دکتر حسین اکبری‌ به همراهی گروهی از محققین از دانشگاه‌های مختلف از ایران، استرالیا، آمریکا و اوگاندا در مقاله‌ای که در مجله New England Journal of Medicine AI منتشر شده است (لینک)، به بررسی نقش هوش مصنوعی مولد (Generative AI) در بهبود سلامت جهانی، به‌ویژه در کشورهای کم‌درآمد و با درآمد متوسط (LMICs) پرداخته‌اند.

 این فناوری می‌تواند با کاهش نابرابری‌های بهداشتی، تحول بزرگی در سیستم‌های سلامت ایجاد کند. هوش مصنوعی مولد کاربردهای متنوعی در حوزه سلامت دارد. این فناوری می‌تواند سیستم‌های تصمیم‌یار را برای تشخیص و درمان شخصی‌سازی‌شده بهبود بخشد، شیوع بیماری‌ها را پیش‌بینی کند، و الگوریتم‌های تشخیصی کم‌هزینه توسعه دهد. همچنین، در تفسیر تصاویر پزشکی مانند رادیولوژی و پاتولوژی نقش مهمی دارد و می‌تواند خدمات پزشکی از راه دور را تقویت کند. ترجمه اطلاعات پزشکی به زبان‌های محلی نیز یکی از مزایای این فناوری است که به افزایش سواد سلامت و بهبود درک بیماران کمک می‌کند. علاوه بر این، هوش مصنوعی مولد در کشف داروهای جدید و بهینه‌سازی واکسیناسیون برای مقابله با بیماری‌های عفونی مؤثر است.

با این حال، چالش‌های متعددی در مسیر اجرای این فناوری وجود دارد. زیرساخت‌های ضعیف دیجیتال در بسیاری از کشورهای کم‌درآمد مانعی برای توسعه آن محسوب می‌شود. نقض احتمالی حریم خصوصی بیماران به دلیل نبود قوانین محافظتی کافی، تعصبات الگوریتمی که می‌تواند منجر به تشخیص‌های ناعادلانه شود، و تأثیرات فرهنگی که پذیرش فناوری را دشوار می‌کند، از دیگر موانع هستند. همچنین، مصرف بالای انرژی و اثرات زیست‌محیطی ناشی از پردازش مدل‌های هوش مصنوعی نیاز به راهکارهای پایدار دارد.

نویسندگان مقاله در ادامه مقاله قبلی خود در Nature پیشنهاد می‌کنند (لینک) که "مراکز عالی هوش مصنوعی" در کشورهای کم‌درآمد ایجاد شود تا مدل‌های هوش مصنوعی متناسب با نیازهای محلی توسعه یابند. همچنین، همکاری‌های بین‌المللی برای توسعه فناوری‌های پایدار و عادلانه در این کشورها ضروری است.

این مقاله نشان می‌دهد که هوش مصنوعی مولد می‌تواند تحول بزرگی در سلامت جهانی ایجاد کند، اما تحقق این هدف نیازمند همکاری جهانی، سرمایه‌گذاری در زیرساخت‌ها و آموزش نیروی انسانی است.

@Scientometric