بزرگنمايي:

آریا جوان - دو مهندس پیشین کوالکام اقدام به تأسیس شرکتی با محوریت هوش مصنوعی کرده‌اند. فناوری توسعه‌داده‌شده توسط این شرکت می‌تواند به حل معضل کمبود پزشک در چین کمک کند.

بسیاری بر این باور هستند که توسعه‌ی هوش مصنوعی می‌تواند به برهم خوردن نظم بازار کار منجر شود؛ چرا که ممکن است در آینده وظائفی همچون حسابداری، برنامه‌ریزی‌های تبلیغاتی، گزارشگری و… به رایانه‌ها واگذار شوند. ولی در نقطه‌ی مقابل، در برخی حوزه‌ها نیاز زیادی به استفاده از هوش مصنوعی احساس می‌شود. یکی از حوزه‌هایی که عمیقا نیازمند به‌کارگیری هوش مصنوعی است، حوزه‌ی سلامت است. هرچند از چین با عنوان دومین اقتصاد بزرگ جهان یاد می‌شود؛ اما کشور اژدهای سرخ با مشکلات جدی در رابطه با کمبود منابع پزشکی روبه‌رو است. براساس داده‌های جمع‌آوری‌شده توسط سازمان توسعه و همکاری اقتصادی ( OECD )، در حال حاضر به‌ازای یک‌هزار شهروند چینی، تنها 1.8 پزشک در این کشور مشغول به کار هستند. این در حالی است که این رقم برای ایالات متحده معادل 2.4 پزشک به‌ازای هر 1000 نفر است. میانگین تعداد پزشک به هر 1000 نفر برای 36 کشور عضو سازمان توسعه و همکاری اقتصادی هم برابر با 3.4 پزشک است.
کمبود پزشک در چین بدین معنی است که جمعیت کنونی پزشکان با فشار کاری فزاینده‌ای برای رسیدگی به وضعیت سلامتی بیماران روبه‌رو هستند؛ معضلی که اغلب منجر به تشخیص‌های اشتباه می‌شود. همین مسئله مهندسان را بر آن داشته تا در اندیشه‌ی استفاده از یادگیری عمیق و هوش مصنوعی برای تحلیل تصاویر پزشکی باشند. بنابر پیش‌بینی‌های محققان IDC، ارزش بازار تشخیص‌های پزشکی با هوش مصنوعی در چین، در سال 2017 از مرز 27 میلیون دلار گذشته است و تا سال 2022 از مرز 870 میلیون دلار هم عبور خواهد کرد. کمبود پزشک یکی از مشکلات اصلی سیستم بهداشتی چین است
یکی از بازیگران نوپا در این بازار، شرکتی موسوم به 12Sigma در سن‌دیه‌گو است که توسط دو مهندس سابق کوالکام تأسیس شده و اکنون دارای تیم‌های تحقیقاتی در چین است. این شرکت، درکنار برخی رقبای چینی نظیر Yitu، Infervision و تعداد دیگری از شرکت‌ها به کمک پزشکان می‌آیند تا در آزمایش‌ها و تصاویر پزشکی، سلول‌های سرطانی را شناسایی کنند. مابین ماه‌های ژانویه تا مه سال گذشته، برخی از شرکت‌های چینی فعال در این حوزه توانسته‌اند سرمایه‌ای بالغ بر 10 میلیون یوآن (1.48 میلیون دلار) را به‌دست آورند. مجموعه‌ی 12Sigma هم به‌تنهایی توانسته در دور دوم جمع‌آوری سرمایه، مبلغی در حدود 200 میلیون یوآن (29.6 میلیون دلار) را به دست آورد. علاوه‌بر این، 12Sigma مصمم است تا با جمع‌آوری سرمایه‌ی بیشتر، تیم فروش خود را گسترش داده و محصولات جدیدی را توسعه دهد.
ژونگ زین، مدیرعامل و بنیان‌گذار 12Sigma ژونگ زین ، مهندسی که در سال 2015 پست مدیریتی خود در کوالکام را رها کرد تا 12Sigma را تأسیس کند؛ در این رابطه می‌گوید: سال 2015 برای هوش مصنوعی، مانند سال 1995 برای اینترنت بود؛ شروعی برای یک دگرگونی عظیم. امروزه هوش مصنوعی به هر حوزه‌ای از زندگی نفوذ می‌کند؛ برای مثال می‌توان به امنیت عمومی، خودروهای خودران، کشاورزی، آموزش و اقتصاد اشاره کرد. اما دراین‌میان، ژونگ تصمیم گرفت تا در حوزه‌ی سلامت شانس خود را امتحان کند. این مدیر در ادامه می‌گوید: در اغلب صنایع، ممکن است هوش مصنوعی در دسترس باشد؛ اما هیچ مشکل حیاتی برای حل کردن وجود ندارد. در آن‌ حوزه‌ها شما در حال ایجاد نوعی تقاضای جدید هستید. اما در حوزه‌ی سلامت یک مشکل واضح وجود دارد. در این حوزه با این نیاز سر و کار داریم که چگونه به‌نحوی کارآمد بیماری‌ها را تنها با دیدن یک تصویر پزشکی شناسایی کنیم.
شرکت‌های مختلفی در حوزه‌ی سلامت در چین سرمایه‌گذاری کرده‌اند
گائو داشان ، محقق دیگری بود که در کوالکام از نزدیک با ژونگ کار کرده بود و پس از شروع فعالیت 12Sigma به‌سرعت به همکار خود پیوست. شایان ذکر است که گائو در کوالکام در زمینه‌هایی مانند بینایی ماشین و یادگیری عمیق فعالیت می‌کرد. این دو مهندس هردو از دانشگاه معتبر سینگ‌هوا فارغ‌التحصیل شده بودند همین مسئله هم دلیل دیگری برای نزدیک شدن این دو متخصص به یکدیگر بود. جدا از انگیزه‌های مالی، این دو مهندس احساس می‌کردند که با ورود به پنجمین دهه از زندگی‌شان، باید کسب‌وکار خودشان را شروع کنند. ژونگ که با افزایش سن متوجه افزایش آسیب‌پذیری در زندگی شده بود، در این رابطه می‌گوید: ما برای پیوستن به دوره‌ی اوج اینترنت (در دهه‌ی 90) بیش از اندازه جوان بودیم. [اما] اگر در عصر هوش مصنوعی چیزی را ایجاد نکنیم، فرصت کارآفرین شدن را از دست خواهیم داد. ما دوستان و اقوامی را می‌بینیم که تشخیص سرطان در آن‌ها بیش از اندازه به تعویق می‌افتد و به همین دلیل جان خود را از دست می‌دهند. هرچقدر بیشتر با چنین مواردی روبه‌رو می‌شوم، احساس می‌کنم بیشتر باید در حوزه‌ی سلامت درگیر شوم و دین خود را به جامعه ادا کنم.
نظام بیمارستانی طبقاتی در چین
هرچند 12Sigma و دیگر شرکت‌ها با کمک الگوریتم‌های پیشرفته‌ی تصویربرداری حرکت خود را به سمت جلو پیش می‌برند؛ اما چالش اصلی متقاعد کردن مجموعه‌ی درهم‌تنیده‌ی ارگان‌های بهداشتی در چین است تا حاضر شوند برای فناوری‌های مدرن هزینه‌ای پرداخت کنند. برای مثال، شرکت چینی Infervision برنامه‌نویسان و تیم‌های فروش را در بیمارستان‌ها مستقر کرده تا از نزدیک با پزشکان در ارتباط باشند و از نیازهای آن‌ها آگاه شوند. 12Sigma هم برای انجام این کار از همین راهبرد استفاده می‌کند. بیمارستان‌ها در چین به سه دسته‌ی درجه یک، دو و سه تقسیم می‌شوند. ژونگ در رابطه با بیمارستان‌های درجه یک در نظام بهداشتی طبقاتی چین می‌گوید: مولفه‌های اقتصادی در هر منطقه [از چین] متفاوت هستند. ما باید اعتماد پزشکان محلی را به دست آوریم. به همین دلیل هم هست که کارکنان بخش خرید را از میان مردم بومی استخدام می‌کنیم؛ این شالوده‌ی کار ما را تشکیل می‌دهد. سپس کار خود را با همکاری با بیمارستان‌های محلی شروع می‌کنیم. اگر بتوانیم با این بیمارستان‌های [درجه یک] وارد همکاری شویم، برند ما تقویت می‌شود و قدرت چانه‌زنی ما در مذاکره با بیمارستان‌های کوچکتر هم افزایش پیدا می‌کند. به همین دلیل، تمامی شرکت‌های فعال در زمینه‌ی استفاده از هوش مصنوعی در حوزه‌ی پزشکی روی بیمارستان‌های درجه یک چین متمرکز شده‌اند. حتی Tencent هم با واحد اختصاصی تصویربرداری پزشکی خود موسوم به Miying روی این بیمارستان‌ها متمرکز شده است و 12Sigma هم از این قاعده مستثنی نیست. اما در وضعیت کنونی، هیچ‌کدام از شرکت‌ها هزینه‌ای از این بیمارستان‌های درجه‌ی یک دریافت نمی‌کنند، چرا که این بیمارستان‌ها با پیشنهاد‌ها متعددی از سوی شرکت‌های مختلف روبه‌رو هستند و به‌راحتی می‌توانند شرکت‌هایی همچون 12Sigma را با شرکت دیگری جایگزین کنند.
به‌جای آن، 12Sigma برای کسب درآمد توجه خود را به سمت بیمارستان‌های درجه دو معطوف کرده است. براساس تحقیقات انجام‌شده توسط کمیسیون ملی سلامت و برنامه‌ریزی خانواده، در ماه آوریل سال 2018، حدود 30 هزار بیمارستان در چین فعالیت داشتند که از این میان 2٫427 بیمارستان در رده‌ی بیمارستان‌های درجه یک قرار می‌گرفتند. تعداد بیمارستان‌های درجه دو هم 8٫529 مورد است و همین بیمارستان‌ها هستند که خدمات خود را به جمعیت بزرگتری از بیماران ارائه می‌کنند. 12Sigma معتقد است که با فروش سخت‌افزار و دریافت هزینه‌های تعمیر و نگه‌داری در آینده، می‌تواند بیشترین فروش را در میان همین بیمارستان‌ها تجربه کند. مقاله‌ی مرتبط:
طراحی قرص‌هایی که معده را تحت نظارت قرار می‌دهند
در عین حال، تعداد بیمارستان‌های درجه سه در چین 10٫135 مورد است؛ اما اکثر این بیمارستان‌ها در مرکز شهرهای کوچک واقع شده‌اند و فاقد توانایی مالی لازم برای خرید تجهیزات سخت‌افزاری از شرکت‌هایی همچون 12Sigma هستند. به همین دلیل، این شرکت در نظر دارد تا به‌جای دریافت تمام هزینه‌ی تجهیزات از این بیمارستان‌ها، تجهیزات را در اختیارشان قرار دهد و به‌ازای هربار استفاده از تجهیزات، هزینه‌ای را دریافت کند. تاکنون شرکت نوپای 12Sigma امکان آزمایش مجانی خدمات خود را برای 200 بیمارستان در سراسر چین فراهم کرده است. همچنین، این شرکت توانسته 10 نمونه از تجهیزات سخت‌افزاری خود را به فروش برساند؛ فروشی که تنها چند صد هزار دلار درآمد را برای این شرکت رقم زده است. لیکن بنابر گفته‌های گائو، بسیاری از رقبا موفق به فروش همین تعداد دستگاه هم نشده‌اند. در این مرحله، نکته‌ی کلیدی جمع‌آوری داده‌های کافی به‌منظور بهبود الگوریتم‌های مورد استفاده است؛ تا جایی که بیمارستان‌ها متقاعد شوند خدمات و سخت‌افزار ارائه شده ارزش هزینه کردن را دارند. هدف کنونی این شرکت رسیدن به درآمد 100 میلیون یوآنی (14.8 میلیلون دلاری) در سال 2019 و جبران هزینه‌های اولیه تا سال 2020 است.
قوانین حفاظت از داده‌های شخصی در چین سختگیرانه نیستند و همین مسئله به شرکت‌ها اجازه می‌دهد تا به‌آسانی به تصاویر پزشکی بیماران دسترسی پیدا کنند؛ کاری که انجام آن در کشورهای غربی مشکل است. به‌گفته‌ی گائو، کار کردن با بیمارستان‌های ایالات‌ متحده به خاطر قوانین حفاظت از حریم خصوصی «بسیار سخت» است. دیدگاه چینی‌ها و آمریکایی‌ها در رابطه با هوش مصنوعی هم متفاوت است. درحالی‌که چینی‌ها هوش مصنوعی را به‌عنوان راهکاری برای حل معضل کمبود پزشک به حساب می‌آورند؛ نگاه آمریکایی‌ها به این فناوری بیشتر تجاری است. گائو در این رابطه می‌گوید: حوزه‌ی سلامت در ایالات‌ متحده محوریت تجاری بیشتری دارد. اگرچه ممکن است پزشکان آمریکایی در رابطه با استفاده از هوش مصنوعی محافظه‌کارانه‌تر از همتایان چینی‌شان عمل کنند؛ اما اگر ثابت کنیم که دستگاه‌های ما سود مالی را افزایش می‌دهند، موجب کاهش تشخیص‌های اشتباه می‌شوند و هزینه‌های پرداخت‌شده توسط شرکت‌های بیمه را کاهش می‌دهند، شرکت‌های فعال در حوزه‌ی سلامت علاقه‌مند خواهند شد تا این دستگاه‌ها را امتحان کنند.