هوش مصنوعی و آینده پزشکان؛ فراتر از پیشبینی حذف مشاغل
نگرانی درباره دگرگونشدن کار بالینگران بر اثر فناوری، سابقهای چنددههای دارد؛ اما در سالهای اخیر، با افزایش توانمندی ابزارهای هوش مصنوعی و پذیرش سریع آنها در مراقبتهای سلامت، این نگرانیها شدت گرفته است. هوش مصنوعی بیش از پیش در انجام وظایف پیچیده بالینی عملکردی بهتر از بالینگران نشان داده است. همچنین، ابتکاری برای توسعه عاملهایی معرفی شده است که بتوانند بهصورت خودمختار به بیماران مراقبت ارائه دهند.[۱]
برخی متخصصان پیشبینی کردهاند که هوش مصنوعی بهاندازهای وظایف بالینی را بر عهده خواهد گرفت که فرصتهای شغلی برای بالینگران کاهش مییابد؛ بهویژه در رشتههایی مانند رادیولوژی، پاتولوژی، روانپزشکی و مراقبتهای اولیه.
استدلالهای مخالف این پیشبینی معمولاً بر عوامل فناورانه، مقرراتی و انسانی تأکید دارند. برای مثال، ممکن است عاملهای هوش مصنوعی در محیط واقعی بهاندازه مطالعات ارزیابی معیار عملکرد مؤثر نباشند؛ الزامات مقرراتی ممکن است اجرای ابزارهای هوش مصنوعی را کند یا کاربردهای آنها را محدود کند؛ و بیماران نیز ممکن است همچنان برای مراقبت همدلانه و مبتنی بر رابطه انسانی ارزش زیادی قائل باشند.
هر یک از این ملاحظات معتبر است؛ بااینحال، نظریه و تاریخ اقتصاد دلایل متفاوت و احتمالاً ساختاریتری ارائه میکنند که بر اساس آنها، پذیرش عاملهای هوش مصنوعی در بلندمدت ــ حتی مدلهایی که قادر به انجام برخی انواع کار شناختی هستند ــ میتواند به گسترش نیروی کار بالینی، نه کاهش آن منجر شود.
«بیماری هزینه» در سلامت؛ چرا خدمات پزشکی گرانتر میشوند؟
مراقبتهای سلامت مدتهاست تحت تأثیر پدیدهای به نام «بیماری هزینه» قرار دارد. در این پدیده، دستمزدها در بخشهای متکی بر نیروی انسانی، همزمان با افزایش دستمزد در بخشهایی رشد میکنند که بهبود کارایی بیشتری را تجربه میکنند؛ مانند تولید صنعتی و فناوری.[۲]
در صنایع خدماتی، خودکارسازی وظایف یا افزایش بهرهوری بهسادگی امکانپذیر نیست. بااینحال، کارفرمایان ناچارند در طول زمان دستمزدها را افزایش دهند؛ زیرا افراد تازهوارد به بازار کار میتوانند بخشهای دیگری را انتخاب کنند و کارکنان فعلی نیز امکان جابهجایی میان بخشها را دارند.
این پدیده تا حدی توضیح میدهد که چرا هزینه مراقبتهای سلامت و آموزش بهشدت افزایش یافته، درحالیکه هزینه پوشاک، رایانه، یخچال و تلویزیون کاهش یافته است.
برخی صاحبنظران معتقدند کلید کاهش بیماری هزینه در سلامت، تبدیل خدمات ارائهشده توسط بالینگران به کالاهای مبتنی بر نرمافزار است.[۳] استخدام یک گروه چهارنفره نوازندگان سازهای زهی برای اجرای موسیقی ــ بهعنوان یک خدمت ــ پرهزینه است و به دسترسی به نوازندگان ماهر بستگی دارد؛ اما نسخههای ضبطشده دیجیتال ــ بهعنوان یک کالا ــ بهوفور و با هزینه کم در دسترساند.[۳]
ممکن است هوش مصنوعی گذار مشابهی را در مراقبتهای سلامت رقم بزند. برای مثال، عاملهای هوش مصنوعی شاید در آینده مراقبتهای فوری یا خدمات سلامت رفتاری را ارائه دهند که پیشتر انسانها مسئول ارائه آنها بودند.
بااینحال، دستکم سه دلیل وجود دارد که نشان میدهد هوش مصنوعی لزوماً نیاز به نیروی کار بالینی را کاهش نخواهد داد.
دلیل اول: پارادوکس جونز؛ افزایش کارایی میتواند مصرف را بیشتر کند
دلیل نخست، «پارادوکس جونز» (Jevons paradox) است: پیشرفتهای فناورانهای که کارایی استفاده از یک منبع را افزایش میدهند، ممکن است بهجای کاهش مصرف آن منبع، موجب افزایش مصرف شوند.
این مفهوم را ویلیام استنلی جونز، اقتصاددان قرن نوزدهم، مطرح کرد. او مشاهده کرد که معرفی موتورهای بخاری با مصرف زغالسنگ کمتر، به کاهش مصرف زغالسنگ نینجامید؛ بلکه تقاضا برای موتورهای بخار و در نتیجه مصرف زغالسنگ را افزایش داد. نمونههایی از این پارادوکس در روشنایی، سفر هوایی و رایانش نیز نشان داده شده است.
در مراقبتهای سلامت، پیشرفتهای فناورانه با کاهش میزان کار موردنیاز بالینگران، کوتاهکردن دوره نقاهت و افزایش ایمنی، اقداماتی مانند جراحی کاتاراکت و تعویض مفصل را کارآمدتر کردهاند. همین تغییرات امکان انجام این اقدامات را برای بیماران بیشتری فراهم کرده است.
کاهش هزینه آزمایشهای ژنتیکی و تصویربرداری تشدید مغناطیسی نیز با افزایش استفاده از این فناوریها، هم در پزشکی متعارف و هم خارج از آن، همراه بوده است. تعداد رادیولوژیستهای شاغل در ایالات متحده اکنون از یک دهه پیش بیشتر است؛ همچنین، میانگین درآمد و حجم کاری آنان نسبت به گذشته افزایش یافته است.[۴]
میزان افزایش تقاضا برای مراقبتهای سلامت بر اثر عاملهای هوش مصنوعی، تا حدی به قیمت آنها و نحوه توزیع منافع ناشی از افزایش بهرهوری بستگی خواهد داشت.
سامانههایی که قیمتشان نزدیک به هزینه نهایی ارائه خدمت است، و سامانههایی که هزینه مؤثر ارائه مراقبت را کاهش میدهند، احتمالاً تقاضای بیشتری ایجاد میکنند؛ در مقایسه با سامانههایی که قیمتگذاری آنها به فروشندگان اجازه میدهد بخش عمده ارزش ایجادشده را به خود اختصاص دهند.
البته پذیرش فناوریهای جدید در سلامت، علاوه بر قیمت، تحت تأثیر عوامل متعددی از جمله راهنماهای بالینی، پوشش بیمهای و ترجیحات بیماران قرار دارد.
بهطور کلی، اگر هوش مصنوعی تخصص بالینی، تحلیل تصاویر پزشکی و خدمات درمانی را در دسترس افراد بیشتری قرار دهد، ممکن است انتظارات فرهنگی را درباره میزان مناسب دریافت مراقبت، دفعات انجام آزمایشها و اینکه کدام علائم نیازمند توجه پزشکی هستند، تغییر دهد.
دلیل دوم: حجم کار پزشکی ثابت نیست
دوم آنکه انتظار ازبینرفتن مشاغل بر اثر هوش مصنوعی، گاهی از «مغالطه ثابتبودن حجم کار» (Lump of labor fallacy) تأثیر میپذیرد؛ یعنی این تصور که مقدار ثابتی کار برای انجامدادن وجود دارد. در واقع، هم نوع کار و هم مقدار آن در واکنش به پیشرفتهای فناورانه، در طول زمان تغییر میکند.
مفهوم ثابتبودن حجم کار معمولاً برای توصیف تغییرات نیروی کار در سطح کل اقتصاد به کار میرود؛ اما ممکن است در بخش سلامت اهمیت ویژهای داشته باشد.
در حال حاضر، در برخی حوزههای پزشکی تقاضا از عرضه بیشتر است. برای مثال، حدود یکچهارم آمریکاییها در مناطقی زندگی میکنند که با کمبود خدمات مراقبت اولیه مواجهاند. بنابراین، در کوتاهمدت، عاملهای مفید هوش مصنوعی احتمالاً بهجای جایگزینکردن کار بالینگران، ظرفیت کاری آنان را گسترش خواهند داد.
اما در آینده، پیشرفتهای هوش مصنوعی ممکن است به بالینگران امکان دهد بیماریها را به روشهایی پیشگیری یا درمان کنند که اکنون ممکن نیستند؛ یا حتی نمیتوان آنها را تصور کرد.
برای پزشکان اوایل قرن بیستم، پیشبینی نیاز آینده به رادیولوژیستها دشوار بود. همچنین، انکولوژیستهای میانه آن قرن بهسختی میتوانستند تصور کنند که روزی درمانهای ایمنیشناختی جدید را تجویز و مدیریت خواهند کرد.
هوش مصنوعی ممکن است با ایجاد درمانهای جدید، شیوههای تازه ارائه مراقبت و فرصتهای تخصصیشدن، تقاضا برای قابلیتهای حرفهای جدید را افزایش دهد.
دلیل سوم: خودکارسازی وظایف با حذف مشاغل یکسان نیست
سوم آنکه اقتصاددانان حوزه کار میان «وظایف» و «مهارتها» تمایز قائل میشوند.[۵]
وظایف، فعالیتهای مشخصی هستند که برای انجام کار مولد ضرورت دارند. این فعالیتها ممکن است انتزاعی، دستی یا روتین باشند و میزان آسیبپذیری آنها در برابر خودکارسازی متفاوت است.
برای مثال، یک جراح باید:
- درباره انجام یا انجامندادن جراحی تصمیم بگیرد؛ یک وظیفه انتزاعی.
- عمل جراحی را انجام دهد؛ یک وظیفه دستی.
- تصمیم و اقدام انجامشده را مستند کند؛ یک وظیفه روتین.
در مقابل، مهارتها به توانایی فرد برای انجام وظایف موجود و جدید اشاره دارند.
اگرچه هوش مصنوعی بهطور فزایندهای قادر به خودکارسازی وظایفی مانند مستندسازی ویزیت و تحلیل الکتروکاردیوگرام شده است، طبابت به مهارتهای متعددی نیاز دارد که انجام مجموعه بزرگی از فعالیتهای مرتبط را امکانپذیر میکنند؛ از جمله:
- تفسیر نتایج آزمایشها؛
- مدیریت عدمقطعیت؛
- مشورت با همکاران؛
- مذاکره و رسیدن به توافق درباره برنامه درمان؛
- ایجاد انگیزه برای تغییر رفتار؛
- رهبری تیمها.
خودکارسازی وظایف لزوماً به خودکارسازی مشاغل منجر نمیشود. در واقع، اگر هوش مصنوعی برخی وظایف بالینی را خودکار کند، ممکن است ارزش وظایف انسانیِ خودکارنشده افزایش یابد.
نظریه حلقه اُ؛ چرا نقش انسان ممکن است ارزشمندتر شود؟
بر اساس «نظریه حلقه اُ» (O-ring theory) ــ که نام خود را از حلقههای لاستیکی معیوبِ عامل فاجعه شاتل فضایی چلنجر گرفته است ــ فرایندهای پیچیده ممکن است بر اثر خطا در هر یک از مراحل خود دچار اختلال شوند.
هرچه سامانهها پرهزینهتر و مؤثرتر میشوند، اشتباهات کوچک نیز هزینه بیشتری پیدا میکنند. برای مثال، تشخیصندادن یک بیماری زمانی که درمان مؤثری برای آن وجود ندارد، پیامد کمتری دارد تا زمانی که درمانی شفابخش بهآسانی در دسترس است.
یادداشت درباره متن منبع: جمله بعدی در خروجی استخراجشده دچار تکرار و افتادگی است. بخش خوانای آن بر وابستگی کیفیت به اجرای مجموعهای از مراحل بههمپیوسته و امکان افت شدید کیفیت بر اثر شکست در هر مرحله تأکید دارد؛ ترجمه لفظبهلفظ این جمله با اطمینان ممکن نیست.
علاوه بر این، در برخی شرایط ممکن است عاملهای هوش مصنوعیِ مستقل، بر اساس شاخصهای مرتبط با ایمنی، عملکرد بهتری از انسانها داشته باشند؛ اما پذیرش آنها همچنان بهدلیل نگرانی یا احساس ناخوشایند جامعه نسبت به سامانههای خودمختار، به تأخیر بیفتد یا محدود شود؛ همانگونه که درباره خودروهای خودران رخ داده است.
آینده نیروی کار بالینی؛ اهمیت تصمیمهای امروز
نقشهای بالینی بدون تردید در عصر هوش مصنوعی تغییر خواهند کرد و ممکن است برخی انواع مشاغل حوزه سلامت جایگزین شوند. بااینحال، این استدلالهای اقتصادی، روایتهای سادهانگارانه درباره کناررفتن بالینگران را به چالش میکشند.
فرضیات مربوط به اندازه و ماهیت نیروی کار بالینی موردنیاز برای پاسخگویی به نیازهای جامعه، بر تصمیمگیری درباره برنامههای آموزشی، سیاستهای پرداخت، سرمایهگذاری زیستپزشکی و تأمین مالی زیرساختهای سلامت تأثیر میگذارند. این فرضیات همچنین انتظارات نسلهای آینده بالینگران را شکل میدهند.
در برخی موارد، پیشبینیها میتوانند خودمحققشونده باشند: اگر افراد باور کنند وقوع سناریویی محتمل است، ممکن است بهگونهای رفتار کنند که در نهایت همان سناریو به واقعیت تبدیل شود.
دستیابی به تصویری روشنتر از طیف آیندههای ممکن برای هوش مصنوعی و نیروی کار بالینی، گامی ضروری برای ساختن آیندهای است که خواهان آن هستیم.
منبع ترجمه: فایل «هوش مصنوعی و نیروی کار بالینی.pdf»، صفحات ۱ تا ۳؛ معادل صفحات ۱۰۴۱ تا ۱۰۴۳ مجله.
پیام کاربردی برای پزشکان
این مقاله استدلال میکند که توانایی هوش مصنوعی در انجام یک وظیفه پزشکی، بهتنهایی به معنای حذف شغل پزشک نیست. افزایش بهرهوری ممکن است تقاضای خدمات را بیشتر کند، حوزههای کاری تازهای ایجاد کند و ارزش مهارتهای انسانیِ مکمل فناوری را افزایش دهد.
برای مخاطب پزشک، نکته اصلی توجه به مهارتهایی مانند مدیریت عدمقطعیت، تصمیمگیری بالینی، ارتباط با بیمار و هماهنگی تیم درمان است. البته مقاله تضمین نمیکند که تعداد مشاغل پزشکی افزایش خواهد یافت؛ بلکه استدلالهایی اقتصادی علیه پیشبینی قطعی کاهش نیروی کار بالینی ارائه میدهد.
