آیا هوش مصنوعی جای پزشکان را می‌گیرد | آینده پزشکی چگونه تغییر می‌ کند

با شواهد موجود تا سال ۲۰۲۶، نمی توان گفت هوش مصنوعی در آستانه جایگزین کردن پزشکان به عنوان یک حرفه است؛ اما می توان با اطمینان بیشتری گفت که AI در حال تغییر بخشی از کار پزشکان است. مستندسازی، خلاصه سازی اطلاعات، تحلیل برخی تصاویر و داده های پزشکی و پشتیبانی از تصمیم گیری از حوزه هایی هستند که هوش مصنوعی وارد آن ها شده است. نتیجه محتمل، دست کم در آینده قابل پیش بینی، بیشتر از آنکه «پزشک یا هوش مصنوعی» باشد، تغییر تقسیم کار میان پزشک و ابزارهای هوشمند است.

$listItemNav$

این تفاوت برای دانشجویان پزشکی مهم است. اگر بخشی از وظایف امروز پزشک به نرم افزار واگذار شود، ارزش بعضی مهارت ها کمتر و بعضی مهارت های دیگر بیشتر خواهد شد. در چنین شرایطی سؤال اصلی فقط این نیست که «آیا AI جای پزشک را می گیرد؟»؛ بلکه باید پرسید پزشک آینده چه کاری را خودش انجام می دهد، چه کاری را با کمک AI انجام می دهد و برای کنترل خروجی هوش مصنوعی به چه دانشی نیاز دارد؟

هوش مصنوعی همین حالا در پزشکی چه کارهایی انجام می دهد؟

استفاده از AI در پزشکی دیگر فقط یک سناریوی آینده نگرانه نیست. در نظرسنجی سال ۲۰۲۶ انجمن پزشکی آمریکا (AMA) از ۱۶۹۲ پزشک، در سؤال مربوط به ۱۷ کاربرد مشخص هوش مصنوعی، ۷۲ درصد پاسخ دهندگان اعلام کردند حداقل یکی از این کاربردها را در کار خود به کار می گیرند. AMA شاخص گسترده تر «آگاهی از ابزار یا استفاده از AI در محل کار» را ۸۱ درصد گزارش کرده است؛ این دو عدد یک مفهوم را اندازه نمی گیرند و نباید به جای یکدیگر استفاده شوند.

یکی از رایج ترین کاربردهای گزارش شده، خلاصه کردن پژوهش های پزشکی و استانداردهای مراقبت بود؛ نزدیک به ۴۰ درصد پاسخ دهندگان گفته اند از AI برای این کار استفاده می کنند. تولید پیش نویس یادداشت ها، خلاصه پرونده، پاسخ اولیه به پیام ها و بعضی وظایف مستندسازی نیز در میان کاربردهای گزارش شده قرار داشتند. این داده ها مربوط به پزشکان پاسخ دهنده به نظرسنجی AMA در آمریکا هستند و نباید مستقیماً به همه نظام های سلامت جهان تعمیم داده شوند.

هوش مصنوعی در تجهیزات پزشکی نیز حضور واقعی دارد. FDA فهرستی از تجهیزات پزشکی مبتنی بر AI را منتشر می کند که برای کاربرد مشخص خود مجوز بازاریابی در آمریکا دریافت کرده اند و الزامات پیش از عرضه مرتبط با ایمنی و اثربخشی را طی کرده اند. تعداد زیادی از موارد فهرست فعلی در حوزه رادیولوژی قرار دارند، هرچند حوزه هایی مانند قلب، نورولوژی و برخی رشته های دیگر نیز دیده می شوند. خود FDA تأکید می کند این فهرست جامع همه ابزارهای AI نیست.

بنابراین بهتر است میان «وجود یک ابزار AI پزشکی با کاربرد مشخص» و «توانایی AI برای انجام مستقل حرفه پزشکی» تفاوت قائل شویم.

آیا AI واقعاً می تواند جای پزشک را بگیرد؟

برای پاسخ به این سؤال باید جایگزینی یک وظیفه را از جایگزینی یک شغل کامل جدا کرد.

یک سیستم ممکن است در تشخیص الگویی مشخص در تصویر، خلاصه کردن اطلاعات یا پیشنهاد چند تشخیص احتمالی عملکرد خوبی داشته باشد. اما کار پزشک از یک وظیفه واحد تشکیل نشده است. گرفتن شرح حال، معاینه، تفسیر اطلاعات ناقص یا متناقض، مدیریت عدم قطعیت، انتخاب میان گزینه های مختلف، توجه به شرایط و ترجیحات بیمار، توضیح تصمیم و پذیرفتن مسئولیت حرفه ای همگی بخشی از فرایند پزشکی هستند.

حتی زمانی که یک مدل هوش مصنوعی در یک آزمون عملکرد بالایی دارد، قرارگرفتن آن در اختیار پزشک الزاماً نتیجه را بهتر نمی کند. در یک کارآزمایی تصادفی منتشرشده در JAMA Network Open با حضور ۵۰ پزشک، دسترسی به GPT-4 در کنار منابع معمول باعث بهبود معنادار امتیاز استدلال تشخیصی نسبت به استفاده از منابع معمول به تنهایی نشد؛ امتیاز میانه حدود ۷۶ درصد در برابر ۷۴ درصد بود و تفاوت از نظر آماری معنادار نبود. این مطالعه کوچک و مبتنی بر سناریوهای بالینی بود، بنابراین نباید نتیجه آن را به همه محیط های درمانی تعمیم داد؛ اما نشان می دهد «اضافه کردن AI» به تنهایی تضمین کننده عملکرد بهتر نیست.

پژوهش های جدیدتر تصویر پیچیده تری ارائه می کنند. یک مرور نظام مند و متاآنالیز منتشرشده در سال ۲۰۲۶ نشان داد همکاری پزشک و مدل زبانی در بعضی معیارها بهبود ایجاد کرده است، اما نتایج بین مطالعات بسیار متغیر و عدم قطعیت بالا بوده است. پژوهشگران نتیجه گرفتند منفعت همکاری انسان و AI به نوع وظیفه، طراحی رابط، آموزش کاربر و نحوه ادغام ابزار در جریان کار وابسته است.

همین نکته در یک کارآزمایی تصادفی دیگر در سال ۲۰۲۶ دیده شد. وقتی فرایند همکاری پزشک و AI به طور مشخص طراحی شده بود ــ پزشک و مدل ابتدا مستقل ارزیابی می کردند و سپس اختلاف ها و توافق ها برای تصمیم نهایی ترکیب می شد ــ دقت تشخیص پزشکان نسبت به منابع معمول افزایش یافت. این نتیجه نشان می دهد نحوه همکاری با AI می تواند به اندازه توانایی خود مدل اهمیت داشته باشد.

پس شواهد فعلی نه از جمله «AI همیشه پزشکان را بهتر می کند» حمایت می کنند و نه از ادعای «AI هیچ گاه نمی تواند بخشی از کار پزشک را انجام دهد».

کدام بخش های کار پزشکان بیشتر تغییر می کنند؟

بر اساس کاربردهای فعلی، بعضی وظایف ظرفیت بیشتری برای تغییر دارند.

• مستندسازی و کارهای تکراری

خلاصه سازی پرونده، تهیه پیش نویس یادداشت ها، سازمان دهی اطلاعات و بعضی امور اداری از حوزه هایی هستند که استفاده عملی از AI در آن ها همین حالا گزارش شده است. این وظایف ساختار نسبتاً مشخصی دارند و معمولاً به پردازش حجم زیادی از اطلاعات نیاز دارند.

• جست وجو و خلاصه کردن منابع

مدل های زبانی می توانند حجم زیادی از متن را سریع پردازش کنند و به پزشک برای یافتن یا خلاصه کردن اطلاعات کمک کنند. اما «خلاصه سریع» با «منبع معتبر» یکسان نیست. خروجی باید بتواند به منبع قابل بررسی برگردد و پزشک نیز باید صحت و ارتباط آن را ارزیابی کند.

• تفسیر تصاویر و داده های پزشکی

حضور پررنگ ابزارهای مرتبط با رادیولوژی در فهرست فعلی FDA نشان می دهد پردازش تصویر یکی از حوزه های فعال توسعه و استقرار AI پزشکی است. این ابزارها ممکن است برای شناسایی الگو، اندازه گیری، اولویت بندی یا کمک به تفسیر طراحی شده باشند؛ کاربرد دقیق هر ابزار را باید از مجوز همان محصول بررسی کرد.

• پشتیبانی از تصمیم گیری

AI می تواند اطلاعات مختلف را کنار هم قرار دهد و پیشنهادهایی برای بررسی ارائه کند. اما پیشنهاد یک گزینه با تصمیم نهایی پزشکی یکسان نیست. کیفیت داده ورودی، محدودیت مدل، شرایط خاص بیمار و پیامد یک خطا در این مرحله اهمیت زیادی دارند.

آیا رادیولوژی و پاتولوژی با هوش مصنوعی حذف می شوند؟

رادیولوژی معمولاً یکی از اولین تخصص هایی است که در این بحث مطرح می شود، زیرا بخش بزرگی از داده های آن دیجیتال و تصویری است. تعداد زیاد تجهیزات AI با پنل رادیولوژی در فهرست FDA نیز نشان می دهد تغییر جریان کاری در این حوزه واقعی است. اما این داده هیچ چیزی درباره حذف شغل رادیولوژیست اثبات نمی کند؛ فقط نشان می دهد وظایف بیشتری در این رشته در حال دریافت ابزارهای AI هستند.

پاتولوژی نیز به دلیل استفاده گسترده از تصاویر میکروسکوپی و داده های آزمایشگاهی از حوزه های مورد مطالعه برای AI است، اما نباید وضعیت آن را صرفاً از داده های رادیولوژی نتیجه گیری کرد.

مرور ۱۴۰ مطالعه تجربی درباره همکاری انسان و AI در سلامت که در ژوئن ۲۰۲۶ منتشر شد، نشان داد بیشترین شواهد فعلی در حوزه تفسیر تشخیصی متمرکز است. بسیاری از مطالعات منفعتی برای تیم انسان و AI گزارش کردند، اما این منفعت به تناسب ابزار با وظیفه، ادغام در جریان کار، آموزش و اعتماد متناسب کاربر بستگی داشت. داده درباره پیامدهای واقعی بیماران و کل سیستم درمانی هنوز بسیار کمتر از داده های مربوط به عملکرد روی یک وظیفه مشخص است.

بنابراین درباره هیچ تخصصی در شرایط فعلی نمی توان صرفاً بر اساس پیشرفت AI حکم به «حذف شدن» داد.

آموزش پزشکی در عصر هوش مصنوعی چگونه تغییر می کند؟

یکی از واضح ترین نشانه های تغییر را می توان در برنامه های آموزشی پزشکی مشاهده کرد.

AAMC گزارش کرده است تعداد دانشکده هایی که در نظرسنجی Curriculum SCOPE اعلام کردند AI را در برنامه آموزشی پوشش می دهند، از ۸۸ دانشکده در سال ۲۰۲۳ به ۱۴۰ دانشکده در سال ۲۰۲۴ رسیده است. در داده ۲۰۲۴، ۷۷ درصد پاسخ دهندگان اعلام کردند AI در برنامه درسی آن ها حضور دارد. نظرسنجی ۲۰۲۴ شامل دانشکده های اعطاکننده MD و DO در آمریکا و کانادا بود و AAMC خود اشاره می کند که دامنه مدارس بررسی شده نسبت به سال قبل نیز افزایش یافته است؛ بنابراین این آمار باید در همان محدوده جغرافیایی تفسیر شود، نه به عنوان وضعیت تمام دانشکده های پزشکی دنیا.

موضوع آموزش فقط «چطور از یک چت بات استفاده کنیم» نیست. برنامه های معرفی شده توسط AAMC موضوعاتی مانند اصول AI، اخلاق، حفظ اطلاعات قابل شناسایی بیمار، احتمال پاسخ نادرست و استفاده از AI به عنوان یکی از ورودی های تصمیم به جای مرجع نهایی را پوشش می دهند.

به همین دلیل احتمالاً سواد هوش مصنوعی به بخشی از مهارت حرفه ای پزشک آینده تبدیل می شود، همان طور که توانایی جست وجوی علمی و ارزیابی شواهد امروز بخشی از آموزش پزشکی است.

پزشک و دانشجوی پزشکی آینده به چه مهارت هایی نیاز دارند؟

دانش پزشکی پایه همچنان ضروری است

اگر پزشک نتواند یک پاسخ نادرست را تشخیص دهد، سرعت بالای AI کمکی به او نمی کند. برای ارزیابی یک پیشنهاد درباره فیزیولوژی، بیماری، دارو یا تشخیص، ابتدا باید دانش کافی درباره همان موضوع وجود داشته باشد.

بنابراین ظهور AI اهمیت یادگیری آناتومی، فیزیولوژی، بیوشیمی، پاتولوژی و سایر علوم پایه را از بین نمی برد. چیزی که ممکن است تغییر کند، نحوه استفاده از این دانش است.

ارزیابی انتقادی منابع مهم تر می شود

در محیطی که تولید متن و خلاصه بسیار آسان شده، تشخیص منبع معتبر اهمیت بیشتری پیدا می کند. پزشک باید بتواند تفاوت میان پاسخ تولیدشده توسط مدل، مقاله پژوهشی، راهنمای بالینی و نظر یک متخصص را تشخیص دهد.

سواد AI با برنامه نویسی یکی نیست

هر پزشک لزوماً نیاز ندارد برنامه نویس یا متخصص یادگیری ماشین شود. اما شناخت محدودیت مدل، احتمال خطا، سوگیری داده، حریم خصوصی و روش بررسی خروجی برای طیف بسیار گسترده تری از پزشکان مفید خواهد بود.

مهارت انسانی پزشک کم اهمیت نمی شود

پزشکی فقط پردازش اطلاعات نیست. توضیح عدم قطعیت، درک ترجیحات بیمار، گفت وگو درباره گزینه ها و ایجاد ارتباط حرفه ای بخش هایی از کار هستند که کیفیت آن ها تنها با «دقت یک الگوریتم» سنجیده نمی شود.

آیا با آمدن AI کتاب های پزشکی اهمیت خود را از دست می دهند؟

هوش مصنوعی می تواند به جست وجو، توضیح، مرور و سازمان دهی اطلاعات کمک کند، اما این ویژگی ها آن را به طور خودکار جایگزین منبع آموزشی نمی کنند.

یک کتاب درسی یا مرجع مناسب می تواند موضوع را با ساختاری مشخص از مبانی تا جزئیات ارائه کند؛ چیزی که برای ساختن چارچوب اولیه دانش اهمیت دارد. در مقابل، کتاب نیز محدودیت دارد: اطلاعات بعضی حوزه های بالینی سریع تغییر می کنند و برای تصمیم های روز باید به راهنماهای بالینی، پژوهش های تازه و منابع به روز مراجعه کرد.

بنابراین برای دانشجوی پزشکی، تقسیم نقش منطقی تر چنین است: منبع آموزشی ساختاریافته برای یادگیری پایه، منابع علمی و راهنماهای روز برای اطلاعات متغیر، و AI به عنوان ابزار کمکی برای جست وجو، توضیح و سازمان دهی. هیچ کدام به تنهایی جای همه منابع دیگر را نمی گیرند.

برای دانشجویان سال های ابتدایی، بررسی کتاب های علوم پایه پزشکی و مقایسه منابع متناسب با هر درس همچنان بخشی از انتخاب منبع آموزشی است. دانشجویان تازه وارد نیز می توانند در راهنمای کتاب های ترم اول پزشکی تفاوت نقش منابع اصلی، اطلس ها و کتاب های مرور را بررسی کنند.

خطرهای استفاده از هوش مصنوعی در پزشکی چیست؟

مهم ترین محدودیت AI این نیست که «گاهی جواب نمی داند»؛ مشکل این است که ممکن است پاسخ نادرست را با زبان بسیار قانع کننده ارائه کند.

سازمان جهانی بهداشت در راهنمای خود درباره مدل های بزرگ چندوجهی در سلامت، به خطرهایی مانند اطلاعات غلط یا ناقص، سوگیری داده، سوگیری ناشی از اتکای بیش از حد به سیستم، حریم خصوصی و امنیت اشاره کرده است. WHO همچنین تأکید می کند که توانایی عمومی این مدل ها برای انجام طیف گسترده ای از کاربردهای سلامت هنوز نباید فرضی اثبات شده در نظر گرفته شود.

نگرانی پزشکان نیز با همین مسائل هم پوشانی دارد. در نظرسنجی ۲۰۲۶ AMA، ۸۸ درصد پاسخ دهندگان اعتبارسنجی ایمنی و اثربخشی ابزار را برای پذیرش بیشتر AI مهم دانستند، ۸۶ درصد بر تضمین حریم خصوصی داده تأکید کردند و ۹۲ درصد خواهان آموزش بیشتر درباره AI بودند.

مرور نظام مند سال ۲۰۲۶ نیز نشان داد که حتی زمانی که AI کیفیت ساختاری مستندسازی را بهتر می کند، خطاهای factual همچنان می توانند باقی بمانند. در مطالعات بررسی شده، نرخ هایی حدود ۲۶ تا ۳۶ درصد برای خطاهای factual گزارش شده بود؛ البته این اعداد مربوط به مطالعات و وظایف مشخص هستند و نباید به همه سیستم های AI تعمیم داده شوند.

آینده پزشکی چگونه تغییر می کند؟

درباره چند روند می توان بر اساس شواهد فعلی صحبت کرد: استفاده حرفه ای از AI میان پزشکان در حال افزایش است، ابزارهای پزشکی AI برای کاربردهای مشخص وارد بازار شده اند و آموزش AI در بخشی از دانشکده های پزشکی وارد برنامه درسی شده است. این ها واقعیت های قابل مشاهده امروز هستند.

اما اینکه دقیقاً در ۱۰ یا ۲۰ سال آینده چند وظیفه کاملاً خودکار می شود، کدام تخصص بیشترین تغییر را تجربه می کند یا تعداد پزشکان موردنیاز چه تغییری خواهد کرد، هنوز پیش بینی است و داده فعلی اجازه نتیجه قطعی نمی دهد.

با شواهد موجود، سناریوی محتاطانه تر این است که بخشی از کارهای استاندارد و پردازش اطلاعات بیشتر به سیستم های هوشمند واگذار شود و در مقابل، نقش پزشک در کنترل خروجی، ترکیب اطلاعات با شرایط واقعی بیمار، مدیریت موارد پیچیده و پذیرفتن مسئولیت تصمیم پررنگ بماند.

پس بالاخره آیا هوش مصنوعی جای پزشکان را می گیرد؟

در سال ۲۰۲۶ شواهد کافی برای این نتیجه وجود ندارد که حرفه پزشکی در مسیر حذف شدن توسط هوش مصنوعی است. شواهد قوی تر نشان می دهند AI در حال تغییر وظایف داخل این حرفه است و نتیجه همکاری پزشک و AI نیز به طراحی ابزار، نوع کار، آموزش و نحوه استفاده بستگی دارد.

از طرف دیگر، جمله «هوش مصنوعی هرگز نمی تواند جای هیچ بخشی از کار پزشک را بگیرد» نیز قابل دفاع نیست. توانایی فناوری در حال تغییر است و بعضی وظایفی که امروز پزشک انجام می دهد ممکن است در آینده بیشتر یا حتی تقریباً کامل خودکار شوند.

بنابراین مسئله اصلی برای دانشجوی پزشکی آینده احتمالاً رقابت مستقیم با AI نیست؛ آمادگی برای پزشکی ای است که استفاده از هوش مصنوعی در آن عادی تر، اما ارزیابی و کنترل آن نیز ضروری تر خواهد بود.

پرسش های متداول

آیا با وجود هوش مصنوعی هنوز پزشکی خواندن منطقی است؟

پیشرفت AI به تنهایی دلیل کافی برای انتخاب یا کنارگذاشتن پزشکی نیست. علاقه به کار بالینی، طول و دشواری مسیر آموزش، توانایی ها، شرایط فردی و آینده بازار کار باید جداگانه بررسی شوند. آنچه شواهد فعلی نشان می دهد تغییر شیوه کار پزشکان است، نه حذف اثبات شده این حرفه.

کدام تخصص پزشکی بیشتر تحت تأثیر AI قرار می گیرد؟

در حال حاضر رادیولوژی یکی از حوزه هایی است که ابزارهای AI بیشتری در فهرست تجهیزات مجاز FDA دارد. با این حال، تعداد ابزارهای یک رشته معیار معتبری برای پیش بینی حذف آن تخصص نیست.

آیا می توان به پاسخ پزشکی هوش مصنوعی اعتماد کرد؟

پاسخ AI می تواند برای جست وجو یا توضیح اولیه مفید باشد، اما مدل های مولد ممکن است اطلاعات نادرست یا ناقص تولید کنند. در تصمیم های پزشکی، خروجی باید با منابع معتبر و ارزیابی حرفه ای بررسی شود.

آیا دانشجوی پزشکی باید برنامه نویسی یاد بگیرد؟

برای همه دانشجویان پزشکی الزام عمومی به برنامه نویسی وجود ندارد. در مقابل، شناخت اصول AI، توانایی ارزیابی خروجی، آشنایی با خطا و سوگیری، حفظ حریم خصوصی و استفاده مسئولانه کاربرد گسترده تری دارد. برنامه نویسی برای کسانی که قصد فعالیت در انفورماتیک پزشکی، پژوهش داده محور یا توسعه فناوری دارند می تواند مهارت تکمیلی مهمی باشد.