در فاصلهٔ عجیبِ سیزده ساله‌ای که بین ویرایش چهارم (سال ۱۹۶۲) و پنجم (سال ۱۹۷۵) کتاب اصول طب داخلی هاریسون (Harrison’s Principles of Internal Medicine) وجود داشت، اینترنیست-یک (INTERNIST-1) متولد شد.
آن زمان که بزرگانی همچون تینسلی هاریسون، مکسول وینتروب و ریموند آدامز مشغول نوشتن پنجمین ویرایش کتاب بودند، در دانشگاه پیتسبورگ، جک مایرز و رندولف میلر، مشغول نوشتن اینترنیست-یک بودند.
اینترنیست-یک اما، کتابی مرجع نبود. اینترنیست-یک، اولین دستیار پزشکی مبتنی بر هوش مصنوعی در دنیا، در سال‌هایی که هوش مصنوعی نخستین زمستان سنگین خود را می‌گذارند، متولد شد.
سال‌هایی که کمتر کسی تصور می‌کرد که نیم قرن بعد، در ویرایش بیست و یکم کتاب اصول طب داخلی هاریسون، چهارصد و هشتاد و هشتمین فصل، عنوانش Machine Learning and Augmented Intelligence in Clinical Medicine باشد.
اینترنیست-یک، داده‌های حدود ششصد بیماری را در طب داخلی در خود داشت و از الگوریتمی که برایش نوشته بودند کمک می‌گرفت تا علائم بیمار را با یکی از این ششصد بیماری، تطبیق بدهد و اکنون با اطلاعات غیرمستقیم به نظر می‌رسد که ChatGPT 4 که داده‌هایش تا سپتامبر ۲۰۲۳ هست، حدود سی هزار بیماری را.
پس ChatGPT یا دیگر مواردی مثل Grok و Gemini و … در حوزهٔ پزشکی، نسخهٔ بسیار پیشرفته‌ترِ اینترنیست-یک هستند؟ اصلاً. بعد از جلوتر رفتن این مطلب متوجه می‌شویم که چقدر تفاوت وجود دارد و همین تفاوت است که ایجاب می‌کند ChatGPT و دیگر موارد مشابه (مدلهای بزرگ زبانی یا Large Language Models) را خوب بشناسیم.
و شاید سؤال مهم‌تر این باشد: لازم است به عنوان یک فرد غیرمتخصص در این حوزه، در کنار استفاده از این ابزارها، آنها را بهتر بشناسیم؟
ممکن است بهترین مقایسه نباشد، اما مثل این است که فقط بگوییم متفورمین برای کنترل دیابت است و آن را برای دیابت تجویز بکنید؛ و البته بدانید که افرادی نیز جهت کاهش وزن، به غلط، از این دارو سوء استفاده میکنند. دارویی که حتی هنوز مکانیسم‌ها و مسیرهای درون سلولی‌اش به شکل کامل با علم فعلی آشکار نیست و نمی‌دانیم که چطور این کارها را می‌کند. حالا با همین اطلاعات طبابت کنید.
ما به عنوان کسی که محقق مسیر سلولی و مولکولی متفورمین نیست، قرار نیست به دنبال فهمیدن این مسیر برویم، اما می‌توانیم با این دارو، کمی بهتر آشنا باشیم. بدانیم که خطراتش چیست و فوایدش چیست؟ بدانیم که کجا بیشترین سود را دارد و برای کجا ضرر می‌آورد؟ بدانیم که برای چه کسی باید تجویزش بکنیم و برای چه کسی نه؟
مسیر پیش رویمان، از این جنس است.
قرار است در ابتدا با مفهوم هوش مصنوعی بهتر آشنا می‌شویم تا بتوانیم با عینک بهتری به ماجرا نگاه بکنیم. حرف‌هایی همانند «این جای پزشک را قطعاً می‌گیرد/هیچوقت نمی‌گیرد» را به اینستاگرام و فضاهای مشابه بسپاریم.
از این مسیر شگفت‌زده بشویم و یاد بگیریم که چطور و کجا می‌توانیم از آن بهتر استفاده بکنیم.
و البته که همه‌ی موارد فوق منوط به این است که ذهن‌مان فراتر از این برود که «متفورمین یک دارو برای دیابت است». فراموش نکنیم که همین متفورمین شگفتی‌های زیادی را از خودش نشان داده (مثلاً در مسیر بعضی از سرطان‌ها) و ما قرار است بیشتر با آن آشنا شویم.
تجربهٔ شما
حل این تمرین برای دسترسی کامل به دروس آتی، ضروری است:
در حال حاضر از چه ابزارهای مرتبط با هوش مصنوعی و در چه حوزه‌ای استفاده می‌کنید؟ ترجیحاً مسائل مربوط به پزشکی (از مطالعه تا طبابت) را بگویید.
ترتیبی که مدرسه پزشکی برای مطالعه‌ی مجموعه درس «هوش مصنوعی و پزشکی» پیشنهاد می‌دهد، به صورت زیر است:
برای امتیاز دهی به این مطلب، لطفا وارد شوید: برای ورود کلیک کنید
پرکاربرد ترین هوش مصنوعی های مورد استفاده ChatGPT و perplexity هستند.
از این ۲ ابزار چند استفاده اصلی دارم. اول از همه گاهی اوقات دیتا هایی دارم که می خواهم آنها را تحلیل بکنم و این کار تحلیل را به چت جی پی تی میسپارم تا مقداری با ساختار داده ها آشنا بشوم و بعد در آنها عمیق بشوم. برای جمع آوری مکان هایی که در آن می توانم داده پیدا بکنم هم از اینها استفاده می کنم. گاهی اوقات می خواهم راجب مسئله که هیچ چیزی از آن نمی دانم یک نقشه حدودی بسازم تا مطالعه در رابطه با آنها راحت تر شود، به نظر LLM ها مناسب اینکار هستند. هیچوقت اطلاعاتی که از طریق LLM ها به دست می آورم قبل از verification به عنوان فکت در نظر نمیگیرم، ولی همینکه مجموعه ای از اطلاعات داشته باشی ( ناقص و بخشی از آن غلط )، بهتر از پریدن در اقیانوس بدون داشتن قایق است.
بیشترین استفاده‌ی من از ابزارهای هوش مصنوعی مربوط به چت جی‌پی‌تی بوده. ابتدا با اشتراک رایگان، سپس با اشتراک پرمیوم این ابزار را استفاده میکنم. استفاده‌ی غالبم از این ابزار، در حیطه استدلال بالینی و مفهوم likelihood ratio و تعیین مقدار کمی این مورد در تست‌ها و آزمایشات بیماران بوده. اینکه بدانم پایین یا بالا بودن فلان تست مهم است و کمتر به بی‌راهه‌های تشخیصی بروم. در کنار اینها، از آن برای خلاصه کردن present illness بیماران هم گاهی استفاده میکنم. بیمارانی که دیتاهای فراوان و شلخته دارند را سعی کرده‌ام به آن بدهم تا سرجمع کند هرچند کاری زمان‌بر است و فعالیت مداومی نبوده.
pattern recognition بیماری‌ها هم استفاده‌ی دیگرم از این ابزار است. اینکه ببینم کدام بیماری بر اساس شیوع و در دسترس بودن، می‌تواند الگویش با بیماری که می‌بینم جور دربیاید.
قطعا استفاد‌ه‌ام مبتدی و پر از اشکال بوده. در این درس‌ها قصد دارم دقیق‌تر هوش مصنوعی و کاربردهایش را بشناسم تا بتوانم بهتر استفاده کنم.
خسته نباشید.
معمولاً از chatgpt استفاده میکنم و بیشتر هم برای دسترسی به اطلاعات کلی. با توجه به اینکه به کتابخانه های زیادی دسترسی دارند، میتونم بگم که جستجو رو در منابع پزشکی مدنظرم محدود و پاسخ ها رو شخصی سازی کنه و از اونها برای بررسی صحت و سقم مطالب و به دست آوردن اطلاعات تکمیلی استفاده کنم. البته با توجه به ارائه مدلهای اختصاصی تر که معمولا فقط در منابع اختصاصی پزشکی جستجو میکنند، در موضوعات پزشکی بیشتر از این GPTها استفاده کنم مثل amboss gpt. هر از گاهی هم برای بررسی کیس های بالینی از این مدلهای اختصاصی تر استفاده میکنم. اگر هم بخوام راجع به یک موضوع خاص بیشتر بررسی کنم، همزمان از برنامه های دیگه ای مثل gemini، grok، perplexity هم استفاده میکنم.
از ChatGPT و هوش مصنوعی گوگل برای دستیار یادگیری در کنار کتاب رفرنس استفاده میکنم