تصور کنید پزشکی که روزانه دهها پرونده پیچیده را بررسی میکند، حالا میتواند در چند ثانیه تاریخچه چندساله یک بیمار را به صورت یک خط زمانی منظم بخواند. این همان تغییری است که با ورود ChatGPT Health به جریان کاری پزشکان رخ میدهد.
طبق گزارش TechCrunch در ۱ سپتامبر ۲۰۲۶، دادههای بیش از ۳۲۵ میلیون بیمار که در سامانه Epic ذخیره شده است، اکنون مستقیماً به هوش مصنوعی زاینده (Generative AI) — شبیه دستیاری که میلیاردها صفحه متن را خوانده و حالا میتواند عصاره آنها را استخراج کند — منتقل میشود تا تاریخچههای پزشکی پیچیده را ترکیب و تحلیل کند.
همانطور که در پوشش پیشین ما از استقرار ChatGPT برای ۳ میلیون پرسنل پنتاگون دیدیم، OpenAI اکنون از لجستیک دولتی به محیط حساس جریانهای کاری بالینی کوچ کرده است. این حرکت در راستای استراتژی گستردهتر این شرکت برای تبدیل شدن به یک عامل فعال در سیستمهای عملیاتی است، مشابه آنچه در توسعه عاملهای سطح سیستمعامل برای مدیریت پیامها مشاهده کردیم.
جزئیات ادغام بالینی
پزشکان میتوانند از این ابزار برای دسترسی و خلاصهسازی یادداشتهای جلسات، نتایج آزمایشگاه و مستندات متخصصان استفاده کنند. در برخی استقرارها، این هوش مصنوعی مستقیماً درون جریان کاری پرونده الکترونیک قرار میگیرد تا بررسیهای پیش از ملاقات و ساخت خط زمانی بالینی بدون خروج از پرونده بیمار ممکن شود. این قابلیت تحلیل تاریخچه در محیط کاری، یادآور رویکرد OpenAI در قابلیت Computer History است که تعاملات کاربر با سیستم را به مهارتهای یک عامل تبدیل میکند.
حفاظهای (Guardrails) فنی کلیدی این سیستم عبارتاند از:
- دسترسی فقط-خواندنی: هوش مصنوعی اجازه نوشتن یا تغییر در پروندههای سلامت را ندارد.
- پلاگین دادههای عمومی سلامت: ابزاری جدید برای استخراج داده از PubMed, ClinicalTrials.gov و RxNorm.
- تطبیقپذیری: سازمانهایی که توافقنامه شریک تجاری دارند، میتوانند از ChatGPT Work و Codex برای جریانهای کاری مطابق با استانداردها استفاده کنند.
ایمنی و مسئولیت قانونی
OpenAI بر اساس پاسخهای ۴۳۰۰ پزشک در ۲۷ مورد کاربردی، نرخ ایمنی ۹۹.۱ درصدی را ادعا میکند. با این حال، شرکت تأکید دارد که این ابزار برای تشخیص یا درمان مناسب نیست.
این احتیاط در حالی صورت میگیرد که شرکت با فشارهای قانونی روبروست. به گزارش منابع خبری، یک کشیش در فلوریدا به دلیل توصیهای نزدیک به مرگ از OpenAI شکایت کرده و شکایت دیگری نیز در ماه مه توسط کاربرانی که ادعای دریافت دوز اشتباه دارو داشتند، ثبت شده است.
برای کارکنان بهداشت و درمان، این یعنی کاهش شدید زمان بررسی دستی پروندهها. اما این تغییر، بار مسئولیت بیشتری را بر دوش پزشک میگذارد تا به عنوان فیلتر نهایی ایمنی برای خلاصههای تولید شده توسط هوش مصنوعی عمل کند.
گام بعدی شما
- اگر مدیر مرکز درمانی هستید، استانداردهای دسترسی «فقط-خواندنی» را برای جلوگیری از توهمات مدل در پروندهها بررسی کنید.
- پزشکان باید یاد بگیرند چگونه خروجیهای مدل را با دادههای مرجع (Ground Truth) تطبیق دهند.
- تحرکات رقبایی مثل Oracle Cerner را در پاسخ به این ادغام زیر نظر بگیرید.
اما نبرد برای تسلط بر میز کار پزشکان تازه آغاز شده است؛ اثر این رقابت بر استانداردهای حریم خصوصی دادههای پزشکی را در گزارش بعدی بررسی خواهیم کرد.
گفتگو