نولا هلث مجوز صدور نسخه‌ی اولیه آکنه توسط هوش مصنوعی را در یوتا گرفت

تصور کنید به‌جای انتظار دو ماه برای یک وقت معاینه، با یک اسکن ساده از چهره با گوشی هوشمند، نسخه‌ی دارویی درمان آکنه را دریافت کنید. در ۵ اکتبر ۲۰۲۶، شرکت نولا هلث (Nolla Health) اپلیکیشن نولا درم (Nolla Derm) را برای ساکنان ۱۸ سال به بالای ایالت یوتا عرضه کرد تا هوش مصنوعی بتواند نسخه‌های اولیه درمان‌های موضعی آکنه را صادر کند.

این اقدام یک چرخش راهبردی در قوانین بهداشتی است. در حالی که پیش از این مدل‌های آزمایشی هوش مصنوعی در حوزه سلامت تنها بر تمدید نسخه‌های موجود تمرکز داشتند، اکنون برای نخستین بار یک نهاد نظارتی در ایالات متحده اجازه داده است که هوش مصنوعی نسخه‌ی اولیه (Initial Prescription) صادر کند. این سرویس قصد دارد شکاف بحرانی دسترسی به پزشک را پر کند؛ بر اساس پیشنهاد و مستندات نولا، میانگین زمان انتظار برای متخصصان پوست در یوتا ۶۱ روز است که تقریباً دو برابر میانگین ملی (۳۲.۳ روز) است. نولا اشاره می‌کند که در ۱۱ شهرستان یوتا هیچ متخصص پوستی وجود ندارد و از تخمین ۱۰۰ هزار نفر مبتلا به آکنه فعال در یوتا، تنها حدود ۱۰٪ هرگز به متخصص دسترسی پیدا می‌کنند.

سندباکس قانونی (The Regulatory Sandbox)

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی استقرار مدل‌های زبانی در حوزه‌های حساس اشاره کردیم، گذار از دستیار اداری به عامل تصمیم‌گیر، نیازمند حفاظ‌های سخت‌گیرانه است. این پروژه در قالب یک «سندباکس قانونی» یا محیط آزمایشی — شبیه به یک محیط شبیه‌ساز که در آن قوانین سخت‌گیرانه موقتاً کنار گذاشته می‌شوند تا نوآوری‌ها بدون ریسک قانونی تست شوند — اجرا می‌شود. این توافق ۱۲ ماهه بین نولا هلث (از طریق شرکت Magic Health, Inc. و شرکت تابعه آن Magic Health Services, LLC) و وزارت بازرگانی یوتا منعقد شده است. به‌طور مشخص، این توافق شامل «دفتر سیاست‌های هوش مصنوعی» و «بخش مجوزهای حرفه‌ای» است. اسناد عمومی نشان می‌دهد این طرح در ۲۲ سپتامبر ۲۰۲۶ تأیید و امضا شده است و امضاهای اجرایی آن به تاریخ ۲۱ سپتامبر ۲۰۲۶ بازمی‌گردد.

این توافق به معنای «تخفیف نظارتی» (Regulatory Mitigation) است؛ یعنی تا زمانی که هوش مصنوعی پروتکل‌های مشخص را برای نسخه‌های اولیه یا تمدید درمان‌های موضعی آکنه دنبال کند، ایالت اقدامات اجرایی یا جریمه‌هایی را بابت عدم داشتن مجوزهای سنتی، رفتار غیرحرفه‌ای یا تخلفات مربوط به الزامات تله‌مدیسین (Telemedicine) علیه شرکت انجام نخواهد داد. این حمایت قانونی همچنین شامل پزشکانی می‌شود که با نولا هلث همکاری می‌کنند و به این سیستم تکیه می‌کنند. البته ایالت تأکید کرده است که این اقدام صرفاً یک «اعطای تخفیف نظارتی» است و به معنای تأییدیه یا مهر تأیید نهایی دولت یوتا بر این فناوری نیست.

طبق قوانین ایالتی، این محیط‌های آزمایشی حداکثر ۱۲ ماه اعتبار دارند و تنها دو بار (هر بار ۱۲ ماه) قابل تمدید هستند. دفتر سیاست‌های هوش مصنوعی می‌تواند در هر زمان این توافق را پایان دهد. برای حفظ نظارت، شرکت‌های شرکت‌کننده باید ماهانه معیارهای کمی را گزارش کنند و این دفتر باید پیش از ۳۰ نوامبر هر سال، گزارش‌های خود را به «کمیته موقت کسب‌وکار و کار» در قوه مقننه ارائه دهد. علاوه بر این، ایالت ارزیابان مستقل ثالث را استخدام کرده است تا این طرح‌های آزمایشی را از طریق بازرسی لاگ‌های تصمیم‌گیری، تست استرس حفاظ‌ها (Guardrails) و ارزیابی نتایج بیماران، ممیزی کند.

برای تضمین ایمنی، ایالت یک فرآیند نظارتی سه مرحله‌ای را پیاده‌سازی کرده است:

• مرحله اول: حداقل چهار هفته به طول می‌انجامد و ۱۰۰ بیمار اول را پوشش می‌دهد. در این مرحله، هر نسخه صادر شده توسط هوش مصنوعی باید به‌طور مستقل توسط دو پزشک دارای مجوز در یوتا بررسی و تأیید شود تا به دست بیمار برسد.
• مرحله دوم: حداقل هشت هفته به طول می‌انجامد و تا ۵۰۰ بیمار تجمعی را پوشش می‌دهد. در این مرحله هوش مصنوعی نسخه‌ها را مستقیماً صادر می‌کند، اما پزشکان باید هر پرونده را حداقل به‌صورت هفتگی و به‌صورت بازگشتی (Retrospectively) بررسی کنند.
• مرحله سوم: زمانی فعال می‌شود که تعداد بیماران به ۷۵۰ نفر برسد. در این مرحله، پزشکان ماهانه نمونه‌ای حداقل ۱۰٪ از حجم کل و تمام پرونده‌های مربوط به عوارض جانبی یا موارد ارجاع (Escalation) را بررسی می‌کنند.

برای عبور از هر یک از این مراحل، تأییدیه کتبی از دفتر سیاست‌های هوش مصنوعی لازم است. نولا باید به اهدافی چون نرخ توافق حداقل ۹۵٪ بین هوش مصنوعی و پزشکان ناظر، عدم وجود هیچ‌گونه خطای عبور از «توقف‌های سخت» (Hard Stops) پس از نمونه‌برداری، و ثبت صفر مورد عارضه جانبی جدی دست یابد. هرگونه عارضه جانبی جدی منجر به بررسی فوری و توقف موقت برنامه می‌شود.

حفاظ‌های فنی و جریان پذیرش بیمار

هوش مصنوعی (AI) در اینجا قدرت تصمیم‌گیری آزاد و باز (Free-form) ندارد. به نقل از دکتر زاید فادول، پزشک ناظر پروژه، سیستم از میان پروتکل‌های پیش‌تأیید شده و بررسی شده توسط پزشکان انتخاب می‌کند. لیست داروهای مجاز (Formulary) بسیار محدود است و تنها درمان‌های موضعی برای آکنه خفیف تا متوسط را پوشش می‌دهد. این لیست شامل موارد زیر است:

• ترتینوئین (Tretinoin)
• آداپالین (Adapalene)
• کلیندامایسین همراه با بنزوئیل پراکسید
• بنزوئیل پراکسید
• اسید آزالائیک
• نسخه‌های ترکیبی (Compounded) فرموله شده با نیاسینامید
• دو فرمولاسیون از اسپیرونولاکتون موضعی

داروهای خوراکی، ایزوترتینوئین (Isotretinoin) و موارد شدید آکنه کاملاً خارج از محدوده این طرح آزمایشی هستند. هوش مصنوعی مجاز نیست هیچ درمانی خارج از این لیست مشخص را توصیه کند.

فرآیند پذیرش بیمار ۱۰ تا ۱۵ دقیقه زمان می‌برد. کاربران هویت خود را از طریق استرایپ آیدنتیتی (Stripe Identity) با استفاده از یک کارت شناسایی عکس‌دار دولتی و یک عکس سلفی تأیید می‌کنند. محل سکونت از طریق موقعیت مکانی (Geolocation) گوشی و آدرس ارسال دارو تأیید می‌شود؛ نسخه‌ها تنها به آدرس‌های داخل یوتا ارسال می‌گردند. پس از تکمیل مراحل رضایت‌آگاهانه (Informed-consent) و یک پرسشنامه کوتاه ورودی، بیماران یک اسکن چهره از ۵ زاویه ارائه می‌دهند. سپس هوش مصنوعی شدت آکنه را با استفاده از مقیاس IGA (ارزیابی جهانی محقق) بر اساس تصاویر امتیازدهی می‌کند، نه بر اساس گزارش‌های شخصی بیمار. این رویکرد مبتنی بر تحلیل تصویر، مشابه پیشرفت‌های اخیر در تشخیص‌های پیچیده‌تر است؛ برای مثال، مدل Damo Radar علی‌بابا توانسته است ۱۴۶ بیماری شکمی را تنها از روی سی‌تی‌اسکن‌ها تشخیص دهد که نشان‌دهنده قدرت روزافزون بینایی ماشین در پزشکی است.

حفاظ‌های سخت‌گیرانه‌ای (Hard Stops) تعریف شده است که منجر به دخالت انسان یا رد درخواست می‌شود:

• ارجاع به پزشک: هر امتیاز آکنه بالای ۳.۵ در مقیاس ۵ امتیازی IGA نیاز به بررسی پزشک دارد؛ امتیاز ۴.۰ بیمار را مستقیماً به مراقبت‌های پوستی حضوری ارجاع می‌دهد.
• رد خودکار: بارداری، برنامه‌ریزی برای بارداری، شیردهی، نقص سیستم ایمنی، بیماری‌های شدید کلیوی یا کبدی، یا سابقه واکنش به داروهای موجود در لیست، منجر به توقف فوری فرآیند می‌شود.
• عدم صلاحیت: سن زیر ۱۸ سال، آدرس‌های خارج از یوتا یا شکست در احراز هویت منجر به رد فوری درخواست می‌گردد.

اعتبارسنجی و هزینه‌ها

نولا گزارش می‌دهد که مدل امتیازدهی شدت آکنه روی بیش از ۱۰۰ هزار مورد برچسب‌گذاری شده آموزش دیده و در یک مجموعه تست مجزا شامل ۱۰,۳۴۸ مورد، به ضریب تعیین (R-squared) ۰.۹۴۷ دست یافته است. در تست‌های واقعی اخیر، پزشکان دارای مجوز در حدود ۹۶٪ از ۱,۰۰۰ مورد درمان با توصیه‌های هوش مصنوعی موافق بوده‌اند و اختلافات تنها محدود به تنظیمات جزئی در دوز دارو در همان کلاس دارویی بوده است.

شفافیت در فرآیند نسخه‌نویسی گنجانده شده است. هر نسخه تحت کد NPI (شناسه ملی پزشک) پزشک ناظر ارسال می‌شود و در سوابق به صراحت ذکر می‌گردد که این نسخه توسط هوش مصنوعی آغاز شده است. داروخانه‌ها مطلع می‌شوند که نسخه توسط AI تولید شده و اطلاعات تماس پزشکان نولا در اختیار آن‌ها قرار می‌گیرد.

مدل قیمت‌گذاری نولا برای رقابت با ویزیت‌های سنتی (که نولا ادعا می‌کند بین ۱۵۰ تا ۳۰۰ دلار هزینه دارند) طراحی شده است. هزینه اپلیکیشن در دوره آزمایشی ۴.۹۹ دلار در ماه است (که از قیمت استاندارد ۹.۹۹ دلار تخفیف خورده است). سپس بیماران می‌توانند یکی از گزینه‌های زیر را انتخاب کنند:

• معادل‌های ژنریک: که معمولاً بین ۱۰ تا ۴۰ دلار در داروخانه‌های محلی هزینه دارند.
• داروهای ترکیبی ارسال‌شده به منزل: ۴۹.۹۹ دلار برای درمان‌های صبح و شب. نولا اعلام کرده است که این مبلغ مستقیماً به شریک ترکیبی (Compounding partner) پرداخت می‌شود و شرکت هیچ هزینه معرفی (Referral fee) دریافت نمی‌کند.

بیماران می‌توانند بدون هزینه اضافی به یک پزشک دارای مجوز پیام دهند؛ شرکت تصریح کرده است که یک پزشک انسان، و نه هوش مصنوعی، به این پیام‌ها پاسخ می‌دهد. همچنین برنامه‌های درمانی پس از هر ۲۸ اسکن روزانه بازبینی می‌شوند.

تحلیل

این طرح نقش هوش مصنوعی را از یک دستیار اداری به یک عامل تشخیص اولیه تغییر می‌دهد. نولا با گذار از «تمدید نسخه» به «نسخه اولیه»، در حال تست این فرضیه است که آیا هوش مصنوعی می‌تواند حساس‌ترین بخش زنجیره پزشکی، یعنی تشخیص نخست، را به‌طور ایمن مدیریت کند. این موضوع نولا را از پروژه‌های دیگر یوتا متمایز می‌سازد؛ برای مثال پروژه Doctronic (فعال از ۲۴ اکتبر ۲۰۲۵) که تنها تمدید نسخه‌ها را پردازش می‌کند. سایر توافقات اخیر شامل August AI برای تمدیدهای روتین و Expect Fitness برای فیزیوتراپی کف لگن است.

برای مصرف‌کننده، این یعنی کاهش شدید سد ورود به مراقبت‌های تخصصی. نولا که در تابستان ۲۰۲۵ وارد بازار آمریکا شد و با حمایت مالی General Catalyst به ۱۷۵ هزار دانلود در ۴۴ ایالت رسید، خود را به‌عنوان راهکاری مقیاس‌پذیر برای کمبود متخصص معرفی می‌کند.

با این حال، تکیه بر «سندباکس قانونی» نشان می‌دهد که چارچوب حقوقی پزشکیِ مبتنی بر AI هنوز در مرحله آزمایش است. موفقیت این طرح احتمالاً به هدف «صفر مورد عارضه جانبی جدی» برای عبور از مراحل نظارتی بستگی دارد. نولا موظف است عوارض جانبی را ظرف ۲۴ ساعت به ایالت گزارش دهد و گزارش‌های ماهانه را تا پانزدهمین روز ماه بعد ارسال کند.

اگر نولا بتواند نرخ توافق ۹۶٪ با پزشکان را در مقیاس وسیع حفظ کند، الگویی برای سایر ایالت‌ها جهت دور زدن کمبود متخصص فراهم می‌کند. تست واقعی این خواهد بود که آیا هوش مصنوعی می‌تواند این دقت را در رنگ‌های مختلف پوست و موارد غیرتیپیک آکنه، بدون نظارت انسانی بر هر مورد، حفظ کند یا خیر. برای مشاهده اینکه آیا نتایج واقعی بیماران با داده‌های آموزشی مطابقت دارد، باید منتظر اولین گزارش عمومی فصلی دفتر سیاست‌های هوش مصنوعی یوتا بود.

گام بعدی شما

• اگر در حوزه HealthTech فعالیت می‌کنید، مدل «تخفیف نظارتی» یوتا را به‌عنوان الگویی برای ورود به بازارهای سخت‌گیرانه بررسی کنید.
• نتایج گزارش‌های فصلی دفتر سیاست‌های AI یوتا را دنبال کنید تا ببینید آیا دقت ۹۶٪ در مقیاس واقعی حفظ می‌شود یا خیر.
• بررسی کنید که چگونه ترکیب احراز هویت سخت‌گیرانه (Stripe) و محدودیت جغرافیایی می‌تواند ریسک‌های قانونی استقرار AI را کاهش دهد.

اما چالش واقعی، حفظ این دقت در رنگ‌های مختلف پوست و موارد غیرتیپیک است — در تحلیل ما درباره‌ی سوگیری‌های بصری در مدل‌های تشخیص پزشکی بخوانید.