به گفته این اقتصاددان ایرانی، یکی از مهمترین دلایل استفاده از هوش مصنوعی در پزشکی کاهش خطای انسانی و تسریع در روند تشخیص و درمان است. با این حال، تشخیص بیماری در دنیای واقعی چالش های خود را دارد. گفتگوی پزشکیان و بیماران اغلب به هم ریخته و پر از اطلاعات پراکنده است، تاریخچه بیماری بیمار همیشه دقیق و کامل نیست.

از سوی دیگر، بررسی های استاندارد هوش مصنوعی اغلب بر اساس آزمایش های از پیش تعریف شده است که اطلاعات کامل و واضحی را در اختیار مدل های هوش مصنوعی قرار می دهد. این تناقض بین شرایط واقعی و روش های ارزیابی، نیاز به تحقیق در این زمینه را دو چندان می کند.

گروهی از محققان دانشگاه هاروارد و استنفورد مطالعه ای را انجام دادند که قابلیت های مدل های هوش مصنوعی را در موقعیت های دنیای واقعی بررسی می کند. برای این منظور، تیم یک چارچوب ارزیابی جدید طراحی کرده است که هوش مصنوعی را در یک محیط شبیه سازی شده برای واقعیت آزمایش می کند.

محققان این مطالعه از چارچوبی به نام CRAFT-MD برای ارزیابی عملکرد این مدل ها در مکالمات طبیعی بین بیماران و پزشکیان استفاده کردند.

برای انجام این مطالعه از دو عامل هوش مصنوعی استفاده شد: یکی نقش بیمار را بازی می‌کرد و دیگری پاسخ‌های هوش مصنوعی را ارزیابی می‌کرد. این سیستم تداخلاتی مانند درخواست سابقه پزشکی، بررسی علائم و داروها را شبیه سازی می کرد. سپس نتایج این تعاملات توسط متخصصان انسانی مورد تجزیه و تحلیل قرار گرفت و صحت تشخیص نهایی مدل‌ها بررسی شد.

بر اساس نتایج این مطالعه، مدل‌های هوش مصنوعی در پاسخ به سؤالات استاندارد عملکرد بسیار خوبی داشتند، اما در روابط پیچیده‌تر ضعیف بودند. این مدل‌ها معمولاً در پرسیدن سؤالات مناسب برای جمع‌آوری داده‌های مهم یا تشخیص دقیق در مواجهه با داده‌های ناقص مشکل داشتند.

نتایج نشان داد که این ابزارها هنوز برای استفاده در محیط های بالینی آماده نیستند. بنابراین، محققان پیشنهاد کرده‌اند که مدل‌ها باید برای مدیریت اطلاعات پراکنده و تعاملات بدون ساختار بهینه شوند. همچنین افزودن قابلیت هایی مانند تفسیر داده های بصری یا تحلیل رفتار غیرکلامی به این ابزارها می تواند اثربخشی آنها را افزایش دهد.

این تحقیق در آینده پزشکی از اهمیت ویژه ای برخوردار است. زیرا ابزارهای هوش مصنوعی می توانند نقش مهمی در بهبود تشخیص بیماری ها، کاهش هزینه ها و افزایش دقت درمان ها داشته باشند. اما برای تحقق این اهداف، فناوری ها باید به طور مستمر مورد ارزیابی و بهبود قرار گیرند.

شایان ذکر است که این تحقیق در مجله معتبر Nature Medicine به چاپ رسیده و به عنوان گامی مهم برای تطبیق مدل های هوش مصنوعی با دنیای واقعی، توجه بسیاری از کارشناسان را به خود جلب کرده است.