تصور کنید در سال ۲۰۳۰، برای دریافت دقیق‌ترین تشخیص پزشکی، باید نظارت پزشک را کنار بگذارید تا هوش مصنوعی بتواند بدون دخالت انسانی عمل کند. طبق مطالعه‌ای جنجالی در مجله انجمن پزشکی آمریکا (JAMA)، هوش مصنوعی مستقل تا سال ۲۰۳۰ در پنج وظیفه بنیادین پزشکی از پزشکان انسانی پیشی خواهد گرفت.
این پژوهش ادعا می‌کند مدل سنتی «انسان در چرخه» (Human-in-the-loop) — که در آن پزشکان بر خروجی‌های AI نظارت می‌کنند — ممکن است در واقع کیفیت مراقبت‌ها را پایین بیاورد. نویسندگان این مقاله، از جمله ازکیل امانوئل (Ezekiel Emanuel) و سرمایه‌گذار خطر، وینود خوشلا (Vinod Khosla)، این پرسش را مطرح کردند که: «آیا هوش مصنوعی مستقل، از پزشکانِ مجهز به AI به عنوان بهترین ارائه‌دهنده مراقبت‌های پزشکی پیشی خواهد گرفت؟» اگرچه این ادعا در قالب یک پرسش مطرح شده، اما پاسخ آن‌ها یک «بله» قاطع است.
این بحث در حالی شکل می‌گیرد که جامعه پزشکی برای ادغام مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — در جریان‌های کاری بالینی دست‌وپا می‌زند. سال‌ها تصور می‌شد AI تنها یک دستیار پیچیده برای کارهای اداری و کاغذبازی‌ها باشد، در حالی که پزشکان قضاوت نهایی را بر عهده دارند. اما فاصله بین «AI دستیار» و «AI مستقل» سریع‌تر از پیش‌بینی بسیاری از متخصصان در حال بسته شدن است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی جایگزینی مشاغل تخصصی اشاره کردیم، سرعت تکامل مدل‌های استدلالی، مرزهای تخصص انسانی را جابه‌جا می‌کند. این چالش‌ها در واقع تداوم همان موانع استقرار هوش مصنوعی در پزشکی است که ریشه در شکاف اعتماد و جریان‌های کاری بالینی دارد.
چرخش به سمت استقلال
این مطالعه که توسط امانوئل و خوشلا تدوین شده، تمام پژوهش‌های منتشرشده درباره AI پزشکی از ۱ ژانویه ۲۰۲۴ را تحلیل کرده است. بر اساس مستندات این پژوهش، هوش مصنوعی به‌سرعت به نقطه‌ای می‌رسد که در پنج حوزه کلیدی، مراقبت‌های برتری را به‌صورت مستقل ارائه دهد:
- اخذ تاریخچه جامع پزشکی
- برقراری تشخیص‌های دقیق
- شناسایی آزمایش‌های تشخیصی لازم
- تجویز درمان‌های بهینه
- مدیریت بیماری‌های مزمن
این پنج مورد، در واقع هسته اصلی شغل پزشکی و معنای واقعی «پزشکی کردن» هستند. نویسندگان استدلال می‌کنند که پزشکان اکنون باید از دخالت در این فرآیند دست بردارند، زیرا حضور انسان در این چرخه، در واقع عملکرد AI را تخریب می‌کند.
امانوئل که رئیس بخش اخلاق پزشکی و سیاست‌های سلامت در دانشگاه پن است، پیش‌تر ایده مدیریت پیچیدگی‌های پزشکی توسط AI را «مزخرف» می‌دانست. در دهه ۲۰۱۰، او اغلب به خوشلا می‌گفت که چنین گذاری غیرممکن است زیرا کار پزشکی بیش از حد پیچیده است. در مقابل، خوشلا سال‌ها روی این ایده پافشاری می‌کرد؛ او در سال ۲۰۱۲ مقاله‌ای در TechCrunch نوشت و پرسید: «آیا ما به پزشکان نیاز داریم یا الگوریتم‌ها؟» و در سال ۲۰۱۶ رساله‌ای ۱۰۱ صفحه‌ای در این موضوع به رشته تحریر درآورد. خوشلا حتی در آن زمان پیش‌بینی کرده بود که تا سال ۲۰۳۵، هوش مصنوعی ۸۵ درصد از کارهای پزشکان را انجام خواهد داد.
با این حال، دیدگاه امانوئل حدود یک سال پیش، پس از مطالعه نسخه‌های پیش‌انتشار کتاب A Giant Leap اثر رابرت واکتر (Robert Wachter)، تغییر کرد. این اتفاق باعث شد امانوئل با خوشلا و نیل خوشلا همکاری کند. نیل خوشلا مدیریت شرکت Curai Health را بر عهده دارد؛ شرکتی آنلاین که از AI برای درمان بیماران استفاده می‌کند و کادری از پزشکان را تنها برای مدیریت نسخه‌ها و مسائل پیچیده در اختیار دارد. (در این مقاله، تضاد منافع مربوط به سرمایه‌گذاری‌های وینود خوشلا و گرنت‌ها و مشاوره‌های امانوئل صراحتاً افشا شده است). این تیم به این نتیجه رسیدند که یک «AI مستقل برتر» احتمالاً تا سال ۲۰۳۰ از انسان‌هایی که از AI استفاده می‌کنند نیز پیشی می‌گیرد — پیش‌بینی‌ای که خودشان اعتراف می‌کنند «ناآرام‌کننده اما محتمل» است.
شکاف «پرواز درجه یک» و «اکونومی»
همه متخصصان با این مسیر موافق نیستند. رابرت واکتر، رئیس پزشکی در UCSF، پیش‌تر سیستمی طبقه‌بندی‌شده را پیشنهاد داده بود. واکتر در کتاب A Giant Leap جهانی را متصور شد که در آن ثروتمندان مراقبت‌های ترکیبی (همکاری انسان و AI) دریافت می‌کنند، در حالی که عموم مردم به AI تنها متکی هستند — چیزی شبیه به پزشکی «درجه اکونومی».
اما مقاله JAMA صراحتاً این دیدگاه را به چالش می‌کشد و استدلال می‌کند که درمانِ صرفاً مبتنی بر AI به‌دلیل دقت بالاتر، در نهایت به گزینه «درجه یک» تبدیل خواهد شد. امانوئل استدلال می‌کند که با توجه به اینکه کمتر از چهار سال از معرفی ChatGPT می‌گذرد، هوش مصنوعی چهار سال دیگر بسیار پیشرفته‌تر از هر پزشکی خواهد بود.
با این حال، واکتر اکنون می‌پذیرد که نویسندگان حق دارند و انسان‌ها می‌توانند عملکرد AI را «به هم بریزند»، اما او همچنان معتقد است ویژگی‌های انسانی جایگزین‌ناپذیرند. او استدلال می‌کند که AI ممکن است هرگز به اندازه یک انسان در خبر دادن یک پیش‌آگهی تلخ و وخیم مؤثر نباشد و پزشکان واقعی در هدایت بیماران به سمت بهترین مسیر درمانی، توانمندتر هستند.
مقاومت و «مغالطه دربان»
جان وایت (John Whyte)، مدیرعامل انجمن پزشکی آمریکا (AMA)، مخالف شدید این رویکرد است. او به مقاله‌ای در ماه فوریه ۲۰۲۶ در مجله Nature اشاره می‌کند که نشان می‌دهد در موارد واقعی، اکثر بیماران قادر نبودند به‌طور مؤثر با مدل‌های زبانی بزرگ گفتگو کنند تا از تخصص آن‌ها بهره ببرند. وایت تأکید دارد که هر ابزار AI باید در چارچوب یک برنامه مراقبتی باشد که توسط یک پزشک مدیریت و حاکم بر آن باشد. در این راستا، پذیرش مقررات و چارچوب‌های قانونی همچنان به عنوان سد اصلی پیش روی استقرار گسترده این فناوری‌ها شناخته می‌شود.
واکتر برای مقابله با ترس از جایگزینی کامل، از «مغالطه دربان» استفاده می‌کند. او اشاره می‌کند که اگرچه درهای خودکار جایگزین عملِ باز کردن در شدند، اما دربان‌ها برای کارهای پیچیده همچنان ارزشمند ماندند؛ کارهایی مانند:
- دریافت بسته‌های آمازون
- غذا دادن به حیوانات خانگی
- گوش دادن همدلانه به گلایه‌های مستأجران
او پیشنهاد می‌کند پزشکان به سمت نقش‌هایی تکامل می‌یابند که بر همدلی و ارتباطات با هوش عاطفی (EQ) بالا متمرکز است؛ یعنی تشخیص AI را می‌پذیرند اما سایر عملکردهای با ارزش بالا را انجام می‌دهند.
خطر زوال مهارت‌ها
یک نگرانی فوری‌تر، «زوال مهارت» (De-skilling) در نسل آینده پزشکان است. اگر AI ارزیابی‌های فوری ارائه دهد، پزشکان دستیار (رزیدنت‌ها) ممکن است هرگز تخصص سخت‌به‌دست‌آمده در معاینات فیزیکی و اخذ تاریخچه را یاد نگیرند. این وضعیت شبیه به صحنه‌های سریال The Pitt است که در آن دکتر رابی رزیدنت‌ها را مجبور می‌کند ارزیابی‌های فوری ارائه دهند — مهارتی که وقتی AI پاسخ را در لحظه در اختیار دارد، غیرضروری می‌شود.
پزشکان در مسیری هستند که چنان به AI متکی شوند که قضاوت شخصی و دانش آن‌ها کم‌رنگ شود. این روند تسریع جایگزینی را بیشتر می‌کند، زیرا پزشکان جدید نیازی نمی‌بینند سال‌ها وقت صرف یادگیری چیزی کنند که می‌توانند با یک پرس‌وجو از یک متخصص AI که در جیبشان (در قالب گوشی) است، به دست آورند.
در حال حاضر AMA در حال بحث است که آیا مدارس پزشکی و برنامه‌های رزیدنتی باید استفاده از AI را در دوران آموزش محدود کنند یا خیر. وایت یک پرسش حیاتی را مطرح می‌کند: اگر یک کارآموز هرگز یاد نگیرد چگونه تاریخچه پزشکی بگیرد یا معاینه فیزیکی انجام دهد، چگونه خواهد توانست واقعاً یاد بگیرد؟ در مقابل، برخی استدلال می‌کنند که نادیده گرفتن چنین ابزاری، خود نوعی قصور پزشکی (Malpractice) است.
آینده حرفه پزشکی
وینود خوشلا موضع سخت‌تری دارد و معتقد است پزشکان برای تخصص و قضاوت تا حد زیادی زائد هستند. او باور دارد انسان‌ها در کوتاه‌مدت تنها در سه حوزه ضروری‌اند:
- جراحی
- مراقبت‌های اورژانس
- ایفای نقش به عنوان مناظره‌کننده با AI برای بهبود سیستم‌ها
در همین حال، نیل خوشلا انتظار دارد در سال‌های آینده، مجوزهای قانونی برای تجویز مستقل دارو توسط AI صادر شود.
این تغییر یعنی پایان عصر «نابغه تشخیص» — شبیه به شخصیت سریال House. یک دکتر هاوس در این دنیا بی‌کار و بی‌خانمان می‌شود، چون AI می‌تواند به‌طور رایگان و روتین، گسترده‌ترین پایگاه دانش را برای نایاب‌ترین بیماری‌ها به کار بگیرد. ارزش پزشک انسانی از «دانستن جواب» به «رساندن خبر» از طریق همدلی و ارتباطات با EQ بالا تغییر می‌کند. کسانی که رویه‌های عملی و دستی (Hands-on) انجام می‌دهند فعلاً در امان هستند — تا زمانی که ربات‌ها این کار را هم یاد بگیرند. برای درک بهتر این تحول در سطح سلولی، می‌توان به تلاش‌هایی مانند Vivodyne اشاره کرد که با جایگزینی مدل‌های حیوانی با داده‌های انسانی، دقت AI را در پزشکی افزایش می‌دهد.
این بحث حتی فراتر از پزشکی است و به پرسش گسترده‌تری درباره این می‌پردازد که چه کاری برای انسان‌ها باقی می‌ماند. بیل گیتس اخیراً در نقد خود به AI پیشنهاد داده که جامعه ممکن است برخی وظایف را «مخصوص انسان» تعریف کند (مانند مشاوره به بیماران درباره پیش‌آگهی‌های AI) تا از فروپاشی اقتصادی و شورش‌های اجتماعی جلوگیری شود. اما چنین راهکاری برای سهامداران شرکتی که از پرداخت هزینه برای مشاغل «ساختگی» (Make-work) بیزارند، جذاب نیست. شاید تنها تسلی دل‌بخته‌ها این باشد که توصیه‌های پزشکی درجه یک، اکنون تنها یک کلیک فاصله دارد.
گام بعدی شما
- اگر در حوزه سلامت فعالیت می‌کنید، روی مهارت‌های ارتباطی و هوش عاطفی (EQ) سرمایه‌گذاری کنید؛ جایی که AI هنوز ضعیف است.
- ابزارهای AI را نه به‌عنوان جایگزین، بلکه به‌عنوان لایه‌ای برای اعتبارسنجی تشخیص‌های اولیه به کار بگیرید.
- روند تغییر مجوزهای قانونی برای تجویز دارو توسط AI را در بازارهای جهانی دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو