ترک طبابت - قسمت دوم: آیا پزشکی یک‌شبه و خودبخود تغییر خواهد کرد؟

در قسمت قبل، به این نتیجه رسیدیم که گذشته، لزوما پیش‌بینی‌کنندهٔ آینده نیست و آیندهٔ پزشکی، با پیشرفت‌های تکنولوژی، قطعا شبیه به گذشته‌اش نخواهد بود. اما حالا سوال اینه که آیا آینده‌ای که درموردش حرف می‌زنیم، اولاً یک‌شبه، و ثانیاً خودبه‌خود به‌وجود خواهد آمد؟ پاسخ به هر دو سوال منفیه.

تغییرات معمولا یک‌شبه اتفاق نمی‌افتند. در مثال قوی سیاه هم هدف ما توضیح «امکان» تغییر روند بود، و نه یک‌شبه بودنش. تاثیر هوش مصنوعی بر طبابت هم هرگز یک‌شبه اتفاق نخواهد افتاد و این تغییر، از دهه‌ها قبل شروع شده است. مثلا وقتی در سال ۱۹۸۹ اولین شبکه‌های عصبی پیچشی مبتنی‌بر backpropagation (یا به اختصار CNN) معرفی شدند، اولین حدس‌ها (Conjectures) راجع‌به آیندهٔ کار رادیولوژیست‌ها و... هم زده شد و در سال‌های بعد هم کاربردهای این تکنولوژی (Applications) - با سرعت بسیار کمی - معرفی شدند. با گذشت زمان، سرعت توسعهٔ این کاربردها هم بیشتر شد، و غالب مقالات امروز ما در ۲۰۲۶، دیگه دربارهٔ معرفی کاربرد هوش مصنوعی در فلان زمینهٔ پزشکی نیستند. بلکه مثلا به بررسی وضعیت استفادهٔ بیماران از مدل‌های زبانی برای خوددرمانی یا چیزهایی این‌چنینی پرداخته‌اند! این حقیقتیه که نمی‌شه کتمان کرد، و روزبه‌روز هم واقعی‌تر می‌شه.

درمورد خودبخودی بودن تغییرات هم لازم به توضیحه که - حداقل فعلا و تا چند سال آینده - این انسان‌ها هستند که بیشتر زحمت توسعهٔ این کاربردها و تکنولوژی‌ها را بر عهده دارند، و «انسان‌ها» هم واژهٔ بی‌معنی و گُنگیه. در واقع، این من و شما هستیم - و یا لااقل باید باشیم - که داریم کاربرد هوش مصنوعی در پزشکی را توسعه می‌دهیم و اتفاقی که منتظرش هستیم - یعنی حد اعلای استفاده از تکنولوژی در سیستم سلامت و بیشینه‌کردن فایده برای بیمار (Patient Outcome) بواسطهٔ آن - جز با حضور فعالانه و مشارکت من و شما محقق نخواهد شد. پس خودبخودی هم نیست. این خیلی مهمه، چون ما معمولاً عادت داریم که درمورد تغییراتی که در زمان و مکان دیگری به‌وجود اومده صحبت کنیم، و نه تغییراتی که به‌وجود آوردیم. اهمیت اولی رو باید صفر در نظر بگیریم و فقط روی دومی تمرکز کنیم. برای «ساختن» هم باید از جای درست شروع کرد‌ و نباید بیست سال بگذره و تازه بفهمیم که ماه از مریخ نزدیک‌تر بوده! در قسمت‌های بعدی در این باره هم خواهم نوشت.

درمورد سرعت پیشرفت‌ها هم وقتی کسی تازه با فضای هوش مصنوعی در پزشکی آشنا می‌شه، در همون ابتدا، احساس می‌کنه که سرعت توسعه‌ها «بسیار» بالاست - که الحق و الانصاف بالا است. اما معتقدم سرعت توسعه «آن‌قدرها هم که باید» بالا نیست. چون صرفا بالاتر از بخش‌های دیگر پزشکی - که متاسفانه هنوز با دیدگاه مهندسی توسعه نمی‌یابند - است، ما این سرعت را دست‌بالا (Overrated) در نظر می‌گیریم، وگرنه حالا که سال ۲۰۲۵ هم گذشته، هنوز رادیولوژیست‌ها سوار ماشین غیرخودران می‌شن و تصاویر را تفسیر می‌کنن و گزارش‌اش را هم خودشون می‌نویسن! اندازهٔ بازار (Market Size) هوش مصنوعی در رادیولوژی هم - در سراسر دنیا - هنوز بسیار کوچک است و حتی می‌شه گفت که «هنوز هیچ اتفاق به اندازهٔ کافی بزرگی نیفتاده است.»

پس به‌عنوان نتیجهٔ این بخش هم به این می‌رسیم که سرعت تغییر در پزشکی، به حضور و مشارکت جدی ما وابسته است و اگر این تغییر را مطلوب می‌دانیم - که منطقاً چنین است - مشارکت فعال و جدی، لازمهٔ سرعت هرچه بیشترش است و مشارکت نکردن هم به نتیجهٔ خاصی - جز irrelevantشدن خود شخص در سال‌های آینده - نمی‌انجامه. پس یا باید چیزی که درسته رو ساخت، و یا باید نظاره‌گر ساخته‌شدن اون چیزها بود و مسیر دوم، هیچ فایده‌ای نداره. جملهٔ زیر هم به خوبی این تلگنر را به ما می‌زنه:

"Once a new technology rolls over you, if you're not part of the steamroller, you're part of the road."
ترجمه: وقتی یک فناوری جدید می‌آید، اگر بخشی از غلتک نباشید، بخشی از جاده خواهید بود.

این تلنگر کلا خوبه، اما معمولا منجر به نتیجه‌ای رایج اما اشتباه می‌شه که در قسمت بعدی به آن خواهیم پرداخت...

@sinusealpha_channel

ترک طبابت - قسمت چهارم: با حضور هوش مصنوعی، آیا پزشکی منسوخ خواهد شد؟

در قسمت قبلی به این نتیجه رسیدیم که هوش مصنوعی، می‌تواند تمام کارهای تشخیصی و درمانی و... یک بیمارپزشک را در حد اعلا و بی‌نیاز از او انجام دهد. اما در چنین شرایطی، آیا کل طبابت به معنای فعلی‌اش از بین خواهد رفت و اصطلاحاً منسوخ (Obsolete) خواهد شد؟ پاسخ منفی است.

پزشکی یا طبابت، به معنای واقعی کلمه - شامل انجام کارهایی برای رسیدن به تشخیص و درمان افرادی که بخش یا کل سلامت (شامل تمام انواع) آن‌ها مشکلی پیدا کرده و... - غیرقابل اجتناب است. به این معنا که انسان‌ها از ابتدای تاریخ تا حداقل امروز، بیمار می‌شده و می‌شوند و لازم، منطقی، اخلاقی و ارزشمند است شرایطی را فراهم آوریم که بیماران، بهبود یابند. این را به‌عنوان یک فرض می‌پذیریم و با این فرض، به بررسی موضوع می‌پردازیم.

با توسعهٔ روزبه‌روز تکنولوژی و کاربردش در طبابت، ممکن و محتمل است به جایی برسیم که بیماران - که با معنای فعلی، کسی است که برای درمان به جایی که آن‌را بیمارستان می‌نامیم مراجعه می‌کند - بسیار کمتری داشته باشیم. شواهد هم این را نشان می‌دهند که روند برخی بیماری‌های واگیردار به کلی متوقف شده و بیماری‌های غیرواگیردار هم در حال کاهش هستند. بیماری‌های مزمن به کمک Telemedicine درحال حل و بیماری‌های حاد و اورژانسی هم با کمک تصمیم‌یارها و ربات‌های مستقر در اورژانس می‌توانند به کلی بی‌نیاز از حضور انسان‌ها شوند. در کل، روند بسیار امیدوار کننده است، و حتی فارغ از کمترشدن یا نشدن خود بیماری‌ها، شکل طبابت بسیار به سمت استفادهٔ هرچه کمتر از انسان‌ها در «هرجایی که می‌شود» و کاهش نیاز به اقدامات حضوری می‌رود و این، منطقا مفید است.

اما منسوخ‌شدن پزشکی - به معنای واقعی کلمه - اگر نگوییم غیرممکن، بسیار دورتر از تصورات ما به نظر می‌رسد. دقت کنید که بحث درمورد خود «طبابت» است و نه طبیبان فعلی. همچنین قابل ذکر است که هوش مصنوعی، قول درمان «تمام» بیماری‌ها و بیماران را داده است، اما قول «بیمارنشدن افراد جدید»، مشابه درمان‌شان نیست، و متاسفانه نیازمند تغییرات عظیمی در سبک و نحوهٔ زندگی انسان‌ها و محیط آن‌ها است و اصولا محصولاتی که به چنین مسیری دست زده‌اند و قصد تغییر عادات و سبک زندگی را داشته‌اند، بسیار به ندرت موفق شده‌اند. لذا طبابت را - حداقل در میان‌مدت و به‌عنوان فرض - غیرقابل منسوخ‌شدن در نظر می‌گیریم.

حالا سوال این‌جاست که طبابت - به معنای عمومی آن - چه شکل تازه‌ای پیدا خواهد کرد؟ پاسخ من این است که در کوتاه‌مدت، هیچ شکلی! واقعا در کوتاه مدت، تغییری در شکل پزشکی اتفاق نخواهد افتاد و حضور یک یا دو دستگاه و استفاده از چند اپلیکیشن و...، «شکل» پزشکی را تغییر نخواهند داد. برای تغییر این صنعت راکد، نیاز به سیستم و زیرساخت تازه‌ای داریم که توسعه‌اش طول خواهد کشید. چرا که فواید حاصل از کاربرد تکنولوژی‌های فعلی، در سیستم و زیرساخت فعلی، نمی‌توانند بیشینه شوند. چنانچه ماشین‌های خودران هم نمی‌توانند وسط جاده‌ای پر از ماشین و موتور و دوچرخه و... که توسط انسان‌ها در حال هدایت هستند به بیشینهٔ فایده‌شان برسند. یا به قول سم آلتمن خود هوش مصنوعی هم توسط تلفن‌های همراهی که مانعی چون Screen دارند، به حد اعلای فایده‌اش نخواهد رسید و به زودی متوجه خواهیم شد که این UI، چقدر غیربهینه بوده است. بدیهی است که حل این چنین مشکلات سیستمی، به مراتب مهم‌تر از حل مشکل یک تسک و یک رشته است!

در این مرحله، معمولا این سوال پیش می‌آید که روند تغییرات با کدام رشته‌های زیرمجموعهٔ پزشکی آغاز خواهد شد و به چه شکل پیش خواهد رفت و ما چه کاری می‌توانیم انجام دهیم تا همچنان relevant بمانیم. در قسمت بعدی به این موضوع خواهیم پرداخت...

@sinusealpha_channel

ترک طبابت - قسمت پنجم: تغییر زیررشته‌های پزشکی چگونه خواهد بود؟

در قسمت قبل، گفتیم که پزشکی در میان‌مدت قابل منسوخ‌شدن نیست. اما این موضوع درمورد پزشکان - و مخصوصا آن‌هایی که در برخی زیررشته‌ها مشغول‌اند - صدق نمی‌کند. شغل آن‌ها تغییرات زیادی خواهد کرد و در آینده‌ای حتی نزدیک، شبیه به قبل نخواهد بود. حالا سوال رایج این است که کدام زیررشته‌های پزشکی بیشتر تغییر خواهند کرد و به اصطلاح حذف خواهند شد و کدام به روند فعلی‌شان ادامه خواهند داد؟ بحث مفصلی است.

از دیدگاه‌های مرسوم این است که رشته‌های تشخیص‌محور مثل رادیولوژی، پاتولوژی و... از آن‌جایی که کارشان دیدن و تفسیر تصاویر است، و چون پردازش تصویر پیشرفت قابل توجهی کرده، در معرض حذف‌شدن هستند. اما این دیدگاه - اگر درست هم باشد - کامل نیست. در ادامهٔ این دیدگاه، معمولاً گفته می‌شود که رشته‌های اصطلاحاً «تحلیل‌محور» مثل داخلی، اطفال و... از آن‌جایی که به قضاوت انسانی وابسته‌اند، دیرتر حذف خواهند شد. همچنین درمورد رشته‌های جراحی‌دار نیز گفته می‌شود که چون هنوز ربات‌ها به اندازهٔ کافی پیشرفت نکرده‌اند، مسیر شغلی امن‌تری به حساب می‌آیند. به صورت خلاصه باید بگویم که همهٔ این دیدگاه‌ها outdated و نادرست هستند، و دیگر چنین تصوری نمی‌شود.

قبل از بررسی رشته‌های تشخیص‌محور و جراحی‌دار، بیایید به بررسی وضعیت «قضاوت انسانی» در رشته‌های داخلی و... بپردازیم. از بیرون، تصور می‌شود که پزشکان متخصص داخلی و...، با تحلیل‌هایی intuitive و برآمده از تجربه، sense و...، تصمیم می‌گیرند و این تحلیل‌ها، قابل formalization نیستند. اما اگر از نزدیک با مسیر فکری پزشکان آشنا باشید، دقیقا متوجه می‌شوید که الگوریتم‌هایی - بسیار ساده‌تر از الگوریتم‌های هوش مصنوعی - در ذهن‌شان ران می‌شود و اتفاقا با عدد تصمیم می‌گیرند. درست‌اش هم همین است! یعنی مثلا برای تشخیص یک بیماری، یک سیستم نمره‌دهی (x score) مانند تصویر تعریف می‌کنند و به علائم و ویژگی‌های مختلف بیمار نمره می‌دهند و اگر نمره از حدی بیشتر/کمتر بود، تشخیص می‌گذارند. این نوع از تحلیل، قابل جایگزینی با ساده‌ترین نرم‌افزارها - مانند این برنامهٔ ساده که دو سال پیش نوشته بودم - است و اگر پزشک هستید، اکیداً پیشنهاد می‌کنم که حفظ‌کردن این الگوریتم‌ها را فراموش کنید. چیزی که تحت عنوان skillful neglect مطرح می‌شود هم همان نبود توضیح‌پذیری (explainability) است و «علمی و درست و قابل اعتماد» نیست و اگر مبنای فکری‌تان است، مبنای فکری هوش مصنوعی هم می‌تواند باشد. اما اگر قصد داریم پزشکی آینده را هم علمی پیش ببریم، روش‌های بهینه‌تری داریم و هرگز حتی سمت روش‌های وابسته به قضاوت پزشک فعلی نمی‌رویم. صریح‌تر بگویم، هر چیز قابل formalization را فراموش کنید. این درمورد بقیهٔ صنایع و مشاغل نیز صدق می‌کند. هرچند سیستم‌های آموزشی همچنان این موارد را ارزشیابی می‌کنند.

درمورد رشته‌های جراحی‌دار هم لازم به ذکر است که ما به نرم‌افزارها سوگیری پیدا کرده‌ایم. اغلب تصوری از رباتیک نداریم و «چون هنوز ندیده‌ایم»، فکر می‌کنیم که مثلا یک ربات نمی‌تواند جراحی قاعدهٔ جمجمه را به خوبی یک جراح باتجربه انجام دهد. این «تصور» حاصل از سوگیری، باز هم ما را به موضوع معرفی شده در قسمت اول، یعنی اثر قوی سیاه باز می‌گرداند. دوست داشته باشیم یا نه، بالاخره روز هزار و یکم می‌رسد و آن تغییری که قابل پیش‌بینی نیست، واقعی خواهد شد. در کل هم از نظر تکنیکال، جراحی ساده‌تر از تشخیص است. تصور بیشتر پزشکان در این مورد اشتباه است و فکر می‌کنند که چون در پزشکی جراحی سخت‌تر از داخلی و رادیولوژی است، پس در تکنولوژی هم همین‌طور است. اما انواع جراحی‌ها و کیس‌های نادر آن‌ها به مراتب از رادیولوژی و داخلی کمترند، و اگر روزی نوبت به حذف یکی از این رشته‌ها برسد، احتمالا اولین گروه، همین جراحی‌ها باشند! البته این موارد در کل دنیا صدق می‌کند و حساسیت‌های رباتیک در ایران را نیز باید به تحلیل‌مان اضافه کنیم.

درمورد رشته‌های تشخیصی مثل رادیولوژی نیز باید گفت که تغییرات عمده‌شان زودتر از بقیه شروع شده است، و زودتر از بقیه هم به اتمام خواهد رسید. این خیلی مهم است. پزشکان محصل در این رشته‌ها، برخلاف سایر پزشکان در حال re-invent کردن خودشان هستند و حتی شغل امروزه‌شان هم بیشتر technologist است، و بسیار متفاوت با ده سال پیش محسوب می‌شود. این پزشکان - به‌علت نزدیکی بیشتر با تکنولوژی و تاثیرپذیری زودتر - سریع‌تر هم با شرایط جدید وفق پیدا خواهند کرد و قبل از بقیه، از حالت «پزشک سابق» بیرون خواهند آمد و سایر رشته‌های پزشکی را نیز همین‌ها تغییر خواهند داد. یکی از علل افزایش رقابت ورود به این رشته‌ها در آمریکا نیز همین است.

در ادامه به این می‌پردازیم که چه کسانی در آینده صنعت سلامت نقش خواهند داشت...

@sinusealpha_channel