مهمان قسمت ششم پادکست باهوش: مبین شاطریان

با هوش برنامه ای با موضوع کاربرد هوش مصنوعی در کسب و کارها است که به کمک شرکت عامر اندیش و با اجرای رسول محمدی تولید شده است. هدف این برنامه افزایش آگاهی در زمینه کاربردهای هوش مصنوعی در کسب و کارها و راه حل های موجود در این حوزه است. در طی قسمت های مختلف مصاحبه هایی با متخصصین و مدیران محصولات مبتنی بر هوش مصنوعی صورت گرفته تا به شکلی کاربردی به چالش ها و راهکارهای موجود در این حوزه پرداخته شود.

شاید شما هم با ما موافق باشید که یکی از مهم ترین بخش هایی که هوش مصنوعی وارد آن شده حوزه پزشکی می‌باشد. اما واقعیت آن است که فناوری هوش مصنوعی در حوزه پزشکی، اصطلاحاً هنوز نوپا است و برای ایجاد تحولات معنادار، لازم است تا به قسمت های کلیدی در این حوزه وارد شویم. مهمان با هوش این هفته ما مبین شاطریان، پژوهشگر فعال هوش مصنوعی در حوزه سلامت است که تا به حال موفق به تولید نرم افزارهایی برای کودکان بیش فعال و همچنین تشخیص بیماری هایی که منجر به درد مزمن می‌شوند، شده است. در ادامه با ما همراه باشید.

• درود بر شنوندگان با هوش، من رسول محمدی، با قسمتی دیگر از این برنامه در خدمت شما عزیزان هستم. قصد ما توی پادکست باهوش، افزایش آگاهی در زمینه کاربردهای هوش مصنوعی در کسب و کارها و راه حل های موجود در این حوزه است.مهمان این هفته ما مبین شاطریان، پژوهشگر فعال در زمینه کاربردهای هوش مصنوعی در حوزه پزشکی است. سلام مبین جان، خیلی خیلی خوش آمدی.
• سلام رسول جان. خیلی ممنون که من را به برنامه خوبتان دعوت کردی. همچنین به شنوندگان عزیز هم سلام عرض می‌کنم و امیدوارم برنامه‌ی خوبی برای آن باشد.
• مبین، تا امروز هوش مصنوعی وارد فرآیند های مختلفی از حوزه پزشکی شده، از تشخیص و مرحله درمان بگیر تا تجویز دارو و مراقبت های بعدی از بیمار. یه کم ترسناک نیست این موضوع؟ واقعاً به نظرت لازم بود اصلاً هوش مصنوعی ورود کند به این حوزه حساس؟
• چرا ترسناک است و به طور کلی هوش مصنوعی زمینه‌ی ترسناکی است. منتهی بیایید ما کمی از قبل‌تر بررسی کنیم و ببینیم که اصلا چرا هوش مصنوعی وارد علم پزشکی شده است. ببینید، ما از سالیان دراز گذشته بحثی به عنوان خدمات درمانی داشتیم که بخشی از آن شامل پزشکی، بخشی شامل مراقبت‌های قبل از درمان و بعد از درمان و کلا رویه بلند و پر آوازه‌ای برای این داستان بوده است. در سال‌های بعد از آن، نرم افزارها کم کم وارد فضای بیمارستانی می‌شوند و ما شاهد HIS ها که سیستم‌هایی هستند که در بیمارستان‌ها وجود دارند و که تمام فعالیت بیمار از لحظه ورود تا زمانی که از بیمارستان خارج می‌شود، اعم از داروهایی که برای او تجویز می‌شود و یا تجویزهایی که برای او می‌شود، را ثبت کرده و در اصطلاح عملیات user tracking انجام می‌دهند.
• آماری داری که چند بیمارستان از این سیستم استفاده می‌کنند؟
• در حال حاضر همه‌ی بیمارستان‌ها این سیستم را دارند.
• تنها بیمارستان ها یا مراکز درمانی هم چنین سیستمی را دارند؟
• من مدتی در بیمارستان خاتم کار کردم. آن جا سیستم HIS به صورت مفصل بود. هم بیمارستان‌ها دارای این سیستم هستند و هم مراکز درمانی و هم حتی مطب ها به این سیستم مجهز هستند. البته همه‌ی مطب‌ها از این سیستم برخوردار نیستند اما به طور کلی امروزه نرم افزارهای HIS بسیار مورد استفاده قرار می‌گیرد. بحث ما در این برنامه استفاده از هوش مصنوعی در حوزه پزشکی است. اولین سوالی که باید از من بپرسید آن است که ما، به عنوان فعال حوزه هوش مصنوعی، به زور داریم خودمان را به حوزه پزشکی وارد می‌کنیم یا نه؟ واقعا این سوال خوبی است. چون یک زمانی اگر یادتان باشد کلان داده (big data) بسیار ترند شده بود و ما شاهد کلان داده در آشپزی و هواپیما و… بودیم. باید ببینیم که آیا ما در هوش مصنوعی داریم همین کار را می‌کنیم و به زور خودمان را به پزشکی وارد می‌کنیم یا اینکه واقعا وجود استفاده از هوش مصنوعی در پزشکی یک نیاز است؟ بیاییم کمی عقب‌تر و به سال‌های گذشته بازگردیم و فرض کنیم یک فردی بیمار شده است. برای مثال در سال 1991 میلادی در صورت احساس بیماری فرد به پزشک مراجعه می‌کرد و پزشک هم برای او نسخه‌ای تجویز می‌کرد. آن فرد سابقه ای از بیماری داشته و پزشک مربوطه نیز سابقه بیماری او را در فرم‌های کاغذی وارد می‌کرد که به عنوان مثال این فرد دارای فلان مشکل و فلان بیماری بوده و به من مراجعه کرد و… . هر بار که ما به پزشکی مراجعه می‌کنیم او برای تشخیص درست باید سابقه بیماری ما را با تمام جزئیات بداند. اگر پزشک اشتباهی کند و دارویی تجویز کند که من ده سال پیش نسبت به آن حساسیت داشتم، ممکن است منجر به مرگ من شود. این مسئله چیزی نیست که کشورها به راحتی از آن بگذرند. ما در اینجا وارد بازی می‌شویم که از زمانی که فردی وارد روند درمان می‌شود تا زمانی که از روند درمان خارج می‌شود، آیا لازم است که از هوش مصنوعی استفاده کند یا خیر.

• مبین دقیقا به نکته خیلی خوبی اشاره کردی. من هم موضوع را به همین سمت می‌برم. در واقع من اگر بخواهم خودم را جای بیمار بگذارم، برایم سخت است که تصمیمات حیاتی را به ربات بسپارم. با اینکه می‌دانم امکان اشتباه و خطای انسانی در علم پزشکی وجود دارد و خودت میدانی که کم هم نیست. اما در انتها من می‌دانم که با یک انسان سر و کار دارم. اما اگر هوش مصنوعی موجب آسیب دیدن من شود، در اینجا من باید یقه چه کسی را بگیرم؟
• خیلی سوال خوبی است و بحث من هم همین است. ما مسئولیت پزشکی داریم. اگر اتفاقی برای یک فردی در حین عمل جراحی و یا به دلیل تجویز نسخه‌ای افتاد باید به چه کسی مراجعه کنیم؟ به پزشکی که معالج ما بوده است. من در اینجا به صراحت می‌گویم که هوش مصنوعی هیچگاه جای تصمیم نهایی پزشک نخواهد بود. یعنی همیشه باید در روند درمان یک پزشک به عنوان فرد تصمیم گیرنده، تصمیم بگیرد که آیا سیستمی که به عنوان CDSS یا سیستم‌های تصمیم گیری هوشمند از آن استفاده می‌کند، نتیجه‌ی درستی دارد یا خیر و تمام این تصمیم گیری بر عهده پزشک است. هوش مصنوعی قرار نیست جای پزشک را بگیرد. نباید مرتکب این اشتباه شویم.
• یعنی خیال پزشکان راحت باشد که هیچ رباتی قرار نیست جای آن‌ها را بگیرد؟
• اصلا همچین چیزی امکان ندارد. من به صورت مطلق می‌گویم. چون چند مسئله اساسی در اینجا مطرح است. اول اینکه هر سیستم هوش مصنوعی دارای دقتی است. منظور ما از هوش مصنوعی که درباره‌ی آن صحبت می‌کنیم چیست؟ به این کاری ندارم که فیلم‌هایی همانند HER ساخته شده که در حال حاضر رسیدن به آن از ما دور است. بحث من سر این است که هر سیستم هوش مصنوعی می‌گوید که اگر شما یک جامعه آماری داشته باشید که در این جامعه آماری الگوی تکرار شونده‌ای تکرار شد، ممکن است در آینده نیز تکرار شود! ما در علم پزشکی داریم این حرف را می‌زنیم که دارای عدم قطعیت است. علم پزشکی یک مسئله 0 تا 100 نیست. ممکن است فردی را داشته باشیم که با تزریق پنیسیلین در لحظه جان خود را از دست بدهد کما اینکه ما چنین اتفاقاتی را تا به حال داشتیم.
• خیلی محکم داری راجع به این موضوع صحبت می‌کنی. دلیل این تحکم آن است که خیالت راحت است از این قضیه یا اینکه تکنولوژی هنوز به آن حد نرسیده یا حتی نخواهد رسید؟
• اصلا در نظر بگیریم که تکنولوژی به آن حد برسد! حتی اگر تکنولوژی به حدی برسد که دقت آن از پزشک بیشتر شود. در این حالت هم باز جای او را نمی‌گیرد. تکنولوژی می‌شود یک ابزار کمکی. هدف ما از ورود به علم پزشکی جایگزینی نیست. هدف ما ساخت ابزار و کمک کردن است.

• من دوباره می‌خواهم خودم را به جای بیمار بگذارم. من در یک جاهایی به درک احساسات و ارتباطات عاطفی با پزشکم نیاز دارم. این چیزی است که هوش مصنوعی نمی‌تواند آن را به من بدهد. زمانی هست که حال من بد است و می‌خواهم علائم احساساتم را به پزشک بگویم. در اینجا شاید نیاز باشد که من با حسی مشکلم را بیان کنم و پزشک نیز در مقابل با حس من ارتباط بر قرار کند. به نظر تو این به نوعی دغدغه محسوب می‌شود؟
• ما در این جا دو بحث داریم. اگر بخواهیم از دید روانشناسی و غیر روانشناسی وارد شویم هر دو دو بحث جداگانه هستند. نمی‌داننم که چقدر با پزشک‌ها درگیر بودی و با آن‌ها کار کردی، یک مقدار شخصیت پزشک‌ها جوری نیست که با بیماران درد و دل کنند. یعنی در حال حاضر هم همچین چیزی وجود ندارد.
• بله اما از حال احساسی و عکس‌العمل من پزشک متوجه می‌شود که در چه حالی هستم. من نمی‌گویم که پزشک بنشیند و با من درد و دل کند. برای مثال دکتری بود که می‌گفت بیماری داشته که می‌گفته آقای دکتر همه جای من درد می‌کند و آن دکتر هم جواب داده که تو هیچ مشکلی نداری. این همان منطق، استنتاج و احساس است. یعنی دکتر می‌تواند یک عکس‌العملی را تجزیه و تحلیل کند. در اینجا هوش مصنوعی نمی‌تواند کمکی به ما بدهد.
• خوب ببین، در پزشکی بحثی وجود دارد به اسم علائم non verbal و علائم verbal. یعنی علائمی که یک پزشک باید مثل یک کارآگاه آن علائم را تشخیص دهد. البته برخی از این علائم را خود بیمار اعلام می‌کند. تز من در مورد مدیریت درد بود. در مدیریت درد بحثی که وجود دارد آن است که معمولا دردها referral هستند. یعنی برای مثال دست تو درد می‌کند اما منشاء اصلی درد کمر تو است. به این مسئله می‌گویند دردهای ارجاعی. پس در دنیای واقعی هم پزشکان به عواطف انسان‌ها دسترسی ندارند و به علائم کار دارند. تو را به آزمایشگاه می‌فرستند و اگر مشکلی وجود داشته باشد که آن را می‌گوید اما در غیر این صورت به چیزی که می‌گویی کاری ندارد. البته در حوزه روانشناسی کلا داستان متفاوت است و واقعا درگیر احساسات هستند. ببینید زمانی که ما وارد علم پزشکی می‌شویم همه چیز بسیار پیچیده است. من چون با پزشک‌ها کار کردم معتقدم که کار پزشک‌ها در ایران به شدت کار سختی است. چون نه سابقه افراد را دارید و نه او را دنبال (trace) کرده ای و نه می‌دانی که آن فرد چه کار کرده است و با وجود همه این‌ها با چند علائم در زمان کمی باید تشخیص بدهی که مشکل کجاست و چه مریضی دارد. واقعا برخی از پزشک‌ها در ایران در حد معجزه کار می‌کنند و من به این مسئله معتقدم.

• باز هم موضوع را به سمتی بردی که من دلم می‌خواست. چیزی که من را همیشه به عنوان بیمار آزار می‌داد آن بود که من هیچ وقت خودم به پرونده‌ی پزشکی‌ام دسترسی نداشتم که اگر به صورت الکترونیکی بود که خیلی هم عالی می‌شد. این مسئله فارغ از اینکه می‌توانست جزئیات سوابق بیماری من را نشانم بدهد، در مراجعات بعدی به پزشک هم می‌توانست به من کمک کند. حداقل پزشک می‌دانست که من قبلا چه بیماری‌هایی داشتم و نزد چه متخصصانی رفتم و چه داروهایی استفاده کردم و به چه داروهایی حساسیت نشان داده‌ام. اینجا فکر می‌کنم هوش مصنوعی می‌تواند به من کمک کند.
• حالا برویم سراغ این مسئله که چرا هوش مصنوعی باید وارد پزشکی شود. ببینید در حال حاضر دنیا به این سمت حرکت می‌کند که سابقه افراد از زمان جنینی، یعنی قبل از اینکه فرد به دنیا بیاید، تا زمانی که وفات پیدا می‌کند را در یک پایگاه داده اطلاعاتی ذخیره می‌کنند. این اتفاق در حال حاضر در کانادا و انگلیس در حال افتادن است. چون رویکردهای پزشکی کشوری مانند انگلیس خیلی متفاوت است نسبت به کشوری مثل ایران. حالا اینکه چرا ساختارهای پزشکی این دو کشور انقدر با هم متفاوت است بحث جدایی می‌باشد و مقداری هم در تخصص مدیریتی حوزه سلامت است. با این حال کاری که در حال حاضر در دنیا انجام می‌دهند آن است که به اصطلاه از a تا z آدم‌ها را، با تمام تجویزات و…، نگاه می‌کنند و همه را ضبط می‌کنند. زمانی که می‌خواهید به پزشکی مراجعه کنید، اولا که حق ندارید هر زمانی که خواستید نزد متخصص بروید، بلکه اول از همه با رعایت سلسله مراتب نزد یک پزشک عمومی می‌روید و او با مشاهده trace شما، ارجاعتان می‌دهد به یک پزشک متخصص. بعد از آن هم متخصص trace شما را نگاه می‌کند. به نظر من اتفاقا هوش مصنوعی در حوزه پزشکی در کشور ایران ضعف دارد. چون پزشکی که می‌خواهد مشکل بیمار را بررسی کند، trace او را ندارد و نمی‌داند که چه اتفاق برایش افتاده است. اصلا می‌دانید چرا من وارد این حوزه شده‌ام و مهم‌ترین دغدغه من حوزه پزشکی بوده؟ زیرا من بیماری در گذشته داشتم که پزشکان از تشخیص آن عاجز بودند. دلیل اینکه نمی‌توانستند تشخیص دهند هم آن بود که نمی‌توانستند سوابق من را trace کنند. یعنی می‌خواستند من را مقطعی درمان کنند و نمی‌دانستند که ریشه مشکل من در کجاست.

• خوب این مشکل سیستماتیک است و مقصرش یک فرد نیست.
• اصلا من معتقدم که سیستم CDSS باید در ایران باشد. یعنی clinical decision system support. این سیستم می‌گوید که بیایید به کمک هوش مصنوعی و داده‌هایی که از قبل از افراد دارید، هشدار لازم را به پزشک بدهید. نمی‌گوید که جای پزشک بنشین. مثلا به کمک این مسئله پزشک متوجه می‌شود که فرد 20 سال سابقه آلرژی دارد و نباید به او فلان قرص را بدهد.
• یعنی یک دستیار و کمک کننده باشد. انگار که من به عنوان پزشک یک مانیتور در مطبم دارم که به محض ورود بیمار نوتیفیکشن و اطلاعات مربوط به او بر روی مانیتور نمایش داده می‌شود و می‌توانم بر اساس این اطلاعات توصیه‌های جدید کنم.
• دقیقا. تصمیم اصلی با پزشک است اما ما به عنوان یک کمک به مسئله وارد می‌شویم. البته در مقابل ما سیستم‌هایی داریم که به بیمار کمک می‌کنند. در واقع ما دو نوع سیستم در دنیا داریم. یکسری از آن‌ها هدفشان کمک به پزشک است و یکسری دیگر کمک به بیمار. اگر خواستید در ادامه وارد این مبحث نیز می‌شوم.
• مبین الان برای پیشگیری و هشدار قبل از ابتلا به بیماری‌های خاص آیا کاری در کشورمان انجام شده است یا حداقل در دنیا؟
• بحث مفصلی در این زمینه وجود دارد. ما در حوزه درمان سه سطح داریم که وزارت بهداشت آن را تعیین کرده است. یکی مرحله آموزش است که برای مثال در این مرحله می‌گویند که شما نوشابه نخورید، تحرک داشته باشید و توصیه‌های این چنینی. حوزه‌ی دیگری داریم به نام screening یا غربالگری که یعنی قبل از اینکه فرد مبتلا به بیماری شود ما به او هشدار دهیم. برای مثال به او بگوییم که با فلان روندی که پیش گرفتی کبد تو در آستانه تبدیل شدن به کبد چرب است. هنوز اتفاقی نیفتاده است اما ما به او هشدار می‌دهیم و هنوز به مرحله درمان نرسیده است و می‌گوید که در آینده به آن مبتلا می‌شود. لزومی هم برای درمان وجود ندارد. در سطح دوم یا screening  واقعیتش آن است که وزارت بهداشت آنقدر که باید قوی نبوده است. اما کار شده است. برای مثال بحث کنترل فشار خون و پایش قند خون وجود داشت. ولی اینکه شما هر سال آزمایش بدهید را وزارت بهداشت اجبار نکرده خودتان می‌روید و آزمایش می‌دهید.
• خوب فکر نمی‌کنی یکی از دلایلش آن است که باید بودجه‌های هنگفتی صرف این مسئله شود؟
• چرا اما این را در نظر بگیر که تو برای مثال در اینجا یک میلیارد هزینه میکنی اما در طرف دیگر هزینه درمان کم می‌شود. برای مثال الان بررسی می‌کنیم و می‌فهمیم که قرار است 100 هزار نفر در آینده کبد چرب بگیرند. اگر قبل از اینکه این افراد مبتلا به کبد چرب شوند من آن‌ها را درمان کنم بهتر است یا زمانی که مبتلا شدند؟
• مسلما قبل از آن.
• این چیزی است که در تمام دنیا به آن رسیده اند. چرا بر روی مسائلی مانندورزش و المپیک و دو و میدانی و … توجه وجود دارد؟ چون زمانی که افراد ورزش می‌کنند خطر ابتلا به بیماری کمتر می‌شود و زمانی که خطر ابتلا کمتر شود هزینه درمان هم کاهش میابد و دیگر نیازی نیست دولت ها در این زمینه هزینه های هنگفتی را خرج کنند. سومین مرحله‌ای که گفتم بحث درمان است. همان طور که اشاره کردم در screening کسی کار خاصی انجام نمی‌دهد و برای مثال شاید یک شرکت در سال یکسری آزمایشات از کارمندان بگیرد یا خودتان سراغ دکتر بروید تا آزمایش بدهد. مرحله سوم هم زمانی است که فرد مبتلا به بیماری شده و به نزد پزشک می‌رود تا او را درمان کند.
• مبین موافق این قضیه هستی که یکی از زمینه‌هایی که هوش مصنوعی می‌تواند به خوبی عمل کند تفسیر درست تصاویر رادیولوژی باشد؟ می خواهم بدانم چقدر این مسئله شدنی است و چقدر در این زمینه پیشرفت کردیم.
• بگذارید یک مثال خوب بزنم. یادتان هست زمانی که در زمان های گذشته وقتی می‌خواستیم عکس از دندان بگیریم چقدر با سختی و مشکل مواجه بودیم؟ الان زمانی که می‌خواهید عکس بگیرید از دستگاهی استفاده می‌شود که شما یک میله را در دهانتان می‌گیرید و خود دستگاه دور سرتان می‌چرخد و به صورت سه بعدی عکس می‌گیرد اما در نهایت یک عکس دو بعدی به شما تحویل می‌دهد. یعنی عکس‌های متوالی از شما می گیرد و آن ها را روی یکدیگر انطباق می‌دهد و در نهایت یک عکس واحد به شما تحویل می‌دهد. خود این امر هوش مصنوعی می‌باشد. کاری به این ندارم که دستگاهش را از خارج از کشور وارد می‌کنند. اما همین کار به یک فناوری پردازش تصویر نیاز دارد. که عکس ها را به تناسب کنار یکدیگر بچیند و یک عکس واحد به ما بدهد.

• این مرحله عکس برداری است اما منتها صحبت من در مرحله تفسیر بود. من می‌خواهم مثالی بزنم که شاید شنوندگان فکر کنند که لطیفه باشد اما واقعیت است. یکی دو سال پیش پای همسر من شکست و ما زمانی که عکس گرفتیم آن را پیش یک متخصص در یک بیمارستان بزرگ بردیم. دکتر آن جا از بس سرش شلوغ بود به ما گفت کدام دستت شکسته است؟! می‌خواهم بگویم برخی اوقات تصمیمات پزشک خیلی حیاتی است و با همه ی این ها می خواهم بدانم که هوش مصنوعی چه کمکی می‌تواند به تفسیر داده های رادیولوژی کند؟
• بگذارید من اول به دو بحث جواب دهم. ببینید من به طور کلی و کاملا با تخریب پزشکان به هر صورت مخالفم. انقدر روزانه مراجعه کننده دارند که وقت سر خاراندن ندارند. این اولین بحث، دومین بحث آن است که ما همچین سیستم‌هایی را در حال حاضر هم داریم. حالا به این موضوع که از خارج از کشور وارد می‌شوند یا داخل کشور تولید می‌شوند کاری نداریم. اما تمام نرم افزارهایی که برای رادیولوژی هستند که دقیقا بر اساس همین صحبت‌هایی که می کنیم هشدار می‌دهند. مثلا در مسئله دندان این نرم افزار جاهایی که دندان دچار پوسیدگی شده‌اند را شناسایی می‌کند و در مورد استخوان نیز تمام شکستگی‌ها را در می‌آورد. این اتفاقی است که در حال حاضر می‌افتد و معمولا این هشدار یا نشانه‌ها را کاربر رادیولوژیست برای شما می‌نویسد اما تصمیم نهایی همیشه با پزشک است. اگر بخواهیم وارد بحث رادیولوژی شویم، ما تعداد زیادی سیستم‌های پردازش تصویر داریم که ورودی آن‌ها تصاویر رادیولوژی است و خروجی‌شان اتفاقی است که درون این تصاویر افتاده است. این مسئله را ما در مواجهه با بیماری‌هایی مانند سرطان زیاد مشاهده می‌کنیم. برای مثال ماموگرافی مقالات و دستگاه‌های مختلف زیادی در این حوزه وجود دارد که از حد شمارش خارج است. دلیل این تعدد زیاد هم آن است که همان طور که میدانید احتمال ابتلا به سرطان سینه در بانوان بسیار زیادی است و هر چقدر سرطان زودتر شناخته شود درمان آن راحت تر است. ممکن است یک پزشک از نتایج ماموگرافی متوجه سرطان نشود اما چون الگوهای افرادی که مبتلا به سرطان بوده‌اند را در نمونه‌های خیلی زیادی بررسی می‌کنند امیدوارند که بتوانند با یک دقت خیلی بالا در مراحل اولیه screening تشخیص دهند که فرد در آستانه ابتلا به سرطان است. لذا مسئله‌ای که در مورد رادیولوژی گفتی در حال حاضر به وفور از آن استفاده می‌شود.
• و همه اش مبتنی بر هوش مصنوعی است؟
• اینجا باید ببینید که تعریفتان از هوش مصنوعی چیست. اگر از نظر شما پردازش تصویر جزئی از هوش مصنوعی است بله آن ها از این فناوری استفاده می‌کنند. همینطور از تطبیق الگو، شناسایی الگو یا pattern recognition و… .
• پس از خیلی از ماژول‌های پردازش تصویر استفاده می‌شود.
• بله در رادیولوژی درگیر این فناوری هستند و می‌توان گفت که رسما رادیولوژی پردازش تصویر است.
• مرسی مبین شاطریان عزیز که مهمان باهوش این قسمت ما بودی. امیدوارم که همراهان ما این برنامه را دوست داشته باشند. موضوعی بود که دوست داشتی راجع به آن صحبت کنی و من از تو نپرسیدم؟
• ببینید یک موضوعی هست که من در بیمارستان با آن درگیر بودم و آن هم بحث آزادی اطلاعات پزشکی است و امیدوارم یک روزی چنین اتفاقی به وقوع بپیوندد. چون برای مثال در کشوری مانند انگلیس مشاهده می‌کنیم که داده ها را به راحتی منتشر می‌کنند تا محققان بتوانند از آن‌ها استفاده و پردازش کنند. اما متاسفانه ما چنین چیزی را در کشورمان خیلی کم داریم یا اگر هم وجود دارد کاملا محدود شده است. مشکل دیگری هم که وجود دارد آن است که رویه استاندارد برای ورود شرکت‌های استاندارد به وزارت بهداشت آنچنان که باید تدوین نشده است. یعنی من اگر بخواهم به عنوان یک شخص ثالث بروم و یکسری مجوز بگیرم تا روی دستگاه‌های مشخصی پردازش کنم با سنگ اندازی‌هایی مواجه می‌شوم که این مسئله باعث می‌شود که نگذارد من وارد این حوزه شوم و در کل باعث می‌شود تا پزشکی ما در همین سطح، حالا چه بد و چه خوب، باقی بماند. حداقل اجازه‌ی ورود به این حوزه را به ما بدهند که وارد این حوزه شویم. در حال حاضر انگلیس چنین کاری را انجام می‌دهد و قطعا شما در آینده خواهید دید که به یکی از قطب‌های پزشکی تبدیل خواهد شد، حالا نه به واسطه پزشک‌های خاص، بلکه به واسطه سیستم‌های به خصوصی که در حال ساخت آن می‌باشد که قابلیت ورود اطلاعات زیاد پزشکی را دارد و همین امر باعث می‌شود که با کلان داده هایی که بوجود می‌آید بتوانند خیلی سریعتر و موثرتر تشخیص بیماری ها را تشخیص دهند. باز هم این نکته را یادآور می‌شوم که من اشکال سیستم پزشکی کشورمان را خود پزشکان نمی‌دانم بلکه به خود سیستم ایراد می‌گیرم و رویه‌ای که از زمانی که بیمار وارد یک بیمارستان می‌شود تا زمانی که از آن خارج می‌شود را دارای ایراد می‌بینم. ما فقط تمرکز را بر روی پزشکان گذاشته‌ایم و این کار به نظر من خیلی اشتباه است. تمام هدف ما باید این باشد که با استفاده از هوش مصنوعی بار کاری کاذب پزشکان را از روی دوش آن‌ها برداریم و باعث شویم این همه مراجعات بی دلیل به آن‌ها صورت نگیرد. من نمی‌گویم که هوش مصنوعی هیچ وقت جای پزشکان را می‌گیرد اما باید کمک کنیم که بار ترافیکی روی دوش آن‌ها را بردارد. جا دارد که من اینجا از شنوندگان خوب باهوش هم تشکر کنم که با ما همراه بودند.
• درود بر تو و همه‌ی کسانی که باهوش شنیدند.