دکتر محمد مهدی قائمی، پزشک و متخصص انفورماتیک پزشکی، از ضرورت استاندارد سازی داده ها تا نقش هوش مصنوعی در شخصی سازی درمان می گوید

در عصر تحول دیجیتال، شکاف میان نیازهای پزشک در اتاق معاینه و ابزارهای تکنولوژیک موجود، یکی از بزرگ‌ترین چالش‌های نظام سلامت است. دکتر محمدمهدی قائمی، مدیر گروه علوم اطلاعات سلامت دانشگاه کرمان، در این مصاحبه به تحلیل معضل «جزیره‌ای بودن داده‌ها»، ضرورت ارزیابی کیفی نرم‌افزارها و چگونگی همگام شدن پزشکان با هوش مصنوعی برای دستیابی به پزشکی دقیق و شخصی‌سازی‌شده می‌پردازد

جناب آقای دکتر، ضمن تبریک روز پزشک، لطفاً خودتان را معرفی کنید.

با سلام. من محمدمهدی قائمی هستم؛ پزشک عمومی و متخصص انفورماتیک پزشکی، مدیر گروه علوم اطلاعات سلامت دانشکده مدیریت و اطلاع‌رسانی، و رئیس مرکز تحقیقات انفورماتیک پزشکی دانشگاه علوم پزشکی کرمان.

چرا از رشته پزشکی وارد رشته انفورماتیک پزشکی شدید؟

من قبل از ورود به رشته پزشکی، از دوران دبیرستان به حوزه کامپیوتر و IT علاقه زیادی داشتم. در حین دوران دانشجویی نیز فعالیت‌هایی در زمینه برنامه‌نویسی و گرافیک انجام می‌دادم. پس از آن سعی کردم توانایی‌هایم در حوزه کامپیوتر را با دانش پزشکی‌ام تلفیق کنم و از فناوری اطلاعات در حوزه سلامت بهره ببرم.

محوراول : پیوند تجربه بالینی و فناوری

به عنوان کسی که هم در خط مقدم درمان (بالین) بوده و هم در دنیای داده‌ها و الگوریتم‌ها، بزرگترین شکافی که در حال حاضر بین «نیازهای پزشکان در اتاق معاینه» و «ابزارهای تکنولوژیک موجود» می‌بینید، چیست؟

ما هنوز با شکاف‌های ساده‌ای در ایران روبرو هستیم. قرار است تکنولوژی، کارها را برای ما آسان‌تر کند و امنیت داده‌ها و جمع‌آوری آن‌ها را بهبود بخشد؛ اما گاهی ابزارهایی تولید می‌کنیم که چنان وقت پزشک را می‌گیرند که عملاً غیرقابل استفاده می‌شوند. به دلیل تداخلی که استفاده از این ابزارها با زمان پزشک ایجاد می‌کند، استفاده از آن‌ها کاهش یافته است. گاهی پزشکان را مجبور به استفاده می‌کنیم، اما این اجبار تنها در حد رفع تکلیف است. تکنولوژی باید ذخیره‌سازی، استفاده و تحلیل داده‌ها را تسهیل کند، اما اگر پایه و اساس کار که «جمع‌آوری داده‌های صحیح» است فراهم نباشد، استفاده از تکنولوژی کارآمد نخواهد بود. بنابراین به نظر من، بزرگترین معضل ما در ایران این است که داده‌های مناسب را به‌درستی جمع‌آوری نمی‌کنیم.

اولین بار چه زمانی متوجه شدید که برای حل یک مشکل بالینی، به جای استفاده از روش‌های سنتی، باید به سراغ دانش انفورماتیک بروید؟ آن تجربه چه بود؟

همزمان با ورود فناوری‌های مبتنی بر IT به حوزه پزشکی، کاربردهای آن نیز آشکار شد. حدود ۲۰ تا ۲۵ سال پیش، HISها (سیستم‌های اطلاعات بیمارستانی) وارد ایران شدند و پس از آن، سیستم‌های اطلاعاتی دیگری برای جمع‌آوری داده‌ها ایجاد شدند. این‌ها اولین برخوردهای ما با IT در پزشکی بود. من همزمان که در حال تحصیل در رشته پزشکی بودم، به این فکر می‌کردم که چگونه می‌توان از IT در این حوزه استفاده کرد. از سال چهارم و پنجم پزشکی در حوزه آموزش از فناوری بهره بردم که نتیجه آن، پایان‌نامه دوره پزشکی من با موضوع «نرم‌افزار کالبدشناسی تنه» شد؛ این پایان‌نامه بین سال‌های ۸۰ تا ۸۲، اولین نرم‌افزاری بود که در دانشگاه علوم پزشکی کرمان ارائه شد.

محور دوم: تحول دیجیتال و آینده پزشکی

با توجه به پیشرفت‌های اخیر در هوش مصنوعی مولد (Generative AI)، فکر می‌کنید کدام بخش از وظایف روزمره یک پزشک در ۵ سال آینده کاملاً خودکار می‌شود و کدام بخش هرگز توسط ماشین جایگزین نخواهد شد؟

ماشین نیز مانند سایر ابزارهای تکنولوژیک است و نمی‌توان تمام امور حوزه سلامت را به آن سپرد؛ بلکه فقط می‌توان از آن کمک گرفت. هرچقدر هم تکنولوژی پیشرفت کند، مسئول نهایی، پزشک است. هوش مصنوعی می‌تواند به عنوان یک ابزار کمکی عمل کند و مواردی را که ممکن است پزشک فراموش کرده باشد، یادآوری کند. من فعلاً جایگزینی برای ارائه‌دهندگان خدمات سلامت نمی‌بینم.

ما هنوز با معضلاتی مثل «جزیره‌ای بودن داده‌ها» در سیستم‌های سلامت روبرو هستیم. به نظر شما راهکار عملی برای رسیدن به یکپارچگی واقعی داده‌های سلامت در ایران چیست؟

برای یکپارچگی داده‌ها در تمام دنیا استانداردهایی رعایت می‌شود. اگر ما نیز از همان استانداردها پیروی کنیم، می‌توانیم داده‌ها را یکپارچه کرده و تبادل اطلاعات داشته باشیم. در حال حاضر، نرم‌افزارهای ما در ایران قابلیت تبادل داده با یکدیگر را ندارند و ما با مشکلات استانداردسازی فرایندها و داده‌ها مواجه هستیم. بنابراین راهکار عملی این است که از استانداردها به‌درستی پیروی شود.

انفورماتیک پزشکی چگونه می‌تواند به پزشکان عمومی کمک کند تا از «پزشکی یکسان برای همه» به سمت «پزشکی دقیق و شخصی‌سازی‌شده» حرکت کنند؟

در پزشکی شخصی‌سازی‌شده، تصمیم‌گیری‌ها با توجه به خصوصیات خاص فرد و خانواده‌اش، رژیم غذایی و ورزشی، سوابق بیماری‌های خانوادگی و داروهای در حال مصرف انجام می‌شود. به نظر من، سیستم‌های مبتنی بر هوش مصنوعی با در اختیار داشتن حجم عظیمی از داده‌ها، می‌توانند افرادی را که دارای شرایط مشابه هستند، شناسایی کنند. وقتی پزشک از هوش مصنوعی به عنوان مشاور استفاده کند، این سیستم می‌تواند با بررسی اطلاعات بیماران در سراسر دنیا، بهترین درمان را به پزشک پیشنهاد دهد.

محور سوم: چالش‌ها و اخلاق

فناوری قرار بود کار پزشک را راحت‌تر کند، اما گاهی باعث افزایش خستگی و سردرگمی (به دلیل کار با سیستم‌های پیچیده) می‌شود. چگونه می‌توانیم «کاربرپسند بودن» را در تکنولوژی‌های سلامت اولویت دهیم؟

کاربرپسند بودن سیستم، یکی از شاخه‌های تخصصی انفورماتیک پزشکی است. متأسفانه برخی شرکت‌ها به این موضوع توجه نمی‌کنند؛ نرم‌افزار را تولید می‌کنند و صرفاً انجام یک‌سری «Task» یا وظیفه خاص برایشان مهم است، بدون اینکه سراغ ارزیابی نرم‌افزار بروند. به نظر من وزارت بهداشت باید قبل از صدور مجوز استفاده از یک نرم‌افزار در بیمارستان‌ها، حتماً گواهی ارزیابی کیفی آن را دریافت کند. این ارزیابی باید توسط مراکز مستقل یا سازمان‌های مردم‌نهاد (NGO) انجام شود، نه اینکه خودِ شرکت‌های سازنده، نرم‌افزارشان را ارزیابی کنند.

با افزایش استفاده از داده‌های بیماران برای آموزش الگوریتم‌های پزشکی، بزرگترین دغدغه اخلاقی که در این حوزه شما را نگران می‌کند چیست؟

می‌توان مدل‌های هوش مصنوعی را به صورت محلی (Local) آموزش داد؛ به این صورت که مدل‌ها در مراکز مختلف آموزش ببینند و سپس نتایج حاصل از آن‌ها تجمیع شود. با این روش، دیگر نیازی نیست داده‌های حساس بیماران از مراکز خارج شوند و حریم خصوصی آن‌ها حفظ خواهد شد.

محور چهارم: توصیه‌ها و مسیر شغلی

اگر بخواهید به دانشجویان پزشکی امروز یک مهارت «غیرپزشکی» پیشنهاد دهید که در آینده برای آن‌ها حیاتی خواهد بود، آن مهارت چیست و چرا؟

تا پیش از ظهور هوش مصنوعی، توصیه می‌کردم که تا حد امکان کار با کامپیوتر را بیاموزند؛ اما اکنون توصیه می‌کنم که حتماً «هوش مصنوعی» و کاربردهای آن را فرا بگیرند. در وهله اول، یادگیری نحوه استفاده از ابزارهای موجود و در صورت علاقه، یادگیری زبان‌های برنامه‌نویسی برای تولید ابزارهای جدید، از مهارت‌های ضروری برای پزشکان آینده است.

برای پزشکانی که در برابر پذیرش تکنولوژی‌های جدید مقاومت می‌کنند، چه استدلال یا استراتژی‌ای دارید که آن‌ها را به همراهی ترغیب کنید؟

باید ابتدا دلیل مقاومت آن‌ها را درک کنیم. برای مثال در مورد هوش مصنوعی، باید اطمینان داد که این فناوری جایگزین پزشک نخواهد بود. گاهی نیز علت مقاومت، دشواری استفاده از ابزارهاست؛ بنابراین باید ابزارها را ساده‌سازی کرد یا راهکارهای واسطی برای تسهیل فرآیند استفاده از آن‌ها طراحی نمود. در نهایت باید به آن‌ها نشان داد که تکنولوژی صرفاً برای کمک به کیفیتِ خدماتِ آن‌ها آمده است.

محور پنجم: حسن ختام

اگر امروز هیچ محدودیتی (از نظر بودجه، زیرساخت، قانون یا مقاومت فرهنگی) نداشتید، چه سیستمی را طراحی می‌کردید که یک پزشک با کمک آن بتواند بهترین خدمات را به بیماران ارائه دهد؟

من سیستمی مبتنی بر هوش مصنوعی طراحی می‌کردم که هیچ وقفه‌ای در روند معاینه، تشخیص و درمان بیمار ایجاد نکند؛ ابزاری که نه‌تنها از اتلاف وقت پزشک جلوگیری کند، بلکه همزمان با ویزیت بیمار، اعلان‌های (Notification) لازم را به پزشک ارائه دهد و او را به سمت تصمیم‌گیری سریع‌تر، دقیق‌تر و آسان‌تر هدایت کند. این دقیقاً همان هدفی است که در حال حاضر در طرح‌های پژوهشی‌ام روی آن کار می‌کنم.