بهره‌برداری از یادگیری ماشین در توسعه و بهبود سلامتی، آرزویی است که پزشکان و صنعت مراقبت از سلامتی همواره به آن می‌اندیشند. اگر پزشکان و صنعت مراقبت از سلامتی بتوانند در سال ۲۰۱۹ از یادگیری ماشین در مقیاسی جهانی بهره‌برداری و با رویکردی مناسب آن را پیاده‌سازی کنند، ممکن است به آرزوی خود دست یابند.
البته نباید از یاد برد که هوش‌مصنوعی و سرمایه‌گذاری به‌موقع لازمه تحقق رویای پزشکان و صنعت مراقبت از سلامتی است. با استفاده صحیح از هوش‌مصنوعی و یادگیری ماشین، سلامتی در جهان مردمی خواهد شد و خدمات‌رسانی در حوزه سلامت به کشورهای متوسط و سطح پایین آسان‌تر خواهد بود.
کمبود شدید منابع انسانی یکی از مهم‌ترین موانع فراهم‌سازی سلامتی در سراسر دنیا‌ست به همین خاطر مراقبت از سلامتی در بسیاری از زمینه‌ها با شکست مواجه می‌شود. زمانی‌که پای سلامت جهانی وسط باشد، هوش‌مصنوعی فرصت‌های زیادی را در مقابل شما می‌گذارد، با بهره‌گیری از هوش‌مصنوعی دیگر بهانه‌ای برای کمبود نیروی‌کار وجود نخواهد داشت، به‌خصوص اگر هوش‌مصنوعی با فناوری موبایل ترکیب شده باشد.
به عنوان مثال، شرکت‌های بزرگ و سرمایه‌گذاران اجتماعی همچون پیک‌ویژن (peek vision) از فناوری‌های متکی بر اسمارتفون استفاده می‌کنند. آنها به این حقیقت رسیده‌اند که با استفاده از تلفن‌همراه می‌توان آزمایش‌های مربوط به سلامت چشم افراد را بدون نیاز به مکانی خاص انجام داد.
علاوه بر این، هوش‌مصنوعی موجب صرفهجویی در هزینه‌ها می‌شود و مردم را برای پیشرفت در سلامتی راهنمایی می‌کند. هوش‌مصنوعی این امکان را فراهم کرده که اشخاص بتوانند از خود بهتر مراقبت کنند.
به عبارتی، هوش‌مصنوعی مراقبت از سلامتی را شخصی‌سازی کرده و مردم با بهره‌گیری از هوش‌مصنوعی، دستگاه‌های پوشیدنی و امکاناتی از این دست به بهبودی خویش سرعت می‌بخشند. هوش‌مصنوعی به بیماران شانس مراقبت بهتر از خود را اهدا کرده است.
شرایط پزشکی در تمام کشورها یکسان نیست و خدمات‌رسانی به طور مساوی انجام نمی‌پذیرد، اما چیزی که تقریبا در تمام دنیا مشابه است، کمبودهای پزشکی است. با افزایش جمعیت، خدمات پزشکی نیز گسترش می‌یابد، آگاه‌سازی مردم و بیماران به جلوگیری از بیماری‌های خطرناک منجر خواهد شد.
درحالی‌که نوآوری‌های زیادی در حوزه سلامت انجام شده است و سرمایه‌گذاری در هوش‌مصنوعی گرانبها‌ست، ارزیابی و ارزشگذاری مناسبی از این تکنولوژی جدید صورت نگرفته و هوش‌مصنوعی در حوزه سلامتی پیشرفتی نداشته است. باید توجه کرد که ارزیابی نیازمند اولویت و تحقیق است.
باید مطمئن شویم که فناوری‌های نو همگام با سلامت دیجیتال حرکت می‌کنند، زیرا فناوری و سلامت دیجیتال در کنار یکدیگر نه‌تنها ارزشمند هستند بلکه به بهبود بیماری‌های واگیردار و غیرواگیر کمک می‌کنند. با این وجود، نقدهایی برتغییر شیوه مدیریت سلامتی وارد است، منتقدان سلامت دیجیتال معتقدند تفاوتی میان واکسیناسیون و ساخت داروهای جدید وجود ندارد. منتقدان همچنین به قوانین مرتبط با یادگیری ماشین و هوش مصنوعی در سلامت دیجیتال مشکوک هستند و معتقدند که تعریف درستی از هوش مصنوعی در سلامت دیجیتال نشده است.
هوش مصنوعی و یادگیری ماشین با خطر تضعیف اعتماد و موفقیت مواجه هستند. ما نیازمند توسعه نوآوری در سطوح اجتماعی هستیم و به نظر می‌رسد روش‌های خلاقانه‌ای در این حوزه ابداع می‌شود ولی باید رویکرد مناسبی برای دسترسی به داده‌ها پیدا کنیم.
البته نباید از یاد ببریم که دسترسی به داده‌ها خود مستلزم خطراتی است، بنابراین باید مطمئن شویم که از داده‌هایمان محافظت می‌شود. اپلیکیشن‌های سلامتی و پزشکی دیجیتال علاوه بر نوآوری در زمینه ارزش‌های سلامتی بیماران فعالیت می‌کنند. دانشمندان همان اندازه که متکی به داده‌ها هستند،باید به اصول جمع‌آوری و تحلیل دادها اشراف داشته باشند.
همچنین دانشمندان هوش مصنوعی باید راهکارهای یادگیری ماشین را بشناسند. آنها باید از استفاده اخلاقی از داده‌ها و حفظ حریم خصوصی بیماران اطمینان حاصل کنند.برنامه‌های سلامت و نوآوری دیجیتال پزشکی نیز نیازمند اعتبار‌سنجی بالینی و توسعه ریشه‌ها هستند.
در اینجا منبع نقشی حیاتی دارد. همانطور که ملیندا گیتس(Melinda Gates) و سایرین هشدار داده‌اند، داده‌های جدید در مدل مدیریت سلامت از طریق هوش مصنوعی جایگزین داده‌های قبلی می‌شود و تاثیرگذاری قابل توجهی دارد.
بنابراین ما باید مطمئن شویم که داده‌ها به گونه‌ای جمع‌آوری می‌شوند که جوامع مختلف با آن قابل بررسی باشد. برای مثال، برنامهنویسان مختلفی در سراسر جهان وجود دارند؛ کسانی که از نظر نژاد و جنسیت با یکدیگر متفاوت هستند.
برای پیشرفت در آینده، نباید اشتباهات گذشته را تکرار کنیم. اتفاقی که دهه ۱۹۹۰ در آفریقا افتاد، نباید بازنمایی نشود. در دهه ۱۹۹۰، تلاش برای درک بیماری اچ‌آی‌وی/ ایدز در آفریقا با مقیاسی بزرگ انجام میگرفت، دانشمندان برای شناخت این بیماری متکی بر درک غرب بودند به همین دلیل سعی و کوشششان به جایی نرسید و شکست خوردند.
از آنجا که کشورهای سطح پایین و متوسط، بیشتر از سایر کشورها در معرض خطر هستند، باید در شکل دادن به نوآوری‌های فناورانه بیشترین تفاوت را ایجاد کنند. به عبارتی،برای دریافت بهتر کمکهای پزشکی باید هوشیار بود و داروهای تقلبی را شناخت. ام پیدگری نتورک(mPedigree Network) اولین‌بار در غنا کار خود را آغاز کرد.
امپیدگرینتورک سیستم نوین ردیابی موبایل است که هویت پزشکان را بررسی می‌کند و به بیماران و متخصصان سلامت قدرت انتخاب میدهد. از طرفی با تقویت اعتبار زنجیره‌های تامین محصولات دارویی از جمله واکسن‌ها، داروهای تقلبی را شناسایی می‌کند.
این شرکت با گشایش یک آزمایشگاه هوش مصنوعی در غنا، برنامه‌های آموزشی اختصاصی را برگزار می‌کند. این استارتاپ امیدوار است تا در سال ۲۰۱۹ روند پیشرفت بیماریها را در آفریقا کاهش دهد. ام پیدگری نتورک استانداردهای ایمنی علیالخصوص ایمنی در محل کار را بررسی می‌کند و برنامه‌ای برای تغییر مراقبت‌های بهداشتی همگان دارد. با در نظر گرفتن این موضوع خواهیم فهمید در کاهش روند بیماریها مشارکت عمومی- خصوصی تاثیرگذار است.
مشارکت عمومی- خصوصی در جهت ایجاد یک مجموعه از راه‌حل‌های دیجیتالی قوی، دشوار و منصفانه تقویت خواهند شد. این امر قدرت مردمیساختن هوش مصنوعی را نشان داده و بیمار را برای مدیریت سلامتیاش راهنمایی می‌کند. این مسئله در کشورهای کم‌درآمد و کشورهایی با درآمد متوسط مفید و با کاهش هزینههای درمانی همراه خواهد بود.
