گزارش هم‌اندیشی سلامت: هوش مصنوعی هنوز جایگزین پژوهشگر انسانی در مرورهای نظام‌مند نشده است

در یک نشست تخصصی روش‌شناسی پژوهش‌های علوم پزشکی با حضور اساتید اپیدمیولوژی، آمار زیستی و پزشکی مبتنی بر شواهد، آخرین وضعیت به‌کارگیری مدل‌های هوش مصنوعی زاینده در سنتز داده‌های سلامت و نگارش مرورهای نظام‌مند (Systematic Reviews) و متاآنالیزها مورد بررسی قرار گرفت. متخصصان حاضر به اتفاق آرا تصریح کردند که علی‌رغم توانایی خیره‌کننده ابزارهای نوین در جستجو و غربالگری منابع، هوش مصنوعی هنوز به هیچ وجه قادر به جایگزینی قضاوت نقادانه و تخصصی پژوهشگر انسانی در ارزیابی سوگیری مقالات نیست. مرورهای نظام‌مند بالاترین جایگاه را در هرم شواهد بالینی دارا هستند و مبنای تدوین پروتکل‌های ملی درمان، صدور مجوزهای سازمان‌های غذا و دارو و تصمیم‌گیری‌های کلینیکی پزشکان به شمار می‌روند. کارشناسان اشاره کردند که الگوریتم‌های هوش مصنوعی ممکن است در درک تفاوت‌های متدولوژیک ظریف، شناسایی خطاهای پنهان آماری و تفکیک متغیرهای مخدوش‌کننده دچار خطاهای غیرقابل جبران و توهم (Hallucination) شوند. پژوهشگران بر این نکته تأکید ورزیدند که مدل ایده‌آل در پژوهش‌های مدرن، استفاده از رویکرد ترکیبی «انسان در حلقه» (Human-in-the-loop) است که در آن هوش مصنوعی به عنوان دستیار شتاب‌دهنده در استخراج اولیه داده‌ها به کار رود، اما کنترل کیفی، اعتبارسنجی بالینی و نگارش جمع‌بندی نهایی صرفاً تحت نظارت دانشمندان انجام پذیرد. در پایان این نشست، توصیه‌نامه‌ای برای تدوین کدهای اخلاقی و استانداردهای اعتبارسنجی استفاده از ابزارهای هوش مصنوعی در نگارش پایان‌نامه‌ها و مقالات پژوهشی علوم پزشکی کشور به مراجع دانشگاهی ارائه گردید. متخصصان حاضر در این هم‌اندیشی بر لزوم تدوین راهنماهای شفاف و استانداردهای بومی برای بهره‌گیری اخلاقی و مسئولانه از هوش مصنوعی در تحقیقات سلامت تأکید کردند. تلفیق هوشمندانه توان پردازشی الگوریتم‌ها با بصیرت بالینی دانشمندان، می‌تواند به ارتقای کیفیت سنتز شواهد و تصمیم‌گیری‌های مبتنی بر شواهد در نظام سلامت کمک شایانی نماید.