از صد هزار مورد در انگلستان انجام شده است. اعتبارسنجی احتمالی آزمون غربالگری هوش مصنوعی نتایج دقیق و سریع‌تری را در مقایسه با آزمایشات استاندارد RT-PCR نشان داد.

مدل‌های هوش مصنوعی کرونا برای ارزیابی عملکرد دنیای واقعی نیاز به اعتبار سنجی در بین جمعیت‌های مختلف جغرافیایی و قومی دارد. شرکت تابعه اعلام کرد که آن‌ها می‌توانند برای شناسایی ویژگی‌های داده‌های الکتروانسفالوگرافی هوش مصنوعی که می‌توانند برای تشخیص افسردگی و اضطراب مفید باشند، یک هوش مصنوعی ایجاد کنند، اما آن‌ها دریافتند که متخصصان از ارزش بالینی کمک تشخیصی اطمینان ندارند. اینکه چگونه ابزارهای هوش مصنوعی برای تشخیص شرایط سلامتی می‌توانند مراقبت‌های پزشکی را افزایش دهند، همیشه توسط توسعه دهندگان هوش مصنوعی قابل درک نیست. بدین ترتیب مدلهای هوش مصنوعی کرونا باید در مشارکت نزدیک با کارکنان بهداشت و درمان ساخته شوند تا از چگونگی استفاده از تولید این مدل‌ها در مراقبت از بیمار مطلع شوند.

اگر اثبات نشود که ابزار هوش مصنوعی می‌تواند یک ذات الریه را از دیگری تشخیص دهد، استفاده زودرس از چنین فناوری‌هایی می‌تواند تشخیص اشتباه و مراقبت‌های بالینی خرابکارانه را برای بیماران افزایش دهد. اگر مجاز به مقیاس گذاری شود، اشتباهاتی از این قبیل باعث کندی استفاده آینده از فناوری‌های بالقوه نجات‌دهنده زندگی و اعتماد بالینی و بیمار به هوش مصنوعی می‌شود. آزمایشات بالینی برای درک اینکه چگونه هوش مصنوعی می‌تواند بیماران کرونا را در دنیای واقعی برای ارزیابی صحت ابزارهای هوش مصنوعی برای کرونا پشتیبانی کند، ضروری است.