پزشک هوش مصنوعی چگونه کار می‌کند؟ نگاهی ساده به درون آن

پزشک هوش مصنوعی با تبدیل توصیف عادی و روزمره‌ی شما از علائم به فهرستی رتبه‌بندی‌شده از علل احتمالی و توصیه‌ای درباره‌ی میزان فوریت کار می‌کند، و برای این کار از پردازش زبان طبیعی و یادگیری ماشین آموزش‌دیده بر پایه‌ی منابع پزشکی بهره می‌گیرد. اگر می‌خواهید این فرایند را خودتان امتحان کنید، می‌توانید به‌جای جست‌وجو در انجمن‌ها و مقاله‌های قدیمی، مستقیماً از یک پزشک هوش مصنوعی بپرسید.

پزشک هوش مصنوعی جایگزین یک پزشک دارای پروانه نیست و تشخیص ارائه نمی‌دهد. در موارد اورژانس پزشکی با ۹۱۱ تماس بگیرید. هر آنچه در ادامه می‌آید سازوکار را توضیح می‌دهد، اما هر خروجی باید پیش از آنکه بر پایه‌ی آن اقدامی کنید با یک پزشک واقعی و دارای پروانه تأیید شود.

پزشک هوش مصنوعی در واقع چیست

ابزاری برای نظر اولیه، نه یک تشخیص‌دهنده

پزشک هوش مصنوعی نرم‌افزاری است که علائم توصیف‌شده به زبان روزمره را می‌پذیرد و توضیحات احتمالی را همراه با توصیه‌ای درباره‌ی اینکه چقدر سریع باید به دنبال مراقبت باشید بازمی‌گرداند. این ابزار همچون یک نظر اولیه‌ی مجازی یا یک ابزار پشتیبانی از تصمیم بالینی عمل می‌کند — نزدیک‌تر به یک بررسی‌کننده‌ی علائم هوش مصنوعی یا یک چت‌بات پزشکی تا به یک پزشک بالینی که بتواند شما را معاینه کند. تقاضا برای این‌گونه ابزارها به‌سرعت رشد کرده است: بنا بر گفته‌ی OpenAI، بیش از ۴۰ میلیون نفر هر روز پرسش‌های مرتبط با سلامت را از ChatGPT می‌پرسند، و بنا بر یک نظرسنجی در سال ۲۰۲۵ از سوی مرکز سیاست‌گذاری عمومی آننبرگ، حدود ۷۹٪ از بزرگسالان ایالات متحده می‌گویند که احتمالاً برای یافتن پاسخی درباره‌ی یک علامت یا بیماری، به‌صورت آنلاین جست‌وجو می‌کنند. یک دستیار سلامت هوش مصنوعی برای گرفتن این ترافیک و ساختار دادن به آن، به‌جای فهرستی تصادفی از نتایج جست‌وجو، ساخته شده است.

چرا تقاضا در حال انفجار است

شکافی که پزشک هوش مصنوعی پر می‌کند عملی است، نه نظری. بنا بر یک نظرسنجی در سال ۲۰۲۵ از AMN Healthcare، آمریکایی‌ها به‌طور میانگین ۳۱ روز در سطح ملی برای یک نوبت با پزشک جدید منتظر می‌مانند، و برای تخصص‌های خاص به‌مراتب بیشتر — به‌طور میانگین حدود ۴۰ روز برای گوارش یا زنان و زایمان. بنا بر پژوهشی از بنیاد رابرت وود جانسون و مؤسسه‌ی اربن، نزدیک به نیمی از بزرگسالان در سن کار، یعنی ۴۶٪، گفتند که در سال ۲۰۲۵ برای تأمین هزینه‌ی مراقبت‌های بهداشتی خانواده‌ی خود با دشواری روبه‌رو بوده‌اند. بخش‌های اورژانس بخشی از این فشار را که هرگز برای آن طراحی نشده بودند جذب می‌کنند — یک مطالعه‌ی ملی دریافت که تا ۲۹٪ از مراجعه‌ها به اورژانس در ایالات متحده می‌توانند به‌عنوان قابل‌اجتناب یا بالقوه قابل‌اجتناب طبقه‌بندی شوند. یک دستیار پزشکی مبتنی بر هوش مصنوعی در فضای میان «جست‌وجوی علائم در گوگل» و «گرفتن یک نوبت واقعی» قرار می‌گیرد و در حین انتظار، خوانشی ساختارمند و اولیه به افراد می‌دهد — جایی که به‌جای پیمایش در انجمن‌ها می‌توانید علائم خود را با یک پزشک هوش مصنوعی بررسی کنید.

فناوری پشت پرده

پزشک هوش مصنوعی یک الگوریتم واحد نیست — بلکه مجموعه‌ای از چند فناوری است که با هم کار می‌کنند و هر کدام بخش متفاوتی از مسئله را مدیریت می‌کنند:

• پردازش زبان طبیعی برای خواندن و ساختاردهی به آنچه تایپ می‌کنید
• یادگیری ماشین آموزش‌دیده بر پایه‌ی منابع و پرونده‌های پزشکی برای شناسایی الگوها
• یک پایگاه دانش پزشکی یا گراف دانش که علائم را به بیماری‌ها پیوند می‌دهد
• یک لایه‌ی مدل زبانی بزرگ که استدلال محاوره‌ای را روی همه‌ی این‌ها می‌افزاید

پردازش زبان طبیعی (NLP)

پردازش زبان طبیعی چیزی است که به سیستم اجازه می‌دهد جمله‌ای مانند «آب‌ریزش بینی دارم و گلویم درد می‌کند» را همان‌طور که یک پرستار تریاژ می‌فهمد درک کند. NLP علائم جداگانه، مدت و شدت آن‌ها را از متن محاوره‌ای عادی استخراج می‌کند، سپس آن توصیف نامنظم را به مفاهیم پزشکی ساختارمندی تبدیل می‌کند که بقیه‌ی سیستم بتوانند با آن‌ها کار کنند.

یادگیری ماشین آموزش‌دیده بر پایه‌ی داده‌های پزشکی

مدل‌های یادگیری ماشین بر پایه‌ی میلیون‌ها مقاله‌ی مجلات پزشکی، دستورالعمل‌های بالینی، پروتکل‌های درمانی و پرونده‌های بیماران بدون شناسه، که گاهی از پرونده‌های الکترونیک سلامت (EHR) گرفته می‌شوند، آموزش می‌بینند. آموزش بر پایه‌ی این حجم از داده به مدل اجازه می‌دهد الگوهای آماری را بیابد که علائم، ویژگی‌های جمعیت‌شناختی و عوامل خطر را به بیماری‌های خاص پیوند می‌دهند — همان نوع تطبیق الگویی که یک پزشک در طول سال‌ها دیدن بیماران می‌سازد، فشرده‌شده در یک مدل.

پایگاه دانش پزشکی و گراف دانش

در زیر مکالمه یک پایگاه دانش پزشکی قرار دارد: یک گراف ساختارمند که علائم را به بیماری‌ها، عوامل خطر و گام‌های بعدی توصیه‌شده پیوند می‌دهد. بررسی‌کننده‌های علائم هوش مصنوعی نسل قبلی عمدتاً بر درخت‌های تصمیم یا شبکه‌های بیزی تکیه داشتند — مدل‌های آماری مبتنی بر قاعده که احتمال هر بیماری را با توجه به مجموعه‌ای از علائم محاسبه می‌کنند. جدیدترین نسل یک لایه‌ی مدل زبانی بزرگ را روی آن پایه‌ی ساختارمند می‌افزاید (ابزارهایی مانند DxGPT یک نمونه هستند)، در حالی که شبکه‌های عصبی عمیق خوشه‌هایی از علائم را که مدل‌های ساده‌تر مبتنی بر قاعده معمولاً از دست می‌دهند تحلیل می‌کنند.

گام‌به‌گام: هنگام توصیف علائم چه اتفاقی می‌افتد

هر تعامل با پزشک هوش مصنوعی تقریباً از یک توالی مشابه پیروی می‌کند، خواه رابط کاربری یک پنجره‌ی چت باشد یا یک پرسش‌نامه‌ی ساختارمند.

1. شما علائم خود را توصیف می‌کنید. متن آزاد یا یک پرسش و پاسخ هدایت‌شده تاریخچه‌ی بیماری کنونی (HPI) شما را ثبت می‌کند — اینکه چه احساسی دارید، در کجا، چه مدت طول کشیده و چقدر شدید است.
2. سیستم پرسش‌های روشن‌کننده می‌پرسد. بسیار شبیه به یک پزشک در هنگام پذیرش، پزشک هوش مصنوعی پیگیری می‌کند تا علائم مبهم یا هم‌پوشان را محدودتر کند.
3. یک تشخیص افتراقی رتبه‌بندی‌شده بر پایه‌ی احتمال تولید می‌کند. ورودی‌های شما با پایگاه دانش تطبیق داده می‌شوند تا فهرستی از علل احتمالی مرتب‌شده بر پایه‌ی احتمال تولید شود — یک خروجی معمول ممکن است چیزی شبیه به ۴۰٪ عفونت ویروسی، ۳۰٪ مسمومیت غذایی و ۵٪ چیزی جدی‌تر باشد.
4. تریاژ و تشخیص پرچم قرمز را انجام می‌دهد. سیستم یک سطح فوریت تعیین می‌کند — مراقبت شخصی، مراجعه به پزشک ظرف ۲۴ ساعت، یا مراجعه به اورژانس — و یک لایه‌ی تشخیص جداگانه پرچم‌های قرمز مانند درد قفسه‌ی سینه یا علائم سکته‌ی مغزی را بررسی می‌کند که شما را مستقیماً به ۹۱۱ یا نزدیک‌ترین اتاق اورژانس هدایت می‌کنند.

اگر در آن گام آخر هر پرچم قرمزی ظاهر شود، پاسخ درست همیشه یکسان است: پیمایش را متوقف کنید و فوراً کمک اورژانسی بگیرید. تشخیص پرچم قرمز به‌عمد یک لایه‌ی محافظه‌کارانه است — طوری تنظیم شده که به‌جای از دست دادن چیزی خطرناک، بیش از حد فعال شود، چون هزینه‌ی یک هشدار نادرست به‌مراتب کمتر از هزینه‌ی یک اورژانس از‌دست‌رفته است. علائم زیر از آن‌گونه‌ای هستند که به‌طور مداوم آن لایه را فعال می‌کنند:

• درد یا فشار ناگهانی قفسه‌ی سینه
• نشانه‌های سکته‌ی مغزی — افتادگی صورت، ضعف بازو، لکنت زبان
• خون‌ریزی شدید یا مهارنشدنی
• مشکل در تنفس
• علائم ناگهانی، شدید یا به‌سرعت بدترشونده

پزشک هوش مصنوعی چقدر دقیق است؟

مطالعه‌ها چه نشان می‌دهند

پرسش درباره‌ی اینکه یک پزشک هوش مصنوعی واقعاً چقدر دقیق است یک پاسخ واحد ندارد — اعداد دقت بر حسب مطالعه و بر حسب وظیفه متفاوت‌اند، اما الگو یکسان است: هوش مصنوعی همه‌منظوره در پرسش‌های تشخیصی محدود در حال خوب‌شدن است، در حالی که هنوز از یک ارزیابی بالینی کامل عقب‌تر است. برای درک بهتر، پژوهش‌های ایمنی بیمار بارها میزان کلی خطای تشخیصی پزشکان را در سراسر محیط‌های مراقبتی حدود ۱۰ تا ۱۵٪ برآورد کرده‌اند، بنابراین هیچ مقایسه‌ای در اینجا در برابر یک مبنای بی‌نقص نیست.

کجا شکست می‌خورد — توهم‌ها و سوگیری

همان فناوری‌ای که پاسخ‌های مطمئن و خوش‌ساختار تولید می‌کند، می‌تواند پاسخ‌های مطمئنانه اما نادرست هم تولید کند. در یک مطالعه در سال ۲۰۲۴، پژوهشگران شش مدل زبانی بزرگ پیشرو را با سناریوهای بالینی آزمودند که هر یک شامل یک جزئیات نادرست کاشته‌شده بود — یک مقدار آزمایشگاهی یا علامت ساختگی — و دریافتند که مدل‌ها در تا ۸۳٪ موارد، به‌جای گرفتن خطا، آن جزئیات ساختگی را تکرار کرده یا بر پایه‌ی آن ساخته‌اند. این همان پدیده‌ای است که به توهم شناخته می‌شود — پاسخی که معتبر به نظر می‌رسد اما بر واقعیت استوار نیست — و این با سوگیری تنیده‌شده در خودِ داده‌های آموزشی تشدید می‌شود، چون یک مدل تنها می‌تواند به همان اندازه متوازن باشد که پرونده‌هایی که از آن‌ها آموخته است.

پزشکانی که از هوش مصنوعی استفاده می‌کنند جایگزین آن‌هایی خواهند شد که استفاده نمی‌کنند.

جسی ام. ارنفلد، دکترای پزشکی، رئیس انجمن پزشکی آمریکا

آن گفته درباره‌ی تقویت است، نه استقلال — راهنمای خودِ AMA هوش مصنوعی را به‌شدت به‌عنوان ابزاری که پزشکان از آن استفاده می‌کنند چارچوب‌بندی می‌کند، نه هرگز به‌عنوان جایگزینی برای قضاوت آن‌ها.

پزشک هوش مصنوعی چه کارهایی نمی‌تواند انجام دهد

نمی‌تواند معاینه‌ی فیزیکی انجام دهد. پزشک هوش مصنوعی هرگز شکمی را لمس نمی‌کند، به ضربان قلبی گوش نمی‌دهد، رفلکس‌ها را بررسی نمی‌کند، یا نشانه‌های غیرکلامی‌ای را که یک پزشک صرفاً با تماشای نحوه‌ی حرکت بیمار درک می‌کند متوجه نمی‌شود. نمی‌تواند به‌تنهایی کار آزمایشگاهی یا تصویربرداری تجویز کند، و هم‌بستگی میان علائم و یک بیماری همان‌چیزی نیست که یک تشخیص است.

از نظر قانونی نمی‌تواند تشخیص ارائه دهد یا درمان تجویز کند. تشخیص یک بیماری و نوشتن یک نسخه، وظایفی هستند که هم از نظر پزشکی و هم از نظر قانونی مختص یک پزشک دارای پروانه‌اند. هر فهرستی از احتمالات که یک پزشک هوش مصنوعی تولید کند، اطلاعاتی باقی می‌ماند — تصمیم نهایی، و مسئولیتی که با آن همراه است، نزد یک پزشک بالینی انسانی می‌ماند.

در عمل، این یعنی یک پزشک هوش مصنوعی نمی‌تواند:

• شما را لمس، معاینه‌ی دستی یا معاینه‌ی فیزیکی کند
• کار آزمایشگاهی، تصویربرداری یا آزمایش‌های تشخیصی تجویز کند
• یک نسخه بنویسد یا تأیید کند
• یک تشخیص قانونیِ به‌رسمیت‌شناخته‌شده صادر کند
• مسئولیت پزشکی-قانونی یک تصمیم را بر عهده گیرد

چرا نظارت انسانی همچنان ضروری می‌ماند

بنا بر یک نظرسنجی انجمن پزشکی آمریکا، استفاده‌ی پزشکان از ابزارهای هوش مصنوعی از ۳۸٪ در سال ۲۰۲۳ به ۶۶٪ در سال ۲۰۲۴ جهش کرد — رشدی چشمگیر، اما رشدی که بازتاب پذیرش هوش مصنوعی به‌عنوان یک دستیار توسط پزشکان است، نه کنار کشیدن آن‌ها از تصمیم‌ها. نظارت پزشک انسانی چیزی است که یک فهرست رتبه‌بندی‌شده بر پایه‌ی احتمال را به یک روند درمانی واقعی تبدیل می‌کند.

پزشک هوش مصنوعی در برابر پزشک انسانی: کمک، نه جایگزینی

نقاط قوت یک پزشک هوش مصنوعی عبارت‌اند از سرعت، دسترس‌پذیری ۲۴ ساعته در تمام روزهای هفته، و شکیبایی در توضیح یک اصطلاح پزشکی هر چند بار که نیاز داشته باشید. این ابزار پرسش‌های معمول تریاژ را به‌خوبی مدیریت می‌کند و هرگز در پایان یک نوبت پانزده‌دقیقه‌ای شما را با عجله بیرون نمی‌فرستد. نقاط قوت یک پزشک انسانی دقیقاً همان‌جایی قرار دارند که فناوری متوقف می‌شود: یک معاینه‌ی عملی، بستر کامل تاریخچه‌ی پزشکی شما، و مسئولیت قانونی تصمیم گرفته‌شده. مدل کارآمد این نیست که هوش مصنوعی به‌جای یک پزشک باشد — بلکه این است که پزشک هوش مصنوعی آنلاین گام نخست باشد، و یک پزشک دارای پروانه تصمیم واقعی را بگیرد. اگر به این شیوه به کار رود، یک پزشک هوش مصنوعی آنلاین به راهی تبدیل می‌شود تا از پیش آگاه به نوبت خود برسید، نه راهی برای اینکه به‌کلی از نوبت صرف‌نظر کنید.

چگونه از یک پزشک هوش مصنوعی به‌شکل ایمن استفاده کنیم

بهره‌مندی از یک بررسی‌کننده‌ی علائم هوش مصنوعی بدون پذیرفتن خطر غیرضروری، به فهرست کوتاهی از عادت‌ها خلاصه می‌شود:

• از آن برای درک علائم و آماده‌سازی پرسش‌ها برای پزشکتان استفاده کنید، نه برای خوددرمانی
• هر چیز جدی را همیشه پیش از اقدام بر پایه‌ی آن با یک پزشک دارای پروانه تأیید کنید
• هرگز در انتظار پاسخ هوش مصنوعی، مراقبت را برای علائم پرچم قرمز به تأخیر نیندازید
• پیش از به اشتراک گذاشتن جزئیات حساس، بررسی کنید که پلتفرم چگونه داده‌های سلامت شما را مدیریت و ذخیره می‌کند
• هر فهرست رتبه‌بندی‌شده از احتمالات را به‌عنوان نقطه‌ی آغاز یک گفت‌وگو در نظر بگیرید، نه یک نقطه‌ی پایان

پزشک هوش مصنوعی جایگزین یک پزشک دارای پروانه نیست و تشخیص ارائه نمی‌دهد. در موارد اورژانس پزشکی با ۹۱۱ تماس بگیرید. برای هر چیزی فراتر از اطلاعات عمومی، یک پزشک واقعی را در جریان نگه دارید.

پرسش‌های متداول