توسعه ۷۲ طرح هوش مصنوعی در سلامت در دانشگاه علوم پزشکی تهران/ تدوین سند ملی و ضوابط اخلاقی استفاده از هوش مصنوعی در پزشکی

به گزارش خبرنگار آنا، نشست خبری رونمایی از تمبر یادبود هوش مصنوعی در سلامت، روز یکشنبه سوم آبان‌ماه ۱۴۰۵ در مرکز آموزش پزشکی سینا برگزار شد. در این نشست، مسئولان بیمارستان سینا، پژوهشگاه ارتباطات و فناوری اطلاعات و دانشگاه علوم پزشکی تهران درباره ضرورت توسعه هوش مصنوعی در نظام سلامت، حفاظت از داده‌های پزشکی و طرح‌های در حال اجرا در این حوزه توضیح دادند.

بیمارستان سینا به دنبال تبدیل رویداد هوش مصنوعی در سلامت به برنامه‌ای ملی است

پرهام طالبیان، رئیس بیمارستان سینا، با اشاره به سابقه این بیمارستان در شکل‌گیری برخی خدمات و رشته‌های تخصصی پزشکی اظهار کرد: بسیاری از نخستین تجربه‌ها در رشته‌ها و بخش‌های تخصصی و فوق‌تخصصی در بیمارستان سینا شکل گرفته است.

وی از ایجاد نخستین بخش اورژانس دولتی، آزمایشگاه کلاسیک دولتی، بخش پاتولوژی و بخش اورولوژی در این بیمارستان به‌عنوان نمونه‌هایی از این پیشینه نام برد و گفت: نخستین استاد اورولوژی نیز در سینا فعالیت داشته و نخستین پیوند کلیه از فرد دچار مرگ مغزی در این بیمارستان انجام شده است.

رئیس بیمارستان سینا همچنین به برخی اقدامات در حوزه جراحی عروق اشاره کرد و بر جایگاه تاریخی این مرکز در توسعه خدمات پزشکی کشور تأکید داشت.

طالبیان با اشاره به برگزاری آیین رونمایی از تمبر یادبود هوش مصنوعی در سلامت گفت: پس از ابلاغ قانون ملی توسعه هوش مصنوعی از سوی رئیس‌جمهور، دستگاه‌ها موظف‌اند برای دستیابی به اهداف خود از چارچوب‌های تعیین‌شده در این حوزه استفاده کنند. در همین راستا، بیمارستان سینا با حمایت وزارت بهداشت و دانشگاه علوم پزشکی تهران، از پژوهشگاه ارتباطات و فناوری اطلاعات برای همکاری در این زمینه کمک گرفت.

وی افزود: در جلسات مشترک، سه محور اصلی مورد توجه قرار گرفت؛ نخست، برگزاری این رویداد و رونمایی از تمبر یادبود هوش مصنوعی در سلامت؛ دوم، بررسی وضعیت فعلی کشور در زمینه هوش مصنوعی، مسیر طی‌شده و برنامه‌های آینده؛ و سوم، تبدیل این رویداد به برنامه‌ای ملی و سالانه.

رئیس بیمارستان سینا توضیح داد: هدف این است که بیمارستان‌ها و دانشگاه‌های کشور بتوانند مسائل و مشکلات خود را از طریق یک دبیرخانه مشخص مطرح کنند تا این مسائل بر اساس اولویت دسته‌بندی شوند و با کمک پژوهشگاه‌ها و شرکت‌های دانش‌بنیان برای حل آنها راهکار ارائه شود.

حفاظت از داده‌های سلامت و گمنام‌سازی اطلاعات

محمدحسین شیخی، رئیس پژوهشگاه ارتباطات و فناوری اطلاعات، نیز با اشاره به اهمیت استفاده از داده‌ها برای تصمیم‌سازی در حوزه پزشکی گفت: توسعه هوش مصنوعی در سلامت باید به‌گونه‌ای انجام شود که ضمن بهره‌گیری از ظرفیت داده‌ها، امنیت و محرمانگی اطلاعات نیز حفظ شود.

وی با اشاره به تجربه آمریکا در استفاده از فناوری‌های هوش مصنوعی در پزشکی اظهار کرد: بررسی حدود یک‌هزار و ۶۰۰ محصول دارای مجوز نشان می‌دهد که در این کشور، فرایند جدی و مهمی برای استفاده از این فناوری در حوزه پزشکی در حال انجام است.

شیخی تأکید کرد: در کشور نیز باید مراقب باشیم داده‌های سلامت بدون رعایت ملاحظات لازم در اختیار مجموعه‌های خارج از مرز‌ها قرار نگیرد. یکی از اقدامات مهم در این زمینه، گمنام‌سازی داده‌هاست؛ موضوعی که پژوهشگاه ارتباطات و فناوری اطلاعات می‌تواند در آن به مراکز درمانی و دانشگاه‌ها کمک کند.

رئیس پژوهشگاه ارتباطات و فناوری اطلاعات با اعلام آمادگی این مجموعه برای همکاری با بیمارستان سینا گفت: پژوهشگاه می‌تواند در تعریف مسئله، گمنام‌سازی داده‌ها و پیشبرد طرح‌های ملی هوش مصنوعی در سلامت مشارکت داشته باشد. همچنین زیرساخت‌هایی در این پژوهشگاه در حال آماده‌سازی است که قرار است در سال جاری وارد چرخه فعالیت شود.

وی افزود: انتظار می‌رود حرکت آغازشده در بیمارستان سینا به جریانی ملی تبدیل شود و خروجی‌های ملموس و قابل استفاده‌ای برای مردم، بیماران و کشور داشته باشد.

تدوین سند ملی توسعه هوش مصنوعی در سلامت

رامین کردی، معاون پژوهشی دانشگاه علوم پزشکی تهران، با تشریح اقدامات این دانشگاه در زمینه توسعه هوش مصنوعی در سلامت گفت: سند ملی توسعه کاربرد هوش مصنوعی در سلامت تدوین شده و برای ادامه فرایند تدوین و پیگیری‌های مربوط ارسال شده است.

وی افزود: یکی از موضوعات مهم این حوزه، اعتباربخشی ابزار‌های هوش مصنوعی پیش از استفاده در نظام سلامت است. بر همین اساس، طرحی برای تدوین مدل اعتباربخشی این ابزار‌ها در مدت شش ماه پیگیری شد و آیین‌نامه‌های مربوط به سازمان غذا و دارو ارسال شد.

معاون پژوهشی دانشگاه علوم پزشکی تهران ادامه داد: در این برنامه، تعدادی از ابزار‌ها برای ارزیابی معرفی شده‌اند تا پس از بررسی بر اساس مدل تعیین‌شده، نتایج به سازمان غذا و دارو ارائه شود.

کردی با اشاره به اقدامات انجام‌شده در حوزه اخلاق هوش مصنوعی گفت: کد‌های اخلاقی استفاده از هوش مصنوعی در سلامت تدوین شده و در کمیته مرکزی اخلاق وزارت بهداشت در انتظار ابلاغ است. همچنین قوانین و مقررات مربوط به استفاده از داده‌های سلامت نیز تدوین شده است.

پذیرش ۷۲ طرح از میان ۲۸۱ پیشنهاد

وی با اشاره به فراخوان‌های دانشگاه علوم پزشکی تهران برای حمایت از طرح‌های هوش مصنوعی در سلامت اظهار کرد: در مجموع ۲۸۱ طرح به این فراخوان‌ها ارسال شد که پس از طی فرایند داوری، ۷۲ طرح پذیرفته شد.

کردی توضیح داد: در فرایند ارزیابی طرح‌ها تلاش شد هر پروژه با مشارکت یک متخصص حوزه پزشکی و یک مجموعه فنی، شامل استاد دانشگاه یا شرکت، پیش برود تا نیاز‌های واقعی نظام سلامت با توانمندی‌های فنی پیوند بخورد.

وی با اشاره به تنوع طرح‌های ارائه‌شده گفت: بخشی از پروژه‌ها در زمینه پردازش تصویر و استفاده از ابزار‌های هوشمند برای تشخیص یا اندازه‌گیری خودکار در تصویربرداری پزشکی تعریف شده‌اند. از جمله این کاربرد‌ها می‌توان به بررسی تصاویر سونوگرافی، کمک به تشخیص بیماری‌ها از تصاویر پاتولوژی و تحلیل نوار قلب و اکو اشاره کرد.

معاون پژوهشی دانشگاه علوم پزشکی تهران افزود: پیش‌بینی بیماری‌ها و کمک به تشخیص سکته‌های مغزی از دیگر زمینه‌های مورد توجه در این طرح‌هاست. همچنین پروژه‌هایی برای بررسی تصاویر پزشکی و شناسایی خودکار برخی نشانه‌های بیماری‌ها در حال اجراست.

توسعه دارو با کمک هوش مصنوعی

کردی با اشاره به پروژه‌های مرتبط با داروسازی گفت: سال گذشته چهار طرح در این حوزه داشتیم و یکی از دارو‌هایی که با کمک هوش مصنوعی طراحی شده بود، برای فشار خون و مشکلات کلیوی، در مرکز رشد دانشگاه تولید شد.

وی افزود: در حال حاضر نیز چهار دارو با کمک هوش مصنوعی در مرحله توسعه قرار دارند و پیش‌بینی می‌شود دست‌کم دو مورد از آنها در سال جاری به نتیجه برسند.

از تشخیص ضایعات پوستی تا شناسایی پلاک‌های‌ام‌اس

معاون پژوهشی دانشگاه علوم پزشکی تهران با اشاره به دیگر پروژه‌های در حال اجرا اظهار کرد: از جمله طرح‌های تکمیل‌شده، توسعه مدل‌هایی برای بررسی تصاویر پوست و برآورد احتمال ابتلا به ملانوما، تشخیص خودکار پلاک‌های‌ام‌اس در تصاویر‌ام‌آر‌آی و استفاده از هوش مصنوعی در تحلیل داده‌های سلامت است.

وی همچنین به پروژه‌هایی در زمینه مدیریت هوشمند مراقبت از بیماران دیابتی، پزشکی شخصی‌سازی‌شده و تشخیص دمانس اشاره کرد و گفت: در حوزه تصویربرداری پزشکی نیز پروژه‌هایی برای بازسازی یا شبیه‌سازی برخی تصاویر و بهبود فرایند‌های تشخیصی در حال انجام است.

کردی افزود: از دیگر نمونه‌ها می‌توان به توسعه ابزار‌های خودکار برای تحلیل ماموگرافی، کمک به تشخیص در جراحی زانو و ارزیابی تراکم استخوان با استفاده از تصاویر پزشکی اشاره کرد.

استفاده از هوش مصنوعی برای آموزش بیماران

وی با اشاره به کاربرد هوش مصنوعی در ارتباط با بیماران گفت: در بیمارستان امام، نمونه‌ای از این فناوری برای آموزش بیمار در حال استفاده است. در این روش، اطلاعات پرونده بیمار در اختیار سامانه قرار می‌گیرد تا خلاصه‌ای از اطلاعات و آموزش‌های متناسب با تشخیص بیمار تهیه شود.

معاون پژوهشی دانشگاه علوم پزشکی تهران تأکید کرد که پروژه‌های متعددی در حوزه‌های مختلف سلامت در دانشگاه و مراکز پژوهشی در حال اجراست و توسعه آنها نیازمند زیرساخت‌های مناسب است.

کردی در پایان با اشاره به نیاز این مجموعه به منابع پردازشی، خواستار همکاری برای تأمین زیرساخت‌های مورد نیاز شد تا امکان توسعه مدل‌های هوش مصنوعی متناسب با نیاز‌های کشور فراهم شود.