با سلام و احترام در موضوع طبابت وضعیت سازگاری انحصاری متعلق به هر انسان بسیار مهم است که متأسفانه در مواردی نادیده گرفته می‌شود تا حدی منجر به سکته و... شده است لذا هموطنان عزیز لطفاً بیشتر دل بدهید و با دقت به وضعیت مزاجی خود و سازگاری های اختصاصی بدن خود این دسته از پزشکان را آگاه فرمایید تا خدای …نمایش بیشتر
فناوری‌ای که پزشکان را مجبور به تغییر شغل می‌کند!
وظیفه دستیارهای هوش مصنوعی کاهش فرسودگی شغلی پزشکان بود، اما گزارش‌های جدید یک هشدار عمیق را مطرح می‌کنند.
گروه علم و پیشرفت خبرگزاری فارس - گزارش تازه نشریه آزاد شبکه جِی.اِی.اِم.اِی در سال ۲۰۲۵، تصویری دوگانه از تأثیر هوش مصنوعی بر جامعه پزشکی ارائه می‌دهد. بر اساس این مطالعه، استفاده از دستیارهای «هوش مصنوعی شنیداری» که وظیفه مستندسازی بالینی را بر عهده می‌گیرند، توانسته است «فرسودگی شغلی» پزشکان را به طرز چشمگیری از ۵۱.۹ درصد به ۳۸.۸ درصد کاهش دهد. این کاهش، در نگاه اول، نویدبخش یاری بزرگ فناوری به کادر درمان است.اما این روی سکه، هشداری عمیق‌تر را در خود پنهان دارد. پژوهشگران تأکید می‌کنند که این فناوری، نوعی «بار شناختی پنهان» را در جریان تصمیم‌گیری‌های مشترک میان انسان و الگوریتم شکل داده است. این بار پنهان، خود را در قالب اضطراب تصمیم‌های دوگانه و خستگی ناشی از تأیید مکرر توصیه‌های ماشین نشان می‌دهد.
آیا مغز انسان قربانی سیلاب داده‌های هوشمند خواهد شد؟
این وضعیت که برخی محققان آن را «بحران فرماندهی انسان و ماشین» نامیده‌اند، بسیار فراتر از یک چالش فنی ساده است. در کانون این بحران، یک پرسش اساسی و فلسفی نهفته است: ذهن انسانی تا چه نقطه‌ای می‌تواند در برابر سیلاب بی‌پایان داده‌ها و هشدارهای هوشمند مقاومت کند؟ و چطور می‌شود که ابزار یاری‌رسان، به عاملی برای تحمیل بار مضاعف بر تصمیم‌گیرنده بدل می‌شود؟در واقع، هر جا هوش مصنوعی به عنوان یک همکار، نیاز به تأیید مداوم از سوی انسان داشته باشد، نه تنها بار را کم نمی‌کند، بلکه بحران جدیدی از نظارت مستمر را به همراه می‌آورد.
تأیید مداوم توصیه‌ها، بار ذهنی سنگینی بر کارکنان تحمیل می‌کند
این دوگانگی، همان‌گونه که مطالعات اخیر نشان داده‌اند، پیامدهایی فراتر از اتلاف زمان دارد پژوهش‌های کیفی در حوزه سلامت دیجیتال از مفهومی سخن می‌گویند که آن را «بار تأیید» می‌نامند؛ تلاشی مداوم برای بررسی، تطبیق و اطمینان از درستی توصیه‌های الگوریتم این بار ذهنی، حتی زمانی که نتیجه نهایی درست باشد، هزینه شناختی بالایی دارد.دکتر تاشا گاندی از دانشگاه هاروارد در مرور نظام‌مند خود می‌نویسد: «هر بار که پزشک باید هشدار یا پیشنهاد سیستم را بازبینی کند، بخش دیگری از ظرفیت توجه او مصرف می‌شود. تکرار این چرخه، در بلندمدت، همان فرسودگی است که از آن گریزان بودیم» مطالعه‌ای که در نشریه آزاد شبکه جِی.اِی.اِم.اِی منتشر شد، نمونه‌ای دقیق از این تضاد را نشان می‌دهد.
دستیارهای هوش مصنوعی فقط خستگی کاری را جابه‌جا کرده‌اند
این پژوهش نشان داد که استفاده از دستیارهای هوش مصنوعی موسوم به دستیارهای مستندساز هوش مصنوعی محیطی اگرچه فرسودگی شغلی را کاهش داد، اما بار ذهنی فقط جابه‌جا شده است؛ از نوشتن یادداشت به مراقبت از تصمیم‌های ماشین در سوی دیگر طیف، سامانه‌های هشداردهنده یا سیستم‌های پشتیبانی تصمیم بالینی قرار دارند که قرار بود از خطاهای دارویی جلوگیری کنند، اما به گفته مرور نشریه انفورماتیک پزشکی بی‌ام‌سی، این سیستم‌ها خود منشأ پدیده‌ای به نام فرسودگی هشدار شده‌اند.در یکی از مطالعات گسترده، بیش از نیمی از پزشکان گزارش کردند که در مواجهه با حجم هشدارها دچار خستگی شناختی می‌شوند. پژوهش‌ها نشان می‌دهد که در محیط‌هایی با هشدارهای فراوان، نرخ «نادیده‌گرفتن توصیه سیستم» گاه به بیش از هفتاد درصد می‌رسد. این یعنی پزشک، در اغلب موارد، ترجیح می‌دهد به قضاوت خود بازگردد؛ اما همین فرایند تصمیم‌گیری دوباره، خود منبع فرسودگی است.
چه اعتماد کور و چه تردید مفرط، هر دو بار ذهنی را افزایش می‌دهند
پژوهش‌های روان‌شناختی نشان داده‌اند که تعامل انسان و ماشین به‌طور مستقیم با الگوهای شناختی و عاطفی انسان گره می‌خورد مفهومی به‌نام سوگیری خودکار؛ یعنی تمایل انسان به اعتماد بیش‌ازحد به توصیه خودکار، در بسیاری از حوزه‌ها شناخته شده است پژوهش کلاسیک گادارد و همکاران این تمایل را «مسئله‌ای پنهان اما حیاتی» نامید.در مقابل، هنگامی که کاربر به‌دلیل خطاهای پیشین یا عدم شفافیت الگوریتم به سیستم بی‌اعتماد می‌شود، پدیده‌ای معکوس رخ می‌دهد: او زمان و انرژی بیشتری برای بازبینی صرف می‌کند دکتر متیو ناگندران در مقاله مجله پزشکی دیجیتال نیچر می‌نویسد: «تعامل انسان و هوش مصنوعی اگر بدون وضوح و تبیین سطح اعتماد انجام شود، ذهن متخصص را در نوسان دائمی میان تسلیم و تردید نگه می‌دارد؛ و این همان چرخه‌ای است که فرسودگی را تغذیه می‌کند».
مسئولیت حقوقی و اخلاقی، فشار عاطفی را چندبرابر کرده است
بُعد حقوقی و اخلاقی ماجرا نیز فشار مضاعفی وارد می‌کند بسیاری از پزشکان نگران‌اند که اگر توصیه الگوریتم را نادیده بگیرند و خطایی رخ دهد، مسئولیت بر عهده آنان باشد؛ و اگر به توصیه اعتماد کنند و سیستم خطا کند، باز هم پاسخ‌گو باشند این «اضطراب مسئولیت» شکلی از بار عاطفی است که در مطالعات میدانی سال‌های اخیر، به‌ویژه پس از گسترش هوش مصنوعی مولد در پزشکی، بارها گزارش شده است.بررسی‌های مروری از جمله مرور گاندی و ساکول نشان می‌دهد که تأثیر هوش مصنوعی بر سلامت روانی کارکنان دوگانه است در حالی که سامانه‌هایی مانند دستیارهای مستندساز می‌توانند بار اداری را کاهش دهند، سیستم‌هایی که کاربر را ملزم به تأیید مداوم می‌کنند، بر بار شناختی می‌افزایند سه مکانیسم عمده در شکل‌گیری این بحران عبارت‌اند از: افزایش زمان تصمیم‌گیری، تکه‌تکه شدن توجه و اضطراب ریسک و مسئولیت.
دریافت هشدارهای نامرتبط، فرسودگی کارکنان را تشدید می‌کند
در پژوهش‌های مشاهده‌ای در بیمارستان‌های آمریکا، پزشکانی که روزانه بیش از سی هشدار سیستمی دریافت می‌کردند، امتیاز بالاتری در شاخص فرسودگی ماسلاچ (به پرسشنامه استاندارد و معتبری اشاره دارد که توسط روان‌شناس مشهور، کریستینا ماسلاچ (Christina Maslach)، برای سنجش فرسودگی شغلی طراحی شده است.) داشتند همچنین، هر واحد افزایش در «تعداد هشدارهای نامرتبط» با افزایش معنادار در نمره خستگی عاطفی هم‌بستگی داشت این وضعیت منجر به ایجاد مفهومی تازه در ادبیات مدیریتی شده است.در ادبیات مدیریتی، اصطلاح همکاری تیم‌های انسان و ماشین برای توصیف همکاری به کار می‌رود اما وقتی این همکاری به نظارت مداوم تبدیل شود، برخی پژوهشگران از مفهوم تازه‌ای سخن می‌گویند: فرماندهی فرسوده در چنین حالتی، تصمیم‌گیرنده به‌جای هدایت فناوری، درگیر کنترل و نظارت بر آن می‌شود؛ نوعی وارونگی نقش که فشار ذهنی را تشدید می‌کند.
فرماندهی فرسوده، انسان را از هدایت‌گر به ناظر ماشین تنزل می‌دهد
این وضعیت در گزارش مجله پزشکی دیجیتال ان.پی.جی با عنوان «مدل‌های فنی اجتماعی برای پشتیبانی بالینی» توصیف شده است نویسندگان هشدار می‌دهند که بدون بازتعریف نقش انسان، فناوری می‌تواند به‌جای پشتیبانی، فرماندهی را از انسان بگیرد روان‌شناسان سازمانی هشدار می‌دهند که این احساس می‌تواند به پدیده‌ای موسوم به خستگی تصمیم منجر شود.خستگی تصمیم به معنای کاهش کیفیت قضاوت در اثر تکرار تصمیم‌های متعدد با بار مسئولیتی بالا است در شرایطی که هر تصمیم باید در آینه هوش مصنوعی بازتاب یابد، این خستگی چندبرابر می‌شود شواهد پژوهشی نشان می‌دهد که می‌توان با اصلاح طراحی سیستم از شدت بحران کاست.
طراحی سیستم باید بر شفافیت و اختیار انسان تکیه کند
راهکارهای اصلی که در مرورهای نظام‌مند پیشنهاد شده‌اند عبارت‌اند از: کاهش هشدارهای غیرضروری با تنظیم آستانه‌ها، شفاف‌سازی توصیه‌ها با نمایش دلایل تصمیم الگوریتمی، و آموزش و بازخورد مستمر برای بازگرداندن حس کنترل به کاربران به‌گفته گزارش نشریه نیچر، طراحی موفق باید بر «شفافیت، اختیار و قابلیت اصلاح انسانی» تکیه کند.
هوش مصنوعی باید صدای پشتیبان باشد، نه قاضی ناظر
بحران فرماندهی انسان و ماشین، صرفاً مسئله‌ای فناورانه نیست؛ این بحران، آزمونی است برای بازتعریف نقش انسان در عصر هوش مصنوعی فناوری زمانی به یاری انسان می‌آید که او را از کنترل بیش‌ازحد رها کند، نه آنکه ذهنش را با تأییدهای بی‌پایان اشغال سازد.
نبود فرماندهی واضح، این بحران را به واقعیت روزمره تبدیل می‌کند
پژوهشگر نشریه جِی.اِی.ام.اِی در گزارش خود نوشته بود: «هوش مصنوعی اگر بخواهد واقعاً کمک کند، باید به صدای دوم تبدیل شود، نه قاضی دوم» اکنون که سازمان‌های درمانی و صنعتی با شتاب به سوی خودکارسازی می‌روند، مهم‌ترین پرسش این است که چه کسی در نهایت فرمانده است؟ اگر پاسخ روشن نباشد، «بحران فرماندهی انسان و ماشین» واقعیتی روزمره برای میلیون‌ها متخصص خواهد شد.#هوش_مصنوعی#سلامت#کار#فرسودگی#فناوری
00:04 - 6 آبان 1404