در طول سال گذشته، ابزارهای هوش مصنوعی مانند ChatGPT و DALL·E به دلیل توانایی خود در تولید متن و تصاویر به روش‌های جدید قدرتمند خبرساز شده‌اند. در همین حال، دانشمندان داده های بهداشت عمومی به طور فزاینده ای از روش های تحلیلی پیشرفته مانند هوش مصنوعی استفاده می کنند که پیامدهای مهمی برای آینده این رشته دارد.
آ
اجلاس یک روزه علم داده برای سلامت عمومی در دانشکده بهداشت عمومی میلمن دانشگاه کلمبیا، اهمیت حیاتی و رو به رشد ابزارهای تحلیلی نوظهور، از یادگیری ماشینی و پردازش زبان طبیعی گرفته تا علوم شبکه، مدل‌سازی پویا، و تجسم داده‌ها را بررسی کرد. شرکت کنندگان شامل اساتیدی از مرکز پزشکی کلمبیا ایروینگ و دانشگاه بزرگتر، از جمله نمایندگانی از موسسه علوم داده کلمبیا بودند.
هدف این اجلاس ارزیابی حوزه علم داده برای سلامت، از جمله وضعیت فعلی و روندهای آتی آن، در کنار ارزیابی کامل از چگونگی ساختار فعالیت‌های تحقیقاتی و آموزشی کلمبیا برای قرار گرفتن در پیشتاز این رشته بود.
سخنرانان مهمان و میزگردها موضوعاتی از جمله رویکردهای آموزش نسل بعدی در علم داده در بهداشت عمومی، مسائل اخلاقی در علم داده و ملاحظات عملی پیرامون زیرساخت تحقیقات علم داده را پوشش دادند. مانند اولین اجلاس علوم داده برای سلامت عمومی در اوایل سال 2020، اجلاس سال 2023 توسط گری میلر، معاون پژوهشی استراتژی و نوآوری و استاد علوم بهداشت محیطی – همراه با کیروس برهان، رئیس آمار زیستی، و جف گلد اسمیت، سازماندهی و مدیریت شد. ، دانشیار آمار زیستی.
در سخنان افتتاحیه، دین لیندا پی فرید گفت که علم داده نقشی کلیدی در رسیدگی به چالش‌های حیاتی بهداشت عمومی در سال‌های آینده ایفا خواهد کرد. او گفت: «پیچیدگی چالش‌هایی که ما با تقاضا مواجه هستیم، به روش‌ها و قابلیت‌هایی که به‌عنوان یک حوزه برای آینده سلامت به ارمغان می‌آوریم، نگاه می‌کنیم. «مدارس و برنامه‌های بهداشت عمومی باید در طیف وسیعی از ابزارها و تکنیک‌هایی که تحت علوم داده قرار می‌گیرند، تسهیل شوند».
دین مشاهده کرد که علم داده پتانسیل خوبی و بدی را دارد، که دومی شامل پتانسیل تشدید نابرابری‌های سلامت است. او گفت که به عنوان یک زمینه، بهداشت عمومی نیاز به ایجاد برنامه های آموزشی و تحقیقاتی دارد که از این اشتباهات جلوگیری کند و تدابیر حفاظتی برای استفاده هر بخش ایجاد کند.
Jeannette M. Wing، معاون اجرایی تحقیقات در دانشگاه کلمبیا و مدیر سابق مؤسسه علوم داده، گفت: مجموعه‌ای از داده‌ها به سرعت در حال رشد، همراه با توانایی ما برای تجزیه و تحلیل آنها، خواسته‌های جدیدی را در زیرساخت علم داده ایجاد می‌کند. وینگ گفت که “هدف بزرگ” او متمرکز کردن زیرساخت های محاسباتی با کارایی بالا در دانشگاه، ارائه قدرت محاسباتی و ذخیره سازی برای حمایت از علم داده، از جمله “برنامه های کاربردی هوش مصنوعی پیشرفته، محاسبات علمی، و داده ها” است. او نظر خود را در مورد این طرح درخواست کرد و اعضای هیئت علمی را تشویق کرد تا رویای بزرگی در مورد آنچه که می توانند با ابزارها و زیرساخت های مناسب انجام دهند، داشته باشند.
Xihong Lin، آمارشناس زیستی در دانشکده بهداشت عمومی هاروارد TH Chan، سخنرانی اصلی را ارائه کرد که در آن درس‌های آموخته‌شده از انجام و انتقال تحقیقات در مورد همه‌گیری COVID-19 منعکس شد. از جمله این درس‌ها، نیاز دانشمندان داده بود که «به زودی قدم بگذارند و در حین پرواز یاد بگیرند». انتشارات پیش از چاپ و داشبوردهای بلادرنگ اطلاعات عملی را در موقعیتی سریع ارائه می کردند. درس مهم دیگر: آموزش رسانه برای کمک به دانشمندان در برقراری ارتباط با خبرنگاران.
نگاهی به اخلاق
سخنرانان اجلاس و اعضای میزگرد نیاز به دستورالعمل های اخلاقی در علم داده را روشن کردند. به عنوان یکی از نمونه‌های خطای اخلاقی، الگوریتمی که توسط بیمارستان‌ها استفاده می‌شود برای تبعیض علیه سیاه‌پوستان با ارجاع نکردن آنها به مراقبت به همان روشی که برای سفیدپوستان انجام می‌داد، مشخص شد.
در یک سخنرانی برجسته در آستانه اجلاس، شری رز، استاد سیاست سلامت و یکی از مدیران آزمایشگاه علوم داده سیاست سلامت در دانشگاه استنفورد، گفت که اخلاق، انصاف و برابری سلامت همگی باید ملاحظاتی برای ابزارهای هوش مصنوعی باشند. همه آنها باید به صورت جداگانه ارزیابی شوند که آیا آنها آسیب به گروه های اقلیت را تشدید می کنند یا خیر. رز در ادامه تحقیقات خود را توصیف کرد که از هوش مصنوعی برای کاهش نابرابری در استفاده بیمه‌گران سلامت از فرمول‌های تعدیل ریسک استفاده می‌کند. رز گفت که اگر درست انجام شود، هوش مصنوعی «بیشتر به جای آسیب رساندن به آن، می‌تواند به بهبود عدالت سلامت کمک کند».
در یک بحث پانل مرتبط، گری میلر گفت که مدرسه میلمن کلمبیا می‌تواند در آموزش دانش‌آموزان در زمینه علم داده‌های اخلاقی قبل از اینکه شغلی در فناوری مراقبت‌های بهداشتی داشته باشند، پیشرو باشد. او گفت: «ما می توانیم با القای ارزش های خود در افرادی که در دانشگاه آموزش دیده اند شروع کنیم.