فاصله میان توصیه پزشک و انجام معاینه، همیشه با یک تصمیم ساده پر نمی‌شود. یک وقت خالی، مسیر رفت‌وآمد، هماهنگی همراه و چند ساعت دوری از کار ممکن است لازم باشد تا توصیه روی کاغذ به مراقبت واقعی تبدیل شود. از این زاویه، ارزش اجتماعی هوش مصنوعی فقط در تشخیص پیچیده‌ترین تصویر نیست؛ گاهی پرسش مهم‌تر این است که آیا می‌تواند یکی از موانع رسیدن به معاینه را کم کند.
پژوهش ACCESS2 با انتشار در ۲۳ اکتبر ۲۰۲۶ غربالگری چشم جوانان مبتلا به دیابت را بررسی کرده است. این نسخه زودهنگام و داوری‌شده Nature Communications ممکن است ویرایش شود. این تاریخ انتشار است، نه تاریخ انجام معاینه‌ها. گزارش حاضر به چکیده و اطلاعات عمومی مقاله تکیه دارد؛ جزئیات کامل روش در فایل مقاله برای ما قابل دریافت نبود. صفحه اصلی پژوهش
دو عدد نزدیک، پس از یک فاصله قدیمی
در این مطالعه آینده‌نگر، ۳۹۷ جوان مبتلا به دیابت نوع یک یا دو شرکت داشتند. سابقه انجام معاینه چشم در گروه سفیدپوست ۷۹٫۸ درصد و در گروه غیرسفیدپوست ۶۱٫۸ درصد بود. پس از اجرای غربالگری خودکار در محل مراقبت دیابت، میزان تکمیل آن به‌ترتیب ۹۹٫۵ و ۹۸ درصد گزارش شد. نتیجه اصلی، برابری تکمیل غربالگری میان این دو گروه بود؛ نه اثبات حذف تمام نابرابری‌های سلامت. داده‌های گزارش‌شده ACCESS2
برای خواندن این اعداد باید دو پرسش را جدا نگه داریم: چه تعداد از افراد به مرحله معاینه رسیدند، و معاینه چه چیزی را درست تشخیص داد؟ ممکن است خدمتی دقیق باشد اما به افراد زیادی نرسد؛ یا به‌راحتی در دسترس باشد اما پاسخ آن نیازمند بررسی بیشتر باشد. بنابراین دسترسی و کیفیت را باید کنار هم سنجید. هیچ‌کدام به‌تنهایی تصویر کامل مراقبت را نمی‌سازند.
تقسیم شرکت‌کنندگان به دو گروه بزرگ نیز همه تفاوت‌های زندگی آنها را نشان نمی‌دهد. برای ارزیابی یک خدمت در محله یا شهر دیگر، پرسش‌هایی مانند امکان رفت‌وآمد، زبان توضیحات، توان پرداخت و مسیر پیگیری همچنان مطرح‌اند. اینها پرسش‌های تحلیلی ما برای اجرای احتمالی‌اند، نه یافته‌های جداگانه همین مطالعه. نزدیک‌شدن دو درصد، آغاز گفت‌وگو درباره عدالت است؛ پایان آن نیست.
دوربین به چه چیزی نگاه می‌کند؟
رتینوپاتی دیابتی یعنی آسیب مرتبط با دیابت به رگ‌های شبکیه؛ شبکیه بافت حساس به نور در پشت چشم است. این بیماری در مراحل اولیه ممکن است نشانه آشکاری نداشته باشد. به همین علت، خوب دیدنِ امروز به‌تنهایی پاسخ کامل درباره سلامت چشم نیست. توضیح مؤسسه ملی چشم آمریکا اهمیت معاینه منظم را برای شناسایی زودهنگام توضیح می‌دهد؛ زمان و نوع معاینه مناسب هر فرد باید با تیم درمان تعیین شود.
در پژوهش پیشین همین مسیر، که جانز هاپکینز در ژانویه ۲۰۲۴ گزارش کرده بود، از پشت چشم تصویر گرفته می‌شد و الگوریتم درباره نشانه‌های رتینوپاتی نتیجه می‌داد. این سامانه یک گفت‌وگوگر عمومی برای تشخیص همه بیماری‌ها نبود. عکس تخصصی، ابزار مشخص و کاربرد محدود داشت. همان گزارش، مشکلاتی مانند کمبود وقت، رفت‌وآمد و دسترسی به متخصص را از موانع انجام غربالگری توصیف می‌کرد. شرح سامانه و موانع مراجعه
در آن کارآزمایی قدیمی، ۱۶۴ نفر به‌صورت تصادفی در دو گروه قرار گرفتند: غربالگری همان روز در محل مراجعه دیابت، یا ارجاع معمول برای معاینه جداگانه. تکمیل معاینه در گروه اول ۱۰۰ درصد بود و در گروه دوم طی شش ماه ۲۲ درصد گزارش شد. این نتیجه متعلق به مطالعه منتشرشده در ۲۰۲۴ است و نباید به‌عنوان آمار تازه ACCESS2 بازنشر شود. خود پژوهشگران نیز احتمال اثر آشنایی قبلی بعضی شرکت‌کنندگان با سامانه را مطرح کرده بودند. گزارش کارآزمایی پیشین
از «معاینه انجام شد» تا «مراقبت ادامه یافت»
در ACCESS2، حساسیت تشخیص رتینوپاتیِ بیش از خفیف ۱۰۰ درصد، با فاصله اطمینان ۹۵درصدیِ ۶۷٫۶ تا ۱۰۰ درصد گزارش شد؛ ویژگی ۷۶ درصد بود. اینها برآوردهای همان مطالعه‌اند، نه تضمین عملکرد همیشگی. همچنین یکی از نویسندگان ارتباط مالی با شرکت Digital Diagnostics اعلام کرده و شرکت، تفسیرهای هوش مصنوعی را به‌صورت غیرنقدی تأمین کرده است. دقت گزارش‌شده و تعارض منافع
حساسیت به شناسایی موارد دارای بیماریِ هدف مربوط است؛ ویژگی نیز به درست منفی‌دانستن موارد فاقد همان بیماری مربوط است. بنابراین عدد ۱۰۰ درصد در یک نمونه، مجوز گفتن «هیچ بیماری از دست نمی‌رود» نیست، به‌خصوص وقتی بازه عدم قطعیت گسترده است. از طرف دیگر، نتیجه مثبت غربالگری را نباید با تشخیص قطعی همه مشکلات چشم یکی گرفت. این تفاوت برای فهم خبر مهم است، چون تیترهای کوتاه معمولاً همین فاصله میان آزمون و مراقبت را حذف می‌کنند.
اکنون یک موقعیت فرضی را در نظر بگیریم: خانواده‌ای هنگام مراجعه معمول، غربالگری را هم انجام می‌دهد و پاسخ نیازمند پیگیری دریافت می‌کند. اگر گرفتن وقت بعدی همچنان دشوار باشد، بخشی از مانع فقط به مرحله بعد منتقل شده است. در این سناریو، پرسش مسئول مرکز صرفاً تعداد عکس‌ها نیست؛ باید بداند چه کسی نتیجه را توضیح می‌دهد، ارجاع به کجا می‌رود و آیا مراجعه بعدی انجام می‌شود. این مثال، نتیجه مشاهده‌شده پژوهش نیست؛ شیوه‌ای برای فکرکردن به ادامه مسیر است.
آینده‌ای که به سازمان‌دهی مراقبت بستگی دارد
سازمان جهانی بهداشت در راهنمای اخلاقی سال ۲۰۲۱، درباره اغراق در منفعت هوش مصنوعی به بهای کم‌توجهی به زیرساخت سلامت هشدار داده است. این نهاد بر حریم خصوصی، رضایت آگاهانه، پاسخ‌گویی، ایمنی و دسترسی منصفانه تأکید می‌کند. همچنین یادآور می‌شود سامانه آموزش‌دیده در کشورهای پردرآمد الزاماً در محیط‌های دیگر همان عملکرد را ندارد. این راهنما توصیه سیاستی است، نه تأیید محصول یا نتیجه تازه یک آزمایش. اصول سازمان جهانی بهداشت
از دید آینده‌نگر، دو مسیر قابل تصور است. در مسیر نخست، مرکز درمانی دوربین را به فرایندی روشن وصل می‌کند: توضیح قابل‌فهم، مسئول مشخص برای پاسخ، پیگیری ارجاع و ارزیابی کیفیت. در مسیر دوم، دستگاه نصب می‌شود اما تجربه بیمار پس از دریافت نتیجه مبهم می‌ماند. این دو سناریو نشان می‌دهند خرید فناوری و ساختن خدمت یک کار واحد نیستند. برای انتخاب میان آنها، باید تجربه مراجعه‌کننده را هم به‌اندازه عملکرد الگوریتم جدی گرفت.
در عمل می‌توان از طراحان یک خدمت پرسید: کدام رفت‌وآمد واقعاً حذف شده است؟ هزینه یا انتظار تازه در کجا ایجاد می‌شود؟ اگر تصویر قابل ارزیابی نبود، چه مسیری پیش روی بیمار است؟ پاسخ این پرسش‌ها باید درباره همان مرکز و همان سامانه داده شود. این مقاله دسترسی چنین خدمتی در ایران یا مجوز کاربرد آن برای همه سنین را تأیید نمی‌کند؛ پژوهش روی یک جمعیت مشخص، مجوز عمومی استفاده نیست.
برای مردم، معنای امیدوارکننده این خبر شاید بسیار ملموس باشد: مراقبتی که انجام‌دادنش آسان‌تر شود. اما آینده مطلوب زمانی ساخته می‌شود که این آسان‌ترشدن تا مرحله توضیح، پیگیری و درمان لازم ادامه پیدا کند. اگر روزی غربالگری هوشمند فراگیر شد، نشانه موفقیتش فقط تعداد دستگاه‌ها نخواهد بود؛ باید بتوان پرسید چه کسانی پیش‌تر جا می‌ماندند و اکنون واقعاً به مراقبت رسیده‌اند.
تصاویر این مقاله، تصویرسازی مفهومی تولیدشده با هوش مصنوعی‌اند؛ عکس تجهیزات یا محل اجرای پژوهش نیستند.
منابع
- پژوهش ACCESS2 در Nature Communications؛ تاریخ انتشار یا به‌روزرسانی: 2026-10-23؛ بررسی: ۲۵ اکتبر ۲۰۲۶.
- گزارش پژوهش پیشین جانز هاپکینز؛ تاریخ انتشار یا به‌روزرسانی: 2024-01-11؛ بررسی: ۲۵ اکتبر ۲۰۲۶.
- رتینوپاتی دیابتی؛ مؤسسه ملی چشم آمریکا؛ تاریخ انتشار یا به‌روزرسانی: 2025-09-11؛ بررسی: ۲۵ اکتبر ۲۰۲۶.
- اصول اخلاقی هوش مصنوعی در سلامت؛ سازمان جهانی بهداشت؛ تاریخ انتشار یا به‌روزرسانی: 2021-06-28؛ بررسی: ۲۵ اکتبر ۲۰۲۶.
نظر شما چیست؟