سرمایه‌گذاری

سرمایه‌گذاری ۶۰ میلیون دلاری برای ارزیابی هوش مصنوعی در نظام سلامت کشورهای کم‌درآمد

 

در راستای تضمین ایمنی، اثربخشی و عدالت در به‌کارگیری ابزارهای هوش مصنوعی در حوزه سلامت، ابتکار جدیدی با عنوان «شواهد برای هوش مصنوعی در سلامت» (EVAH) با همکاری ولکام (Wellcome)، گیتس فاندیشن (Gates Foundation) و نوو نوردیسک فاندیشن (Novo Nordisk Foundation) راه‌اندازی شد.

به گزارش مدرن مد به نقل از wellcome، این ابتکار با سرمایه‌گذاری مشترک ۶۰ میلیون دلار آمریکا طی سه سال آینده، از ارزیابی ابزارهای هوش مصنوعی در کشورهای با درآمد پایین و متوسط حمایت خواهد کرد. EVAH دومین سرمایه‌گذاری در چارچوب مشارکت ۳۰۰ میلیون دلاری این سه نهاد برای پشتیبانی از پژوهش‌ها و توسعه‌های حیاتی در حوزه سلامت جهانی به شمار می‌رود.

ضرورت ابتکار EVAH

هوش مصنوعی ظرفیت بالایی برای تقویت نظام‌های سلامت دارد؛ از بهبود فرآیندهای تشخیصی گرفته تا بهینه‌سازی گردش کارهای بالینی. این فناوری می‌تواند راهکارهایی مقرون‌به‌صرفه برای کاهش نابرابری‌های بهداشتی، به‌ویژه در کشورهای با درآمد پایین و متوسط، ارائه دهد.

با این حال، شواهد کافی درباره عملکرد واقعی این ابزارها در محیط‌های عملی وجود ندارد و همین موضوع تصمیم‌گیری درباره پذیرش و توسعه مقیاس آن‌ها را دشوار کرده است. ابتکار EVAH با هدف تولید شواهد معتبر و تقویت ظرفیت‌های محلی برای ارزیابی این فناوری‌ها شکل گرفته است.

شارلوت واتس، مدیر اجرایی بخش راهکارها در ولکام (Wellcome)، در این‌باره گفت: «تنها از طریق همکاری‌های مشارکتی و سرمایه‌گذاری در تولید شواهد دقیق و یادگیری مستمر می‌توانیم از تصمیم‌گیرندگان و ارائه‌دهندگان خدمات حمایت کنیم تا نیازهای جوامعی را که به آن‌ها خدمت می‌کنند، برآورده سازند.»

ابزارهای مورد ارزیابی

ابتکار EVAH با همکاری شرکای کشوری، ابزارهایی را برای ارزیابی انتخاب خواهد کرد که با اولویت‌های بهداشتی محلی هم‌راستا بوده و قابلیت ادغام در مراقبت‌های اولیه و جامعه‌محور را داشته باشند. این ابزارها طیف گسترده‌ای از فناوری‌های هوش مصنوعی را دربر می‌گیرند، از جمله:

مدل‌های پیش‌بینی برای برآورد خطر بیماری یا اولویت‌بندی بیماران برای پیگیری درمان؛

بینایی ماشین برای تحلیل تصاویر پزشکی مانند رادیوگرافی و سونوگرافی؛

مدل‌های زبانی بزرگ برای پشتیبانی از تصمیم‌گیری کارکنان سلامت یا مستندسازی بالینی؛

هوش مصنوعی چندوجهی که داده‌های تصویری، صوتی و سوابق الکترونیک سلامت را ترکیب می‌کند.

در این میان، فناوری‌هایی که برای محیط‌های کم‌منبع طراحی شده و بر پایه داده‌های بازتاب‌دهنده جمعیت‌های هدف آموزش دیده‌اند، در اولویت قرار خواهند گرفت.

 

روش‌های ارزیابی

ابزارهای منتخب از طریق روش‌های علمی گوناگون ارزیابی می‌شوند، از جمله:

پژوهش‌های پیاده‌سازی برای بررسی عملکرد در شرایط واقعی؛

کارآزمایی‌های تصادفی کنترل‌شده برای سنجش اثربخشی؛

ارزیابی‌های اقتصادی برای تحلیل هزینه و منافع سلامت؛

مطالعات مقبولیت برای بررسی نگرش بیماران، پزشکان و جوامع نسبت به این ابزارها.

در نخستین فراخوان پیشنهادها، تمرکز بر ارزیابی ابزارهای پشتیبان تصمیم‌گیری مبتنی بر هوش مصنوعی خواهد بود که آماده استفاده بوده و برای کمک به کارکنان خط مقدم سلامت در آفریقای زیرصحرا و جنوب و جنوب‌شرقی آسیا در وظایفی مانند تریاژ، تشخیص یا ارجاع طراحی شده‌اند.

این برنامه با مشارکت  عبدُال لَطیف جَمیل پاوِرتی اَکشن لَب (Abdul Latif Jameel Poverty Action Lab) و اَفریکَن پاپیولِیشِن هِلث ری‌سِرچ سِنتر (African Population Health Research Centre) اجرا می‌شود؛ دو نهادی که تجربه گسترده‌ای در انجام پژوهش‌های باکیفیت و سیاست‌محور در کشورهای با درآمد پایین و متوسط دارند.

دسترسی آزاد به نتایج

برگزارکنندگان این ابتکار تأکید کرده‌اند تمامی یافته‌های EVAH به‌صورت دسترسی آزاد منتشر خواهد شد تا در اختیار دولت‌ها، پژوهشگران، صنعت و جوامع قرار گیرد. این روند با استانداردهایی مبتنی بر حفظ حریم خصوصی داده‌ها، ایمنی و ملاحظات اخلاقی پشتیبانی می‌شود.

ترور موندل، رئیس بخش سلامت جهانی در گیتس فاندیشن (Gates Foundation)، اظهار داشت: «اطمینان از پشتیبانی ابزارهای جدید هوش مصنوعی با شواهد واقعی می‌تواند زمان تبدیل ایده‌های امیدبخش به نوآوری‌های مقیاس‌پذیر را به‌طور چشمگیری کاهش دهد.»

همچنین لنه اودرسهه، مدیر ارشد علمی علوم و فناوری سیاره‌ای در نوو نوردیسک فَوندِیشن (Novo Nordisk Foundation)، تأکید کرد انتشار آزاد یافته‌ها می‌تواند اثرگذاری این ابزارها را تسریع کرده و «داده‌های حیاتی درباره اثربخشی، ارزش اقتصادی و مقبولیت این فناوری‌ها در بسترهایی که بیشترین نیاز را دارند» در اختیار تصمیم‌گیرندگان قرار دهد.

ابتکار EVAH گامی مهم در جهت تضمین بهره‌برداری مسئولانه، عادلانه و مبتنی بر شواهد از هوش مصنوعی در نظام‌های سلامت جهانی به شمار می‌رود.

نوشته‌های مشابه