رییس مرکز ملی تحقیقات سازمان بیمه سلامت: پزشکی شخصی‌سازی‌شده مسیر آینده درمان کودکان است

وی افزود: با ترکیب هوش مصنوعی و یادگیری ماشین، پزشکی از رویکرد «یک نسخه برای همه» فاصله گرفته و به سمت انتخاب داروی درست برای بیمار درست، با دوز و زمان مناسب حرکت می‌کند؛ رویکردی که می‌تواند به کاهش خطاهای بالینی کمک کند.

عابدی با تأکید بر اهمیت این رویکرد در طب کودکان گفت: به جای اتکا به برچسب‌های تشخیصی عمومی مانند اوتیسم یا صرع، باید به سمت شناسایی پروفایل زیستی منحصربه‌فرد هر کودک حرکت کرد. این امر نیازمند ادغام داده‌های ژنومی و پروتئومیک، اطلاعات تصویربرداری و داده‌های محیطی است و با توجه به روند پویای رشد مغز کودکان، فرآیند درمان نیز باید متناسب با تغییرات کودک به صورت پویا دنبال شود.

رئیس مرکز ملی تحقیقات سازمان بیمه سلامت ایران، کاربرد پزشکی شخصی‌سازی‌شده را در بیماری‌های نادر، متابولیک، قلبی‌عروقی، سرطان و به‌ویژه نورولوژی و روانپزشکی مهم دانست و گفت: شناسایی بیومارکرهای پیش‌بین، ادغام داده‌های زیستی با شرایط بالینی و محیطی و ارزیابی مستمر وضعیت بیمار، از ارکان اصلی تحقق این رویکرد است.

وی با اشاره به ظرفیت هوش مصنوعی در پردازش تصاویر پزشکی و تشخیص تشنج افزود: اهمیت هوش مصنوعی تنها در تشخیص نیست، بلکه این فناوری می‌تواند در پیش‌بینی پاسخ به درمان و شناسایی احتمال مقاومت دارویی نیز به پزشک کمک کند. در بیماری‌های طیفی مانند اوتیسم نیز استفاده از داده‌های چند وجهی می‌تواند به تشخیص دقیق‌تر کمک کند.

عابدی با اشاره به کاربرد یادگیری تقویتی در درمان تشنج اظهار کرد: در رویکرد سنتی، انتخاب دارو تا حد زیادی بر پایه آزمون و خطا انجام می‌شود، در حالی که مدل‌های یادگیری تقویتی می‌توانند با تحلیل داده‌ها به تنظیم دقیق‌تر درمان و کاهش تشنج‌ها کمک کنند و در کنار پزشک نقش یک دستیار هوشمند را ایفا کنند.

وی کمبود و پراکندگی داده‌های الکترونیک، نبود جمعیت کافی برای اعتبارسنجی مدل‌ها، به‌ویژه در حوزه اطفال، و پایین بودن سواد دیجیتال را از چالش‌های مهم توسعه پزشکی شخصی‌سازی‌شده عنوان کرد و افزود: استفاده از ابزارهای هوش مصنوعی باید همراه با شناخت محدودیت‌ها و خطاهای این فناوری باشد و نمی‌تواند جایگزین دانش و قضاوت پزشک شود.

رئیس مرکز ملی تحقیقات سازمان بیمه سلامت ایران، همچنین بر ضرورت توجه به عدالت در سلامت تأکید کرد و گفت: پزشکی شخصی‌سازی‌شده نباید تنها در اختیار افرادی قرار گیرد که توانایی مالی انجام آزمایش‌های متعدد ژنتیکی و ارزیابی‌های تخصصی را دارند؛ بنابر این، همزمان با توسعه فناوری باید دسترسی عادلانه به این خدمات نیز مورد توجه قرار گیرد.

عابدی در پایان با اشاره به محدودیت داده‌های موجود در نورولوژی کودکان، حرکت به سمت روش‌های نوین هوش مصنوعی و یادگیری از داده‌های کوچک را ضروری دانست و اظهار کرد: تحقق کامل پزشکی شخصی‌سازی‌شده نیازمند توسعه زیرساخت‌های داده‌ای، آموزشی، مالی و نظارتی و همکاری نزدیک سیاست‌گذاران، دانشگاه‌ها و گروه‌های بالینی است.