(SeaPRwire) –   ប្រសិនបើអ្នកចង់យល់ពីផលប៉ះពាល់ពិតប្រាកដរបស់បញ្ញាសិប្បនិម្មិត (AI) លើពិភពលោក កុំមើលទៅលើការសរសេរកូដ ច្បាប់ ឬហិរញ្ញវត្ថុ។ ចូរមើលទៅលើវិស័យសុខាភិបាល។ វាជាកន្លែងដែល AI ជួបប្រទះការសាកល្បងដ៏លំបាកបំផុតរបស់ខ្លួន៖ ស្រទាប់នៃបទប្បញ្ញត្តិ ការប្រថុយជីវិត ជីវវិទ្យាដ៏ស្មុគស្មាញ និងស្នូលដ៏មានមនុស្សធម៌ និងសេចក្តីអាណិតអាសូរ ដែលមនុស្សភាគច្រើននឹងសន្មតថាជាអ្វីចុងក្រោយដែលម៉ាស៊ីនអាចចម្លងបាន។

ជិតមួយទសវត្សរ៍មុន អ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ និងអ្នកឈ្នះរង្វាន់ណូបែល Geoffrey Hinton បានទស្សន៍ទាយថា មន្ទីរពេទ្យគួរតែបញ្ឈប់ការបណ្តុះបណ្តាលអ្នកវិទ្យុសកម្ម ដោយសារតែក្នុងរយៈពេលប្រាំឆ្នាំ AI នឹងធ្វើការងារនេះបានល្អជាង។ ជិត ១០ ឆ្នាំក្រោយមក មានអ្នកវិទ្យុសកម្មច្រើនជាងពេលណាៗទាំងអស់។ ក្នុងចំណោមឧបករណ៍បញ្ញាសិប្បនិម្មិត និងការរៀនម៉ាស៊ីនចំនួន ៧២៣ ដែលទទួលបានការអនុម័តពី FDA ចន្លោះឆ្នាំ ១៩៩៥ ដល់ ២០២៤ គឺឧបករណ៍វិទ្យុសកម្ម។ ម៉ាស៊ីនបានប្រសើរឡើង។ មនុស្សមិនបានចាកចេញទេ។

នៅពេលដែលខ្ញុំលើកឡើងរឿងនេះជាមួយ Hinton ថ្មីៗនេះ គាត់បានកែប្រែយ៉ាងរហ័សជំនួសឱ្យការដកថយ។ អ្វីដែលគាត់បានវិនិច្ឆ័យខុស គាត់បាននិយាយថា មិនមែនជាបច្ចេកវិទ្យាទេ។ វាជាសេដ្ឋកិច្ច។

“វិស័យសុខាភិបាលគឺជាទីផ្សារដែលយឺតយ៉ាវណាស់” គាត់បានប្រាប់ខ្ញុំ។ “ប្រសិនបើអ្នកអនុញ្ញាតឱ្យបុគ្គលិកសុខាភិបាលធ្វើការបានច្រើនជាងដប់ដង យើងទាំងអស់គ្នានឹងទទួលបានសេវាថែទាំសុខភាពច្រើនជាងដប់ដង។ ជាពិសេសមនុស្សចាស់ ពួកគេអាចស្រូបយកវាបានគ្មានទីបញ្ចប់។”

សំណួរធម្មតា—“តើ AI នឹងជំនួសគ្រូពេទ្យទេ?”—ប្រែថាជាសំណួរខុស។ តម្រូវការសម្រាប់សេវាថែទាំសុខភាពគឺគ្មានទីបញ្ចប់ទេ។ មានការស្កេនមួយទៀតដែលត្រូវអានជានិច្ច មានលក្ខខណ្ឌមួយទៀតដែលមិនត្រូវបានធ្វើរោគវិនិច្ឆ័យដោយសារតែគ្មាននរណាម្នាក់មានពេលមើល។ AI នឹងមិនកាត់បន្ថយចំនួនបុคลากรពេទ្យទេ។ វា​នឹង​បង្ហាញ​ពី​តម្រូវការ​ដែល​មិន​បាន​បំពេញ​ដែល​មាន​នៅ​ទីនោះ​ជានិច្ច។

ពេលដែល AI ធ្វើបានល្អជាងគ្រូពេទ្យ និងពេលដែលវាបរាជ័យ

នៅក្នុងការកំណត់ខ្លះ AI កំពុងតែលើសពីគ្រូពេទ្យទៅហើយ។ អ្នកជំនាញខាងជំងឺបេះដូង និងអ្នកស្រាវជ្រាវ Eric Topol បានរកឃើញថា ក្នុងករណីខ្លះប្រព័ន្ធ AI ដែលដំណើរការដោយឯករាជ្យបានធ្វើការវិនិច្ឆ័យបានល្អជាងគ្រូពេទ្យដែលបានទទួលជំនួយពី AI ។ “ខ្ញុំនៅតែគិតថាការរួមបញ្ចូលគ្នានឹងឈ្នះ” Topol បានប្រាប់ខ្ញុំ។ “ប៉ុន្តែខ្ញុំមិនមានទំនុកចិត្តដូចខ្ញុំនៅឆ្នាំ ២០១៩ ទេ។”

ហេតុអ្វីបានជា AI តែមួយមុខអាចធ្វើបានល្អជាងមនុស្សដែលប្រើជំនួយ AI? ការពន្យល់មួយគឺអ្វីដែលអ្នកស្រាវជ្រាវហៅថា ការធ្វេសប្រហែសដោយស្វ័យប្រវត្តិ៖ គ្រូពេទ្យយោងទៅលើការវិនិច្ឆ័យដំបូងរបស់ពួកគេ ហើយមិនបានកែតម្រូវទេ ទោះបីជាប្រព័ន្ធបានស្នើជម្រើសមួយក៏ដោយ។ មួយទៀតគឺយើងគ្រាន់តែមិនទាន់បានរៀនពីរបៀបសហការប្រកបដោយប្រសិទ្ធភាពជាមួយឧបករណ៍ទាំងនេះ។

មិនមែនភស្តុតាងទាំងអស់គាំទ្រម៉ាស៊ីនទេ។ នៅក្នុងការសាកល្បងគ្រប់គ្រងដោយចៃដន្យដែលបានបោះពុម្ពផ្សាយនៅក្នុង JAMA Cardiology អ្នកជំនាញខាងជំងឺបេះដូង Sanjiv Patel និងសហការីបានធ្វើតេស្តប្រព័ន្ធ AI លើករណីជំងឺបេះដូងដ៏ស្មុគស្មាញដែលពាក់ព័ន្ធនឹងជំងឺបេះដូងកាម៉ាឡូផាទី ដែលជាការធ្វើរោគវិនិច្ឆ័យដែលសូម្បីតែគ្រូពេទ្យដែលមានបទពិសោធន៍ក៏រកឃើញថាពិបាកដែរ។

“អ្នកជំនាញមានកម្រណាស់” គាត់បាននិយាយ។ “តើ AI អាចជួយអ្នកជំនាញទូទៅឱ្យគិតដូចពួកគេបានទេ?”

ពួកគេអាច។ អ្នកជំនាញខាងជំងឺបេះដូងទូទៅដែលទទួលបានជំនួយពី AI បានបង្កើតការវាយតម្លៃដែលអ្នកពិនិត្យជំនាញចូលចិត្ត ដោយមានកំហុសតិចតួចដែលសំខាន់ខាងវេជ្ជសាស្ត្រ។ ប៉ុន្តែ ៦.៥% នៃការឆ្លើយតបរបស់ AI មានការប្រឌិតដែលសំខាន់ខាងវេជ្ជសាស្ត្រ។

អ្វីដែលធ្វើឱ្យការរកឃើញមានប្រយោជន៍គឺអ្វីដែលបានកើតឡើងបន្ទាប់។ “នៅពេលដែលអ្នកជំនាញខាងជំងឺបេះដូងបានសួរម៉ូដែល AI ថា ‘តើអ្នកប្រាកដទេថាអេកូកាឌីអូក្រាមបានបង្ហាញពីបេះដូងដែលក្រាស់?’ AI នឹងកែតម្រូវខ្លួនឯង។” ម៉ាស៊ីនមិនដឹងថាវាខុសទេរហូតដល់មាននរណាម្នាក់សួរ។

ហើយមានសញ្ញាព្រមាន។ កាលពីខែមុន Topol បានកត់សម្គាល់ថា អត្ថបទមួយនៅក្នុង Nature Medicine បានវាយតម្លៃការចាត់ថ្នាក់វេជ្ជសាស្ត្រដោយប្រើម៉ូដែលចុងក្រោយបំផុតរបស់ ChatGPT ។ វាបានចាត់ថ្នាក់ខុសច្រើនជាងពាក់កណ្តាលនៃពេលវេលា ដោយប្រាប់អ្នកជំងឺដែលត្រូវការបន្ទប់សង្គ្រោះបន្ទាន់ជាបន្ទាន់ឱ្យនៅផ្ទះ។ “យើងនៅមានផ្លូវឆ្ងាយណាស់” គាត់បាននិយាយ។

ភស្តុតាងគឺមិនស្មើគ្នា។ សម្រាប់កិច្ចការខ្លះ AI តែមួយមុខធ្វើបានល្អបំផុត។ សម្រាប់កិច្ចការផ្សេងទៀត មនុស្ស និងម៉ាស៊ីនរួមគ្នាធ្វើបានល្អជាងមួយក្នុងចំណោមពួកគេ។ នៅក្នុងកិច្ចការផ្សេងទៀត បច្ចេកវិទ្យាគឺមិនគួរឱ្យទុកចិត្តដោយគ្រោះថ្នាក់ទេ។ ការប្រឈមពិតប្រាកដមិនមែនជាថាតើ AI ដំណើរការឬអត់ទេ។ វាជាការដឹងថាពេលណា។

ការផ្លាស់ប្តូរពីការព្យាបាលតាមប្រតិកម្មទៅជាការបង្ការ

ការផ្លាស់ប្តូរដ៏សំខាន់បំផុតប្រហែលជាមិនមែនជាភាពត្រឹមត្រូវនៃការធ្វើរោគវិនិច្ឆ័យទេ ប៉ុន្តែជាពេលវេលា។ ប្រព័ន្ធសុខភាពសម័យទំនើបត្រូវបានបង្កើតឡើងដើម្បីព្យាបាលជំងឺបន្ទាប់ពីមានរោគសញ្ញាលេចឡើង។ Topol ជឿថា AI អាចជួយជំរុញវេជ្ជសាស្ត្រឱ្យឡើងលើ។

“ជំងឺធំៗចំនួនបីដែលទាក់ទងនឹងអាយុ ជំងឺ neurodegeneration ជំងឺមហារីក និងជំងឺបេះដូង ទាំងអស់មានរយៈពេល ១៥ ទៅ ២០ ឆ្នាំនៃការបង្កកំណើតនៅក្នុងខ្លួនរបស់យើង” គាត់បានប្រាប់ខ្ញុំ។ “យើងមានផ្លូវរត់ដ៏អស្ចារ្យដើម្បីធ្វើការជាមួយ ប៉ុន្តែយើងមិនមានវិធីដើម្បីបញ្ចូលទិន្នន័យទាំងអស់ទេ។ យើងថែមទាំងមិនមានទិន្នន័យទាំងអស់ទេ។”

ឥឡូវនេះយើងកំពុងចាប់ផ្តើមមាន។ ឧបករណ៍ពាក់បានដូចជា Apple Watch និង Fitbit ដែលបង្កើតទិន្នន័យបន្តនៃភាពប្រែប្រួលនៃចង្វាក់បេះដូង អុកស៊ីសែនក្នុងឈាម និងការគេង។ អ្នកស្រាវជ្រាវនៅ Stanford បានបង្ហាញថ្មីៗនេះថា ជំងឺចំនួន ១៣០ អាចត្រូវបានព្យាករណ៍យ៉ាងត្រឹមត្រូវពីទិន្នន័យដែលប្រមូលបានពីឧបករណ៍ពាក់បាន។ ការវិភាគឈាម និងការវិភាគហ្សែនឥឡូវនេះអាចប៉ាន់ប្រមាណហានិភ័យនៃជំងឺ។ បំណែកដែលបាត់បង់ យោងតាម Topol គឺ immunome ដែលជាផែនទីទូលំទូលាយនៃមុខងារប្រព័ន្ធភាពស៊ាំរបស់មនុស្ស។

“បន្ទាប់ពីខួរក្បាល ប្រព័ន្ធភាពស៊ាំគឺជាប្រព័ន្ធស្មុគស្មាញបំផុតនៅក្នុងរាងកាយ” គាត់បាននិយាយ។ “ហើយយើងមិនមានវិធីណាមួយនៅក្នុងគ្លីនិកដើម្បីវាស់វាទេ។ នៅឆ្នាំ ២០២៦ វាជាការភ័យខ្លាច។”

គាត់ជឿថាប្រព័ន្ធភាពស៊ាំដែលមិនមានការគ្រប់គ្រងគឺជាខ្សែស្រឡាយរួមដែលភ្ជាប់ជំងឺមហារីក ជំងឺ neurodegeneration និងជំងឺបេះដូង ហើយការវាស់វែងវានឹងបើកយុគសម័យថ្មីនៃការទស្សន៍ទាយហានិភ័យ។

ឱកាសមិនមែនស្ថិតនៅក្នុងការជំនួសគ្រូពេទ្យដោយផលិតផលតែមួយដែលបំបែកបានទេ ប៉ុន្តែនៅក្នុងការកសាងហេដ្ឋារចនាសម្ព័ន្ធជុំវិញគំរូថ្មីនៃការថែទាំបង្ការ៖ ការគេង ឧបករណ៍ពាក់បាន ប្រូតេអ៊ីនក្នុងឈាម។ ការសន្យាពិតប្រាកដរបស់ AI អាចជាការតាមដានសញ្ញាព្រមានដំបូងបំផុតរបស់រាងកាយដោយស្ងាត់ស្ងៀម និងការអន្តរាគមន៍យូរមុនពេលជំងឺលេចឡើង។

ដែនកំណត់ផ្នែកច្បាប់ សីលធម៌ និងមនុស្សធម៌របស់ AI ក្នុងវិស័យសុខាភិបាល

ទោះជាយ៉ាងណាក៏ដោយ ការអនុម័ត AI ក្នុងវិស័យសុខាភិបាលនឹងមិនត្រឹមតែជាបច្ចេកទេសទេ។ Hinton បានចង្អុលបង្ហាញពីភាពមិនស៊ីគ្នានៃច្បាប់។ ប្រសិនបើគ្រូពេទ្យមិនបានប្រើឧបករណ៍ AI ដែលមានស្រាប់ ហើយអ្នកជំងឺស្លាប់ គ្មាននរណាម្នាក់ត្រូវបានប្តឹងទេ។ ប៉ុន្តែប្រសិនបើគ្រូពេទ្យប្រើ AI ហើយមានគ្រោះថ្នាក់កើតឡើង ការទទួលខុសត្រូវអាចកើតឡើងភ្លាមៗ។ ប្រព័ន្ធនេះបានរារាំងការអនុម័តដំបូង។

ក្នុងពេលជាមួយគ្នានេះ កំហុសរបស់មនុស្សនៅតែមានច្រើន។ “យើងដឹងថាមានកំហុសវេជ្ជសាស្ត្រយ៉ាងហោចណាស់ ៤០ ម៉ឺននាក់នៅសហរដ្ឋអាមេរិក ដែលបណ្តាលឱ្យមានអ្នកស្លាប់ប្រហែល ២៥ ម៉ឺននាក់។ ហើយយើងមិននិយាយអំពីវាទេ។ យើងនៅតែនិយាយអំពីកំហុសដែល AI ធ្វើ” Topol បានប្រាប់ខ្ញុំ។

លើសពីនេះ សំណួរអំពីការអាណិតអាសូរនៅតែមិនទាន់ដោះស្រាយ។ នៅពេលដែលខ្ញុំសួរ Hinton ថាតើគាត់នឹងមានអារម្មណ៍ស្រួលក្នុងការទទួលការព្យាបាលដោយ AI នៅចុងបញ្ចប់នៃជីវិតរបស់គាត់ឬអត់ គាត់បានផ្អាក។ “ខ្ញុំប្រហែលជាគិតថាវា ក្លែងក្លាយ” គាត់បាននិយាយ។ បន្ទាប់មកគាត់បានបន្ថែមថា “ប៉ុន្តែខ្ញុំគិតថា AI អាចមានការអាណិតអាសូរដោយស្មោះត្រង់។”

Topol មិនយល់ស្របទេ។ “AI ពិតជាល្អក្នុងការបង្ហាញការអាណិតអាសូរ” គាត់បានប្រាប់ខ្ញុំ។ “ប៉ុន្តែមិនមានអ្វីដែលហៅថា ម៉ាស៊ីនដែលដឹងថាការអាណិតអាសូរជាអ្វីទេ។ មនុស្សចង់មើលទៅក្នុងភ្នែកនរណាម្នាក់ ហើយដឹងថាអ្នកនោះយកចិត្តទុកដាក់ចំពោះពួកគេ។ នោះហើយជាខ្លឹមសារនៃវេជ្ជសាស្ត្រ។ គ្មានម៉ាស៊ីនណាអាចជំនួសវាបានឡើយ។”