[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
ثبت شده در

AWT IMAGE

AWT IMAGE

..
سامانه جامع رسانه های کشور

..
:: دوره 15، شماره 2 - ( 1402 ) ::
جلد 15 شماره 2 صفحات 4-1 برگشت به فهرست نسخه ها
اهمیت اخلاق در استفاده از هوش مصنوعی در آموزش پزشکی
شقایق صراف زاده ، احسان ابوطالب*
مرکز تحقیقات آموزش پزشکی، مرکز مطالعات و توسعه آموزش پزشکی، دانشگاه علوم پزشکی گیلان،رشت، ایران و گروه فارماسیوتیکس، دانشکده داروسازی، دانشگاه علوم پزشکی گیلان، رشت، گیلان، ایران ، eaboutaleb@gmail.com
واژه‌های کلیدی: هوش مصنوعی، آموزش پزشکی، اخلاق
متن کامل [PDF 175 kb]   (605 دریافت)     |   چکیده (HTML)  (1779 مشاهده)
نوع مطالعه: نامه به سردبير | موضوع مقاله: حرفه اي گري ، اخلاق پزشكي
متن کامل:   (224 مشاهده)
در چند سال اخیر نقش هوش مصنوعی در جنبه­ های مختلف زندگی بشر به­ طور فزاینده­ای پررنگ شده است و تقریبا" بر روی تمامی عرصه­ ها از جمله زندگی روزمره، بازی و سرگرمی، علم و هنر، و همچنین حوزه سلامت، پزشکی و بهداشت تاثیرات وسیعی گذاشته است (1). در سال­ های اخیر، هوش مصنوعی به­عنوان یک حوزه تحقیقاتی امیدوارکننده در علوم پزشکی با پتانسیل ایجاد بهبود در نتایج بیماران، افزایش کارآیی در ارائه مراقبت­ های بهداشتی و کاهش هزینه ­ها ظاهر شده است (2).
یکی از کاربردهای اولیه هوش مصنوعی در علوم پزشکی در تصویربرداری پزشکی است، جایی که می ­توان از الگوریتم­ های یادگیری ماشین برای تشخیص و طبقه ­بندی ناهنجاری­ ها در تصاویر پزشکی مثل اشعه ایکس، سی­تی­اسکن و اسکن MRI استفاده نمود (3). علاوه بر این هوش مصنوعی می­تواند در تشخیص زودهنگام بیماری­ ها، پزشکی شخصی، کشف و توسعه دارو و تصمیم ­گیری­ های بالینی نیز به ­کار گرفته شود. هوش مصنوعی همچنین برای تجزیه و تحلیل داده ­های بهداشتی در مقیاس بزرگ، مثل سوابق الکترونیکی سلامت، شناسایی الگوها، سیاست­گذاری­ های بهداشت عمومی و تحقیقات پزشکی نیز مورد استفاده قرار می­ گیرد. به­ طورکلی ادغام هوش مصنوعی در مراقبت­ های بالینی این پتانسیل را دارد که شیوه برخورد ما با این فرآیند­ها را متحول کند، و یک حوزه تحقیقاتی داغ با فرصت­ های زیادی برای نوآوری و  بهبود است (4).
آموزش علوم پزشکی نیز یکی از حوزه­ هایی است که بهره زیادی از پیشرفت­ های حاصل در هوش مصنوعی می­ برد و مزایای این ابزار در آینده نیز بیشتر خواهند شد (5). اما باید در نظر داشت که هوش مصنوعی به­ عنوان ابزاری قدرتمند مشابه هیچ یک از نوآوری­های سابق نمی­باشد زیرا به سرعت در حال تکامل بوده و هر روزه کاربردهای نوینی به آن اضافه می شود، و ‎می ­تواند علاوه بر تاثرات مفید و یاری­ رسان خود، چالش­ هایی را نیز به ­وجود آورد که پیشگیری از وقوع و یا مدیریت این چالش­ ها یکی از مسئولیت­ های مهم در حیطه آموزش پزشکی است (6).
نقش اخلاق در کاربرد هوش مصنوعی در آموزش پزشکی هنوز به­طور واضح مشخص نشده است. یکی از دلایل آن این است که مراکز آموزش پزشکی معمولا" دارای کمیته ­های اخلاق در پژوهش و یا کمیته­ های اخلاق بالینی هستند اما فاقد کمیته اخلاق در آموزش می ­باشند، و درواقع هنگامی­ که صحبت از هیات بازبینی و یا اخلاق سازمانی می­ شود، فرض بر این است که این موضوع در مورد پژوهش است و نه رویه ­های آموزشی (7). اما با توجه به این­که هوش مصنوعی می­ تواند مسائل اخلاقی را در حوزه آموزش پزشکی نیز ایجاد کرده و یا افزایش دهد، لازم است ضمن رصد این مشکلات، بر استفاده مفید از این ابزار و همچنین آموزش استفاده صحیح از آن به دانشجویان و کارکنان نظام سلامت نیز تاکید نمود.
از جمله چالش ­های اخلاقی در این زمینه، مقاومت در برابر جمع­آوری اطلاعات زیاد از دانشجویان است (8). چالش بعدی حفاظت از ناشناس بودن و حفظ حریم خصوصی افراد است (9). با توجه به این­که در سیستم ­های مبتنی بر هوش مصنوعی از بسیاری از داده­ های خصوصی دانشجویان استفاده می­ شود و ناشناس ماندن داده ­ها امری تقریباً غیر ممکن است (9)، در استفاده از هوش مصنوعی در آموزش پزشکی باید به این موارد توجه داشت که آیا دانشجویان از جمع آوری داده­ ها از آن­ها مطلع هستند و نسبت به آن رضایت دارند، و اگر دارند رضایتشان تا چه حد بوده و داوطلبانه یا اجباری است؟ (10).
چالش دیگر، حفاظت از مالکیت داده ­های دانشجویان است. درواقع موسسات آموزش پزشکی باید حق مالکیت دانشجویان و پیامدهای آن را هم در ارتباط با داده­ هایی که موسسه در مورد دانشجویان ایجاد می ­کند، مانند نمرات، ارزشیابی ­ها و هم در ارتباط با داده­ های ایجاد شده توسط خود دانشجویان مانند تکالیف، پروژه ها درنظر بگیرند (11).
چالش مهم بعدی، سوگیری الگوریتمی است که می­ تواند در نتیجه­گیری­ های حاصل به کمک هوش مصنوعی اثرگذار باشد (12). یکی از موارد این سوگیری، کلیشه­ های عمومی در برچسب­ گذاری داده ­هاست که می­تواند به الگوریتم­ های هوش مصنوعی منتقل شود و باعث ایجاد وزن­ه ای نامناسب به  داده­ های خاص و یا یافتن ارتباطات بی ­پایه میان داده ­ها شود (13). به ­عنوان مثال تا سال­ های اخیر با جستجوی عبارت "پوست سالم" در موتورهای جستجوگر، تنها تصاویری از زنان جوان با پوست سفید و نژاد اروپایی را به ­عنوان نتیجه جستجو نشان می­داد. در نتیجه الگوریتم‌های توسعه‌یافته مبتنی بر این تصاویر جهت افراد رنگین‌پوست از دقت و کارآیی کافی برخوردار نبود (14).
در نهایت یکی از مهم­ترین چالش های استفاده از هوش مصنوعی در علوم پزشکی، پویایی و سرعت بالای توسعه و گسترش هوش مصنوعی، انبوه داده ­ها و عملکردهای آن است که می­تواند باعث ناکارآمدی شیوه­ های سنتی و بسته آموزش در پزشکی در برابر پیامدهای آن گردد. لذا ضروری است در حوزه آموزش پزشکی نیز سیستم ­های پویا، چابک و روزآمد به گونه­ ای تدوین گردد تا بتواند هم ­پای پیشرفت هوش مصنوعی، پاسخگوی مسائل و چالش ­های جانبی ناشی از آن نیز باشد (15, 7).
علی‎رغم وجود چالش‌های اخلاقی در استفاده از هوش مصنوعی در آموزش پزشکی، می­توان با استفاده از راهکارهایی این چالشها را به حداقل رساند. اعمال حساسیت ویژه نسبت به صحت عملکرد الگوریتم‌های مورد استفاده در آموزش و درمان، و تشخیص زودهنگام و موثر سوگیری‌های احتمالی الگوریتم‌های مورد استفاده در هوش مصنوعی از جمله موارد بسیار مهم در این زمینه است. مدیریت صحیح داده‌های انبوه با حفظ حریم خصوصی می‌تواند بسیاری از چالش‌های اخلاقی این حوزه را مرتفع سازد. تشکیل کمیته مخصوص اخلاق در آموزش که در آن علاوه بر متخصصین اخلاق در پزشکی از متخصصین هوش مصنوعی نیز استفاده گردد، یکی دیگر از راهکارهای موثر در پیشگیری و مدیریت چالش‌های اخلاقی حاصل از استفاده از هوش مصنوعی در آموزش پزشکی است. علاوه‌بر‌این آموزش مداوم اعضای هیات علمی، دانشجویان و پرسنل دانشگاه­ ها در زمینه هوش مصنوعی و جنبه‌های اخلاقی آن می­تواند یکی دیگر از اقدامات عملی موثر در کاهش چالش‌های اخلاقی در این حوزه باشد.
 
فهرست منابع
1. Tai MC. The impact of artificial intelligence on human society and bioethics. Tzu Chi Med J 2020;32(4):339-343. [DOI:10.4103/tcmj.tcmj_71_20]
2. Hamamoto R. Application of Artificial Intelligence for Medical Research. Biomolecules. 2021 Jan 12;11(1):90. [DOI:10.3390/biom11010090]
3. Gore JC. Artificial intelligence in medical imaging. Magn Reson Imaging 2020;68:A1-A4. [DOI:10.1016/j.mri.2019.12.006]
4. Noorbakhsh-Sabet N, Zand R, Zhang Y, Abedi V. Artificial Intelligence Transforms the Future of Health Care. Am J Med 2019;132(7):795-801. [DOI:10.1016/j.amjmed.2019.01.017]
5. Savage TR. Artificial Intelligence in Medical Education. Acad Med 2021;96(9):1229-1230. [DOI:10.1097/ACM.0000000000004183]
6. Grunhut J, Marques O, Wyatt ATM. Needs, Challenges, and Applications of Artificial Intelligence in Medical Education Curriculum. JMIR Med Educ 2022;8(2):e35587. [DOI:10.2196/35587]
7. Masters K. Ethical use of Artificial Intelligence in Health Professions Education: AMEE Guide No. 158. Med Teach 2023;45(6):574-584. [DOI:10.1080/0142159X.2023.2186203]
8. Masters K. Ethics in medical education digital scholarship: AMEE Guide No. 134 Med Teach. 2020;42(3):252-265. [DOI:10.1080/0142159X.2019.1695043]
9. Narayanan A, Shmatikov V. De-anonymizing social networks. in 30th IEEE symposium on security and privacy; 2009 May 17; 2009: IEEE. [DOI:10.1109/SP.2009.22]
10. Masters K. Ethical use of artificial intelligence in health professions education: AMEE Guide No. 158. Medical Teacher 2023;45(6):574-84. [DOI:10.1080/0142159X.2023.2186203]
11. Jones KM, Thomson J, Arnold K. Questions of data ownership on campus. Educause Review ; 2014.
12. Nelson GS. Bias in artificial intelligence. North Carolina medical journal 2019;80(4):220-2. [DOI:10.18043/ncm.80.4.220]
13. Norori N, Hu Q, Aellen FM, Faraci FD, Tzovara A. Addressing bias in big data and AI for health care: A call for open science. Patterns 2021;2(10):100347. [DOI:10.1016/j.patter.2021.100347]
14. Buolamwini J, Gebru T. Gender shades: Intersectional accuracy disparities in commercial gender classification. InConference on fairness, accountability and transparency 2018 Jan 21. PMLR.
15. Meek T, Barham H, Beltaif N, Kaadoor A, Akhter T. Managing the ethical and risk implications of rapid advances in artificial intelligence: A literature review.Portland International Conference on Management of Engineering and Technology (PICMET); 2016 Sep 4; IEEE; 2016. [DOI:10.1109/PICMET.2016.7806752]
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sarrafzadeh S, Aboutaleb E. The Importance of Ethics in Using of Artificial Intelligence in Medical Education. RME 2023; 15 (2) :1-4
URL: http://rme.gums.ac.ir/article-1-1328-fa.html

صراف زاده شقایق، ابوطالب احسان. اهمیت اخلاق در استفاده از هوش مصنوعی در آموزش پزشکی. پژوهش در آموزش علوم پزشکی. 1402; 15 (2) :1-4

URL: http://rme.gums.ac.ir/article-1-1328-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 15، شماره 2 - ( 1402 ) برگشت به فهرست نسخه ها
پژوهش در آموزش علوم پزشکی Research in Medical Education