به گزارش ایسنا، دکتر حمید محمدی امروز در وبینار «استفاده مسئولانه از هوش مصنوعی در پژوهشهای علوم پزشکی؛ کاربردها، ملاحظات اخلاقی و الزامات حقوقی» با تأکید بر ضرورت مسئولیتپذیری پژوهشگران در استفاده از هوش مصنوعی، گفت: هرچند هوش مصنوعی میتواند بسیاری از فرآیندهای پژوهشی را تسهیل کند، اما مسئولیت نهایی هر خروجی تولید شده بر عهده پژوهشگر است و هیچ کس به نحوه تولید آن توجه نمیکند، بلکه آنچه اهمیت دارد، صحت، کیفیت و اعتبار نتیجه نهایی است.
وی با بیان اینکه هوش مصنوعی آمده است تا در زمان پژوهشگران صرفهجویی کند و کیفیت خروجیهای علمی را ارتقاء دهد، اظهار کرد: این فناوری میتواند بسیاری از کارهای زمانبر، از جمله تولید محتوا، تهیه تصاویر یا جستوجوی اطلاعات را با سرعت بیشتری انجام دهد، اما زمانی که از این طریق ذخیره میشود باید صرف ویرایش، ارزیابی و ارتقای کیفیت خروجیها شود.
معاون تحقیقات دانشگاه علوم پزشکی شیراز ادامه داد: هوش مصنوعی در تهیه و ورود منابع و رفرنسها نیز به پژوهشگر کمک میکند، اما پژوهشگر موظف است تمامی منابع را با دقت بررسی، راستیآزمایی و کنترل کند تا از صحت اطلاعات اطمینان حاصل شود.
وی تأکید کرد: هدف از بهکارگیری هوش مصنوعی این نیست که همان فعالیتهای گذشته را تنها در زمان کمتر و بدون ویرایش انجام دهیم، بلکه باید از این فناوری برای تولید مقالات با کیفیتتر، ایدههای نوآورانهتر و خروجیهای علمی ارزشمندتر استفاده شود. مسئولیت پذیری در استفاده از هوش مصنوعی یکی از مهمترین اصول بهرهگیری از این فناوری در پژوهش است.
محمدی با اشاره به قابلیتهای هوش مصنوعی در فرآیندهای پژوهشی، ادامه داد: کاربردهای این فناوری را میتوان در دو دسته کلی تقسیمبندی کرد؛ نخست، ابزارهایی که در حوزه تولید دانش و کشف علمی به پژوهشگران کمک میکنند و از مرور متون علمی تا آمادهسازی و نگارش متن را پوشش میدهند و دوم، ابزارهایی که در تولید و تحلیل دادهها مورد استفاده قرار میگیرند.
این فوق تخصص قلب کودکان یادآور شد: هوش مصنوعی بهویژه در حوزههایی که با حجم بالایی از دادهها سروکار دارند، از جمله تصویربرداری پزشکی، بررسی پروندههای بیماران، تحلیل دادههای آزمایشگاهی و سایر حوزههای مبتنی بر کلان داده، عملکرد بسیار موثری دارد و میتواند تحلیلهای متنوع و طراحیهای آماری مورد نیاز پژوهشگران را با سرعت و دقت بیشتری انجام دهد.
معاون تحقیقات دانشگاه علوم پزشکی شیراز با اشاره به تحولات پیش روی نظام پژوهش و آزمایشگاهها، یکی از مهمترین تغییراتی را که احتمالا طی سالهای آینده با آن مواجه خواهیم شد، گسترش آزمایشگاههای خودکار یا (Closed Labs) دانست و یادآور شد: این آزمایشگاه بخش عمده فرآیندهای خود را به صورت هوشمند و با کمک هوش مصنوعی مدیریت میکند و بهتدریج بخشی از فرآیندهای کنترل و نظارت نیز به این سامانهها واگذار خواهد شد.
وی تصریح کرد: همانگونه که پژوهشگران باید نسبت به صحت خروجیهای تولیدشده توسط هوش مصنوعی دقت و حساسیت داشته باشند، شرکتها و مجموعههایی که این خروجیها را ارزیابی میکنند نیز به شکل فزایندهای به ابزارهای هوش مصنوعی وابسته شدهاند و این موضوع ضرورت توجه به کیفیت و اعتبار نتایج را دوچندان میکند.
محمدی با بیان اینکه استفاده از هوش مصنوعی نباید برای پژوهشگران پیچیده تلقی شود، گفت: پژوهشگران باید به راحتی از این ابزارها استفاده کنند. برای نمونه، صفحه عنوان ارائه حاضر تنها با ارائه عنوان به یک ابزار هوش مصنوعی و درخواست طراحی صفحه نخست تهیه شده است؛ موضوعی که نشان میدهد این فناوری میتواند بسیاری از امور ساده اما زمانبر را بهسرعت انجام دهد. هدف از استفاده از هوش مصنوعی، صرفهجویی در زمان برای تمرکز بیشتر بر ارتقای کیفیت کار است، نه صرف زمان زیاد برای انجام امور ظاهری و تکراری. پژوهشگران میتوانند از انواع قابلیتها و مدالیتههای هوش مصنوعی برای تسهیل فعالیتهای علمی خود بهره بگیرند، مشروط بر اینکه کنترل، ارزیابی و مسئولیت نهایی نتایج را شخصاً بر عهده داشته باشند.
محمدی با اشاره به نقش هوش مصنوعی در انتقال و ترویج دانش پژوهشی، یکی از کاربردهای مهم این فناوری را کمک به پژوهشگران برای ارائه جذابتر نتایج تحقیقات عنوان کرد و یادآور شد: پژوهشگران میتوانند از هوش مصنوعی برای آماده سازی ارائههای علمی، معرفی طرحهای پژوهشی در همایشها و همچنین تولید محتوای مناسب برای انتشار در شبکههای اجتماعی و سایر بسترهای انتقال دانش استفاده کنند. در حوزه انتقال دانش (Knowledge Translation)، ابزارهای مبتنی بر هوش مصنوعی کمک شایانی به پژوهشگران میکنند و این امکان را فراهم میآورند که محتوای علمی با کیفیت مناسب و در مدت زمان کوتاه برای مخاطبان مختلف آماده شود.
ابزارهای موجود هوشمند برای کاربرد در تحقیقات پزشکی
معاون تحقیقات دانشگاه علوم پزشکی شیراز با اشاره به برخی ابزارهای موجود در این حوزه، اظهار کرد: یکی از ابزارهایی که کیفیت بسیار مناسبی در تولید محتوای علمی و بصری ارائه میدهد، «نوتبوک» است که استفاده از آن را به پژوهشگران توصیه میکنم. بسیاری از تصاویر و محتوای ارائه شده در این وبینار نیز با استفاده از همین ابزار و تنها از طریق چند دستور ساده تولید شده و تهیه آنها کمتر از یک دقیقه زمان برده است.
به گفته وی، این ابزار میتواند در تهیه تصاویر، اسلایدها و محتوای مورد نیاز برای ارائههای علمی نقش مؤثری داشته باشد و زمان و هزینهای را که معمولا صرف طراحی این بخشها میشود، به میزان قابل توجهی کاهش دهد.
محمدی با بیان اینکه دسترسی به برخی از این خدمات در داخل کشور با محدودیتهایی همراه است، اضافه کرد: برخی از این ابزارها از طریق خدمات Google One در دسترس هستند و به دلیل محدودیتهای موجود، پژوهشگران ایرانی برای استفاده از آنها با مشکلاتی مواجهاند.
توسعه ابزار بومی هوشمند
وی در ادامه از توسعه یک ابزار بومی در دانشگاه علوم پزشکی شیراز خبر داد و افزود: همکاران ما در دانشگاه علوم پزشکی شیراز در قالب یک استارتاپ، نرمافزاری را توسعه دادهاند که فرآیند انتقال دانش و تولید محتوای علمی برای انتشار در شبکههای اجتماعی و رسانههای مختلف را تسهیل میکند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز تصریح کرد: این پروژه با حمایت معاونت تحقیقات دانشگاه در مراحل پایانی توسعه قرار دارد و هدف آن، رفع مشکلات ناشی از پرداختهای ارزی و دسترسی به ابزارهای خارجی و همچنین ارائه خدمات متناسب با زبان فارسی است.
وی خاطرنشان کرد: در طراحی این نرمافزار، تمرکز ویژهای بر بهبود پشتیبانی از زبان فارسی صورت گرفته و خروجیهای تولیدشده نیز نتایج واقعی همین سامانه است که توانسته کیفیت مطلوبی در تولید محتوای علمی و ترویجی ارائه کند.
محمدی اظهار امیدواری کرد که این نرمافزار بهزودی در اختیار پژوهشگران کشور قرار گیرد و گفت: این سامانه میتواند به ارتقای اثربخشتر ترجمان دانش، تولید محتوای علمی برای مخاطبان عمومی و بینالمللی و انتشار گستردهتر دستاوردهای پژوهشی کمک کند. همچنین امکان تولید انواع محتوای بصری و علمی متناسب با بسترهای مختلف انتشار را برای پژوهشگران فراهم خواهد کرد.
نگارش مقالات با کمک هوش مصنوعی
محمدی افزود: یکی از مهمترین حوزههایی که اغلب پژوهشگران با آن سروکار دارند، نگارش مقالات علمی است. در این زمینه ابزارهای متعدد مبتنی بر هوش مصنوعی توسعه یافتهاند که هر یک قابلیتها و کاربردهای خاص خود را دارند، اما در این ارائه بیشتر به ابزارهای عمومی پرداخته میشود که برای طیف گستردهای از پژوهشگران قابل استفاده هستند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز با تاکید بر اینکه مسئولیت تمامی خروجیهای تولید شده توسط هوش مصنوعی بر عهده پژوهشگر است، اظهار کرد: ابزارهای مختلفی برای ویرایش، بازنویسی، تولید متن، اصلاح ساختار مقاله، تغییر یا پیشنهاد منابع و توسعه محتوای علمی وجود دارد، اما استفاده از این ابزارها نباید موجب غفلت پژوهشگر از مسئولیت علمی و اخلاقی خود شود. برخی از این سامانهها میتوانند تنها با دریافت عنوان یک پژوهش، ساختار اولیه یک مقاله را تولید کرده و حتی متن کاملی در حجم مشخص، همراه با ارجاعات و منابع علمی ارائه دهند.
محمدی با بیان اینکه این ابزارها در تولید پیشنویس اولیه مقاله میتوانند مفید باشند، اظهار کرد: بررسیهای انجام شده نشان میدهد هرچند برخی از منابع و استنادهای ارائه شده توسط این سامانهها معتبر هستند، اما خطاهایی نیز در آنها مشاهده میشود؛ به گونهای که گاهی رفرنس ارائه شده با محتوای مورد استناد تطابق کامل ندارد. بنابراین تمامی منابع و ارجاعات باید بهدقت توسط پژوهشگر اعتبارسنجی و کنترل شوند.
وی با اشاره به ارزیابی خود از برخی ابزارهای رایج هوش مصنوعی، افزود: تجربه استفاده از برخی سامانههای شناخته شده نشان میدهد که این ابزارها اگرچه میتوانند در تهیه گزارشها، تولید ساختار اولیه متن و سازماندهی محتوا مفید باشند، اما برای تولید ایدههای نو یا تدوین مقالات علمی نباید بهعنوان تنها منبع مورد اتکا قرار گیرند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز تصریح کرد: برخی از این سامانهها خروجیهایی منظمتر، ساختار یافتهتر و خواناتر ارائه میکنند، اما در بسیاری از موارد امکان بررسی دقیق چرایی انتخاب منابع یا نحوه استناددهی در آنها وجود ندارد و همین موضوع ضرورت بازبینی و ارزیابی دقیق تمامی خروجیها را دوچندان میکند. پژوهشگران نباید بیش از اندازه به خروجیهای تولیدشده توسط هوش مصنوعی اعتماد کنند و لازم است تمامی مطالب، استنادها و تحلیلهای ارائهشده را پیش از استفاده در مقالات علمی بهصورت دقیق بررسی و راستیآزمایی کنند، زیرا مسئولیت نهایی صحت محتوای علمی بر عهده نویسنده و پژوهشگر است.
ابزارهای نوین هوشمند تخصصی در حوزه پژوهشی
محمدی با اشاره به توسعه ابزارهای تخصصی هوش مصنوعی در حوزه پژوهشهای علمی، گفت: برخی از سامانههای جدید نسبت به نسلهای قبلی از نظر کیفیت تحلیل منابع و استناددهی، عملکرد دقیقتری دارند و میتوانند فرآیند نگارش و ویرایش مقالات را برای پژوهشگران تسهیل کنند. یکی از این ابزارها با تحلیل محتوای مقالات، بهطور شفاف توضیح میدهد که هر منبع علمی به چه دلیل انتخاب شده و ارتباط آن با ادعای مطرحشده چیست. این قابلیت به پژوهشگر کمک میکند تا منطق استناددهی را بهتر درک کرده و متن مقاله را با دقت بیشتری ویرایش کند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز ادامه داد: این سامانه علاوه بر معرفی منابع، مشخص میکند که هر استناد در تأیید، رد یا بیان خنثی یک ایده بهکار رفته است و همین موضوع، فرآیند ارزیابی و بازنگری علمی مقالات را بسیار سادهتر میکند. یکی از نقاط ضعف این دسته از ابزارها، ارائه تعداد بسیار زیادی رفرنس برای هر بخش از متن است؛ به گونهای که گاهی برای یک جمله دهها منبع پیشنهاد میشود. هرچند این ویژگی از نظر مستندسازی مفید است، اما ممکن است از طبیعی بودن متن بکاهد و سبک نگارش مقاله را از حالت متعارف خارج کند.
محمدی با بیان اینکه با وجود این محدودیتها، دقت استناددهی این ابزارها نسبت به بسیاری از سامانههای مشابه بالاتر است، گفت: خروجی این سامانهها ساختاری مناسب دارد و خطاهای موجود در منابع علمی آنها نیز نسبت به سایر ابزارها کمتر است؛ ضمن اینکه پژوهشگر میتواند تمامی استنادها را کنترل و ارزیابی کند.
وی در ادامه یکی از ابزارهای تخصصی هوش مصنوعی را از مناسبترین گزینهها برای پژوهشگران معرفی کرد و افزود: این سامانه برای هر رفرنس بهصورت دقیق توضیح میدهد که چرا آن منبع انتخاب شده و در کدام بخشهای مقاله مورد استفاده قرار گرفته است. چنین قابلیتی، فرآیند ویرایش و بررسی مقالات را برای پژوهشگران و ویراستاران علمی بسیار آسانتر میکند. این ابزار به ویژه برای پژوهشگرانی که در حوزه مرورهای نظاممند (Systematic Review) فعالیت میکنند، بسیار کاربردی است. همچنین امکان تبدیل یک ایده اولیه به پیشنویس مقالهای کامل همراه با جداول و ساختار استاندارد را فراهم میکند، هرچند مسئولیت علمی و اخلاقی تمامی مطالب تولیدشده همچنان بر عهده پژوهشگر است.
وی تأکید کرد: پژوهشگران باید از این ابزارها برای تسهیل فرآیند جمعآوری و سازماندهی دادهها استفاده کنند و نه بهعنوان جایگزینی برای قضاوت علمی خود، زیرا مسئولیت نهایی تمامی محتوای مقاله بر عهده نویسنده خواهد بود. هرچه دسترسی این سامانهها به متن کامل مقالات علمی بیشتر باشد، کیفیت خروجی آنها نیز افزایش مییابد، اما باید توجه داشت که هر ابزار تنها به بخشی از پایگاههای اطلاعاتی علمی دسترسی دارد و همین موضوع میتواند دامنه جستوجو و تحلیل منابع را محدود کند.
محمدی ادامه داد: ارزیابیهای انجام شده نشان میدهد که برخی از این ابزارها در تولید مرورهای علمی و تحلیل منابع عملکرد مطلوبی دارند و در بسیاری از موارد، منابع ارائه شده و محل استناد آنها در متن مقاله را به درستی مشخص میکنند؛ قابلیتی که کنترل و اعتبارسنجی منابع را برای پژوهشگران آسانتر میسازد. اغلب این سامانهها امکان ویرایش مقالات را نیز فراهم میکنند و پژوهشگر میتواند از آنها بخواهد اعتبار منابع، ارتباط هر رفرنس با متن و علت استفاده از آن را بررسی و گزارش کنند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز با اشاره به روند سریع پیشرفت هوش مصنوعی، گفت: فاصله میان قابلیتهای ابزارهای مختلف روزبهروز کمتر میشود و مدلهای عمومی هوش مصنوعی نیز به سرعت در حال ارتقای تواناییهای خود هستند؛ بهگونهای که نیاز به استفاده از نرمافزارهای واسط تخصصی بهتدریج کاهش خواهد یافت.
محمدی با اشاره به توسعه کاربردهای پیشرفته هوش مصنوعی در پژوهشهای پزشکی، اظهار کرد: بسیاری از پژوهشگران علاقهمند هستند مدلهای اختصاصی خود را توسعه دهند یا سامانههایی را به پایگاههای داده علمی متصل کنند، اما یکی از چالشهای اصلی در این زمینه، دشواری دسترسی به رابطهای برنامهنویسی (API) و ابزارهای تخصصی حوزه پزشکی است که هنوز به آسانی در اختیار پژوهشگران قرار نمیگیرد.
محمدی با اشاره به ضرورت ارزیابی عملکرد سامانههای هوش مصنوعی در پژوهشهای علوم پزشکی، گفت: برای اعتبارسنجی دادههای بالینی و انتخاب مناسبترین مدل هوش مصنوعی، پژوهشگران به ابزارهایی نیاز دارند که امکان مقایسه و ارزیابی عملکرد مدلهای مختلف را فراهم کنند.
وی افزود: زمانی که پژوهشگر قصد دارد یک سامانه هوش مصنوعی را به مجموعهای از دادههای پژوهشی یا بالینی متصل کند، باید بتواند پیش از استفاده، عملکرد آن را در شرایط مختلف مورد آزمون قرار دهد. در این زمینه، سامانههایی وجود دارند که با استفاده از آزمونهای استاندارد پزشکی و سناریوهای واقعی، امکان بنچمارک و مقایسه مدلهای مختلف هوش مصنوعی را فراهم میکنند.
معاون تحقیقات دانشگاه علوم پزشکی شیراز ادامه داد: این سامانهها با تکیه بر پایگاههای داده معتبر و آزمونهای شناختهشده پزشکی، سناریوهای واقعی را شبیهسازی کرده و از طریق رابطهای برنامهنویسی (API)، امکان اتصال پژوهشگران به مدلهای هوش مصنوعی مختلف را فراهم میکنند تا میزان دقت، کارایی و قابلیتهای آنها بهطور عملی ارزیابی شود.
وی اظهار کرد: این ابزارها تنها برای ارزیابی مدلهای خارجی کاربرد ندارند، بلکه پژوهشگران میتوانند مدلهای توسعهیافته خود را نیز با استفاده از آنها آزمایش کنند و عملکرد سامانههایی را که برای تحلیل دادههای اپیدمیولوژیک، پروندههای سلامت، دادههای منابع انسانی یا علائم بیماران طراحی شدهاند، مورد سنجش قرار دهند.
محمدی با بیان اینکه موضوع ارزیابی مدلهای هوش مصنوعی به اندازه یک کارگاه آموزشی مستقل اهمیت دارد، گفت: سامانههایی در این حوزه بهصورت مستمر عملکرد مدلهای مختلف هوش مصنوعی پزشکی را از نظر دقت، کارایی و میزان اطلاعات قابل استخراج مقایسه و رتبهبندی میکنند و پژوهشگران میتوانند متناسب با نیاز خود، مناسبترین مدل را انتخاب کنند.
وی افزود: نتایج این ارزیابیها نشان میدهد که مدلهای هوش مصنوعی بهطور مداوم در حال پیشرفت هستند و هر نسخه جدید، قابلیتهای بیشتری در حوزه علوم پزشکی ارائه میدهد؛ از اینرو انتخاب مدل مناسب باید بر اساس نوع مسئله پژوهشی و نتایج آزمونهای استاندارد انجام شود.
معاون تحقیقات دانشگاه علوم پزشکی شیراز در ادامه به ابزارهای تخصصی هوش مصنوعی در حوزه پزشکی اشاره کرد و گفت: برخی پلتفرمها امکان دسترسی همزمان به مجموعهای از مدلهای تخصصی پزشکی را از طریق یک رابط واحد فراهم میکنند و به پژوهشگران اجازه میدهند متناسب با نوع پژوهش، بهترین مدل را برای تحلیل دادههای خود انتخاب کنند.
وی تصریح کرد: این سامانهها در دادهکاوی، تحلیل اطلاعات پزشکی، بررسی علائم بیماران، تصمیمیارهای بالینی، تحلیل دادههای زیستپزشکی و همچنین پژوهشهای مرتبط با زیستشناسی مولکولی و ژنتیک، ظرفیتهای قابل توجهی در اختیار پژوهشگران قرار میدهند.
محمدی ادامه داد: هرچند مدلهای عمومی هوش مصنوعی بهتدریج قابلیتهای تخصصی بیشتری پیدا میکنند، اما ابزارهای اختصاصی حوزه پزشکی همچنان به دلیل دسترسی به پایگاههای داده تخصصی و آموزش بر اساس دادههای سلامت، از دقت و کارایی بالاتری در این حوزه برخوردار هستند.
وی با بیان اینکه این سامانهها در تحلیل دادههای حجیم نیز عملکرد مطلوبی دارند، اظهار کرد: برای مثال، پژوهشگران میتوانند هزاران تصویر پزشکی یا داده تشخیصی را در اختیار این سامانهها قرار دهند تا پیش از بررسی نهایی توسط متخصص، غربالگری اولیه و شناسایی موارد مشکوک انجام شود؛ موضوعی که ضمن افزایش سرعت تحلیل، دقت فرآیندهای پژوهشی را نیز ارتقاء میدهد.
معاون تحقیقات دانشگاه علوم پزشکی شیراز افزود: تجربه استفاده از این ابزارها نشان داده است که آنها در تحلیل تصاویر پزشکی، از جمله تصاویر رادیولوژی و قفسه سینه، عملکرد قابل قبولی دارند و میتوانند در کنار متخصصان، فرآیند تحلیل و تفسیر دادهها را تسهیل کنند.
وی خاطرنشان کرد: هزینه استفاده از بسیاری از این سامانههای تخصصی نسبت به ظرفیتهایی که در اختیار پژوهشگران قرار میدهند، قابل قبول است و پژوهشگران میتوانند با استفاده از بودجههای پژوهشی به مجموعه متنوعی از پایگاههای تخصصی هوش مصنوعی پزشکی دسترسی پیدا کرده و پس از مقایسه عملکرد آنها، مناسبترین گزینه را برای پژوهشهای خود انتخاب کنند. بهرهگیری آگاهانه از این ابزارها میتواند ضمن ارتقای کیفیت پژوهشهای علوم پزشکی، فرآیند تحلیل دادهها، استخراج دانش و تصمیمگیری مبتنی بر شواهد را برای پژوهشگران تسهیل کند.
انتهای پیام
