نویسنده: تیم تحریریه فهیم‌طب | بازبینی علمی و محتوایی: تیم علمی فهیم‌طب | انتشار: ۱۳ آبان ۱۴۰۵ | آخرین به‌روزرسانی: ۱۳ آبان ۱۴۰۵ فهیم‌طب | تحریریه و بازبینی علمی | انتشار: ۱۳ آبان ۱۴۰۵ | آپدیت: ۱۳ آبان ۱۴۰۵
توجه: مطالب فهیم‌طب برای آگاهی عمومی است و جایگزین معاینه، تشخیص یا درمان پزشک نیست. توجه: جایگزین تشخیص و درمان پزشک نیست.

هوش مصنوعی پزشکی؛ کدام مدل‌ها واقعاً قابل استفاده‌اند؟

فهیم طب، طراح و مجری سیستم‌های هوش مصنوعی و افزونه‌های اختصاصی برای کادر درمان و حوزه سلامت

هوش مصنوعی پزشکی نام یک ابزار نیست. بعضی از این مدل‌ها پروژه پژوهشی‌اند، بعضی فقط به پزشک یا سازمان درمانی می‌رسند و بعضی را فقط توسعه‌دهنده می‌تواند اجرا کند. از ۱۲ مدل هوش مصنوعی پزشکی که بررسی کردیم، سازنده هیچ‌کدام آن را ابزار آماده تشخیص برای عموم مردم معرفی نکرده است.

فهرست مطالب

مبنای بررسی: صفحه‌های رسمی سازندگان و مقاله‌های اصلی · به‌روزرسانی: ۱۳ آبان ۱۴۰۵ · این حوزه زود تغییر می‌کند

هر مدل هوش مصنوعی پزشکی برای چه کسی قابل استفاده است؟

مدل و سازنده چه کسی می‌تواند استفاده کند؟ محدودیت اصلی
ChatGPT Health، OpenAI عموم مردم؛ هنگام معرفی در ژانویه ۲۰۲۶ با فهرست انتظار[۱] برای تشخیص و درمان نیست؛ اتصال پرونده پزشکی فقط در آمریکا[۱]
Claude for Healthcare، Anthropic سازمان‌های سلامت؛ اتصال داده سلامت شخصی برای مشترکان Pro و Max در آمریکا[۲] اتصال‌های داده سلامت شخصی بتا بودند؛ کاربر به متخصص ارجاع داده می‌شود[۲]
OpenEvidence کادر درمان و دانشجوی پزشکی آمریکا با مدرک شغلی یا دانشگاهی[۳] توصیه پزشکی، تشخیص یا درمان نمی‌دهد؛ داده هویتی بیمار نباید وارد شود[۳]
Polaris، Hippocratic AI سازمان‌های درمانی، بیمه‌ها و شرکت‌های دارویی؛ نسخه 3.0 در ۲۰۲۵ برای کارهای غیرتشخیصی معرفی شد[۵][۴] تشخیص نمی‌دهد و نسخه نمی‌نویسد[۴]
MedGemma، Google توسعه‌دهنده؛ دانلود از Hugging Face با پذیرش شرایط[۶][۸] خروجی نباید مستقیم مبنای تشخیص یا درمان باشد[۸]
BioGPT، Microsoft توسعه‌دهنده و پژوهشگر؛ مجوز MIT[۹] برای متن زیست‌پزشکی است؛ مخزن از ۱۶ سپتامبر ۲۰۲۶ بایگانی شده[۹]
Meditron، EPFL توسعه‌دهنده و پژوهشگر؛ نسخه‌های 7B و 70B[۱۰] دانش تا اوت ۲۰۲۳؛ کاربرد پزشکی بدون آزمون بیشتر توصیه نشده[۱۰]
BioMistral توسعه‌دهنده و پژوهشگر؛ مجوز Apache-2.0[۱۱][۱۲] سازنده فقط کاربرد پژوهشی را توصیه کرده است[۱۲]
LLaVA-Med، Microsoft فقط پژوهش[۱۳] برای مراقبت بالینی نیست[۱۳]
Med-PaLM 2، Google راه عمومی در صفحه رسمی نیامده است[۱۴] پژوهشی؛ MedLM هم از ۲۹ سپتامبر ۲۰۲۵ قطع شد[۱۵]
AMIE، Google دسترسی عمومی معرفی نشده است[۱۶] چت‌بات پژوهشی؛ کارآزمایی بزرگ‌تر لازم است[۱۶]
MAI-DxO، Microsoft در دسترس عموم نیست[۱۸] هنوز برای استفاده بالینی تأیید نشده است[۱۸]

سؤال پزشکی از هوش مصنوعی؛ مردم به کدام دسترسی دارند؟

برای مردم، هوش مصنوعی پزشکی آنلاین عملاً همان چت‌بات‌های عمومی است، نه مدل‌های تخصصی بالا. ChatGPT Health نمونه‌ای از هوش مصنوعی سلامت در این دسته است: فضایی جدا برای پرسش سلامت، که OpenAI گفته گفت‌وگوهای آن برای آموزش مدل‌های پایه به کار نمی‌رود، ولی همان صفحه تأکید می‌کند برای تشخیص یا درمان نیست.[۱] Anthropic هم اتصال داده سلامت شخصی را برای توضیح جواب آزمایش و آماده شدن برای ویزیت معرفی کرده و در توضیح آن می‌گوید کاربر را برای راهنمایی شخصی به متخصص ارجاع می‌دهد.[۲]

کاربر داخل ایران یک مانع دیگر هم دارد: در بررسی ۱۳ آبان، ایران در فهرست کشورهای پشتیبانی‌شده ChatGPT، Claude و نسخه وب Gemini نبود.[۲۱][۲۲][۲۳] این فهرست‌ها ممکن است تغییر کنند. هر سایت هوش مصنوعی پزشکی یا اپلیکیشنی هم که نام این مدل‌ها را روی خود گذاشته، فقط با همین نام قابل اعتماد نمی‌شود؛ ببینید می‌گوید از چه مدلی استفاده می‌کند، داده شما کجا می‌رود و چه کسی مسئول خطای آن است.

هوش مصنوعی پزشکی؛ مقایسه مدل‌های قابل استفاده

هوش مصنوعی پزشکی

هوش مصنوعی پزشکی رایگان؛ کدام واقعاً رایگان است؟

رایگان بودن به معنی آماده بودن برای بیمار نیست. MedGemma و BioMistral را می‌شود رایگان دریافت کرد، اما اجرای آن‌ها کار توسعه‌دهنده است.[۶][۱۲] OpenEvidence طبق یک مرور علمی برای کادر درمان آمریکا رایگان است.[۳] ChatGPT Health هم هنگام معرفی برای پلن رایگان فهرست شده بود، ولی همان محدودیت کشوری بالا را دارد.[۱][۲۱]

هوش مصنوعی پزشکی گوگل کدام است؟

در منابع رسمی که دیدیم، چت‌بات پزشکی عمومی از گوگل معرفی نشده است. سه نامی که بیشتر شنیده می‌شوند، کار متفاوتی دارند:

  • MedGemma: مدل باز برای ساخت نرم‌افزار سلامت. نسخه 1.5 4B در ژانویه ۲۰۲۶ با پشتیبانی از تصاویر CT، MRI و هیستوپاتولوژی و استخراج داده از برگه آزمایش آمد؛ نسخه 27B هم برای متن‌های پیچیده‌تر باقی است.[۷] گوگل صریح می‌گوید نمره بالا در بنچمارک به معنی ایمنی در کاربرد پزشکی نیست.[۷]
  • AMIE: سیستم پژوهشی گفت‌وگو و تشخیص. در مطالعه منتشرشده در The Lancet، ۹۸ بیمار پیش از ویزیت با آن گفت‌وگو کردند، ناظر پزشک لازم نشد گفت‌وگویی را متوقف کند و فهرست تشخیص‌ها در ۹۰٪ موارد با تشخیص نهایی پزشک همخوان بود.[۱۶] در نسخه پیش‌چاپ، پزشکان در عملی بودن برنامه درمان و هزینه آن بهتر بودند.[۱۷]
  • Med-PaLM 2: مدل پرسش‌وپاسخ پزشکی که گوگل آن را هنوز پژوهشی معرفی می‌کند و راه دانلود عمومی ندارد.[۱۴]

بهترین هوش مصنوعی پزشکی کدام است؟

بهترین هوش مصنوعی پزشکی برای همه یکی نیست. بهترین هوش مصنوعی برای مسائل پزشکی روزمره یک بیمار با بهترین هوش مصنوعی در زمینه پزشکی برای یک پژوهشگر فرق دارد و نمره آزمون هم جواب این سؤال را نمی‌دهد. MAI-DxO روی ۳۰۴ پرونده دشوار NEJM به دقت ۸۵٫۵٪ رسید و ۲۱ پزشک به ۲۰٪؛ ولی پزشکان در آن آزمون به همکار، کتاب یا هوش مصنوعی دسترسی نداشتند و عملکرد روی بیماری‌های روزمره هم هنوز باید سنجیده شود.[۱۸]

مهم‌ترین داده برای عموم مردم از یک کارآزمایی تصادفی با ۱٬۲۹۸ نفر می‌آید. مدل‌ها وقتی تنها آزمایش شدند، در ۹۴٫۹٪ موارد بیماری را درست شناختند و در ۵۶٫۳٪ موارد اقدام درست را انتخاب کردند. مردمی که از همان مدل‌ها کمک گرفتند، کمتر از ۳۴٫۵٪ بیماری مرتبط را شناختند و کمتر از ۴۴٫۲٪ اقدام درست را انتخاب کردند؛ یعنی بهتر از گروه کنترل نبودند.[۱۹]

نویسندگان می‌گویند کاربر اغلب نمی‌دانست مدل چه اطلاعاتی لازم دارد و تغییر کوچک در پرسش، جواب را عوض می‌کرد.[۲۰] این نتیجه درباره GPT-4o، Llama 3 و Command R+ است و به هر مدل دیگری تعمیم مستقیم ندارد، ولی نشان می‌دهد برای انتخاب ابزار باید آزمون با کاربر واقعی را دید.

هوش مصنوعی برای پزشکان؛ کدام راه منطقی‌تر است؟

پزشکی که به دنبال جست‌وجوی شواهد است، با OpenEvidence روبه‌روست، ولی منبعی که دیدیم دسترسی آن را برای آمریکا توصیف می‌کند و همان مرور می‌گوید قضاوت بالینی همچنان لازم است.[۳] مطب، بیمارستان یا شرکتی که می‌خواهد سیستم اختصاصی بسازد، باید سراغ مدل باز برود. MedGemma روی یک GPU اجرا می‌شود[۶] و نسخه 4 بیتی BioMistral-7B حدود ۴٫۷ گیگابایت حافظه گرافیکی می‌خواهد؛[۱۲] هر دو پیش از کاربرد درمانی به اعتبارسنجی روی داده همان محل نیاز دارند. چالش‌های اجرای این سیستم‌ها را در هوش مصنوعی در بهداشت و درمان هم آورده‌ایم.

پیش از پرسیدن از هوش مصنوعی پزشکی

  • نام، کد ملی، شماره پرونده و عکس چهره را وارد نکنید.
  • سن، جنس، مدت نشانه، داروها و بیماری‌های زمینه‌ای را بگویید؛ کمبود همین اطلاعات از مشکلات اصلی کاربران در کارآزمایی بود.[۲۰]
  • جواب را مبنای شروع یا قطع دارو و تغییر دوز قرار ندهید.
  • درد شدید قفسه سینه، تنگی نفس، ضعف ناگهانی یک طرف بدن یا خونریزی شدید را از چت‌بات نپرسید؛ فوری با اورژانس تماس بگیرید.

اگر جواب آزمایش دارید، آن را در ابزار تفسیر آزمایش فهیم طب وارد کنید.

تفسیر آزمایش

پرسش‌های رایج درباره هوش مصنوعی پزشکی

می‌توانم جواب آزمایش را به هوش مصنوعی بدهم؟

اگر چنین کاری می‌کنید، نام، کد ملی و شماره پرونده را از برگه حذف کنید و نتیجه را با پزشک بررسی کنید. در شرایط OpenEvidence هم آمده که داده هویتی بیمار نباید وارد شود. عدد خارج از محدوده به‌تنهایی برای تصمیم درمانی کافی نیست.

هوش مصنوعی دکتر پوست قابل اعتماد است؟

هیچ‌کدام از مدل‌های هوش مصنوعی پزشکی این مقاله را سازنده‌اش برای تشخیص بیماری پوست توسط عموم معرفی نکرده است. ضایعه‌ای که نگرانتان کرده است را به پزشک نشان دهید و جواب چت‌بات را جای معاینه نگذارید.

آیا هوش مصنوعی جایگزین پزشکان می‌شود؟

شواهد فعلی این را نشان نمی‌دهد. در مطالعه AMIE، سیستم همراه ناظر انسانی کار کرد و پزشکان در عملی بودن برنامه درمان و هزینه آن بهتر بودند. در کارآزمایی Nature Medicine هم مردم با کمک این مدل‌ها تصمیم بهتری از گروه کنترل نگرفتند.

MedGemma را می‌شود روی کامپیوتر خود اجرا کرد؟

بله. گوگل می‌گوید مدل‌ها روی یک GPU اجرا می‌شوند و نسخه 1.5 4B به‌قدری کوچک است که بدون اینترنت هم کار می‌کند. پیش از دریافت باید شرایط Health AI Developer Foundations را بپذیرید.

پزشک ایرانی می‌تواند از OpenEvidence استفاده کند؟

در منابعی که بررسی کردیم، دسترسی برای کادر درمان و دانشجوی پزشکی آمریکا و با احراز هویت شغلی توصیف شده است. شرط رسمی برای پزشکان خارج از آمریکا را پیدا نکردیم، پس باید از خود سرویس پرسید.

منابع علمی

این مطلب چقدر برایتان مفید بود؟
اولین نفری باشید که امتیاز می‌دهد

نظر یا سوال شما

اگر درباره این مقاله سوالی دارید یا تجربه‌ای در این زمینه داشته‌اید، می‌توانید نظر خود را ثبت کنید. پیام شما پس از بررسی نمایش داده خواهد شد.

ایمیل شما نمایش داده نمی‌شود. دیدگاه‌ها پس از بررسی منتشر می‌شوند.