پژوهشگر زیست‌فناوری گفت: هوش مصنوعی در حال عبور از تحلیل داده و ورود به طراحی فرضیه، انتخاب ابزار و پیشبرد فرآیند پژوهش زیست‌پزشکی است.

به گزارش ستاد خبری اینوتکس 2026؛ پریسا ونکی، پژوهشگر زیست‌فناوری، با اشاره به تحول نقش هوش مصنوعی در پژوهش‌های زیست‌پزشکی در پنل «هوش مصنوعی در سلامت»تخصصی گفت: هوش مصنوعی در حال عبور از مرحله یک ابزار صرفاً تحلیلی است و به‌تدریج می‌تواند به یکی از شرکای پژوهشگران در فرآیند علمی تبدیل شود.

وی افزود: هوش مصنوعی می‌تواند یک پرسش پژوهشی را دریافت و تحلیل کند، ابزارهای مورد نیاز را پیشنهاد دهد و حتی مسیر ادامه تحقیق را مشخص کند؛ به این ترتیب، نقش این فناوری از تحلیل داده‌های موجود فراتر رفته و به طراحی و پیشبرد فرآیند پژوهش نزدیک می‌شود.

ونکی با بیان اینکه این تحول به معنای جایگزینی پزشکان و پژوهشگران با هوش مصنوعی نیست، اظهار کرد: هرچه توانایی هوش مصنوعی افزایش پیدا می‌کند، نقش دانشمندان در تعریف پرسش‌های درست، طراحی مطالعات، ارزیابی شواهد و شناسایی خطاها اهمیت بیشتری پیدا خواهد کرد.

پژوهشگر زیست‌فناوری ادامه داد: در مفهوم «دانشمند هوش مصنوعی»، این فناوری می‌تواند در چرخه پژوهش از طرح سؤال و ارائه فرضیه تا طراحی آزمایش، دریافت نتایج و پیشنهاد مرحله بعد مشارکت داشته باشد؛ فرآیندی که می‌توان آن را در قالب چرخه «طراحی، ساخت، آزمون و یادگیری» تعریف کرد.

وی تأکید کرد: نباید توانایی محاسباتی هوش مصنوعی را با استقلال علمی اشتباه گرفت؛ زیرا علم صرفاً محاسبه و تحلیل نیست، بلکه طرح پرسش درست، بررسی روابط علّی، طراحی معتبر آزمایش و تولید شواهد قابل تکرار را نیز شامل می‌شود.

ونکی با اشاره به چشم‌انداز آینده هوش مصنوعی در زیست‌پزشکی گفت: یکی از مسیرهای مهم، توسعه مدل‌هایی است که بتوانند زیست‌شناسی را در مقیاس‌های مختلف، از مولکول و سلول تا بافت، اندام و موجود زنده، مدل‌سازی کنند. چنین مدل‌هایی در آینده می‌توانند امکان شبیه‌سازی برخی فرآیندهای زیستی را پیش از انجام مداخلات واقعی فراهم کنند.

وی تصریح کرد: این تحول می‌تواند زیست‌شناسی را از مرحله صرفاً مشاهده‌محور به سمت پیش‌بینی در حوزه سلامت حرکت دهد؛ با این حال، پیش‌بینی لزوماً به معنای حقیقت نیست و همبستگی نیز به معنای رابطه علّی نیست.

پژوهشگر زیست‌فناوری افزود: مدلی که عملکرد مناسبی روی داده‌های یک بیمارستان یا جمعیت دارد، لزوماً روی داده‌های بیمارستان یا جمعیت دیگری نیز عملکرد مشابهی نخواهد داشت و مسئله تعمیم‌پذیری همچنان یکی از چالش‌های مهم هوش مصنوعی در سلامت است.

ونکی با اشاره به اهمیت داده‌های باکیفیت گفت: آینده هوش مصنوعی در سلامت فقط به توسعه مدل‌های بزرگ‌تر وابسته نیست، بلکه کیفیت داده‌ها، اعتبارسنجی دقیق، طراحی مناسب مطالعات و تربیت پژوهشگرانی که بتوانند در کنار هوش مصنوعی فعالیت کنند نیز اهمیت زیادی دارد.

وی ادامه داد: هوش مصنوعی می‌تواند اشتباهات را نیز با سرعت بسیار بالا انجام دهد؛ بنابراین پژوهشگران باید به جای مقاومت در برابر این فناوری، نحوه همکاری و نظارت بر عملکرد آن رابیاموزند.

ونکی با اشاره به نقش پژوهشگران زیستی در توسعه پزشکی گفت: پژوهشگران حوزه زیست‌شناسی در بسیاری از موارد پشت صحنه پیشرفت‌های پزشکی قرار دارند و هوش مصنوعی می‌تواند با تحلیل حجم عظیمی از داده‌های ژنتیکی، پروتئینی و بالینی، الگوهای جدید را شناسایی و فرضیه‌های پژوهشی را پیشنهاد کند.

وی افزود: نسل نخست کاربردهای هوش مصنوعی در پزشکی بیشتر بر تشخیص بیماری، تحلیل تصاویر پزشکی، آزمایش‌های تشخیصی و بازیابی اطلاعات پزشکی متمرکز بود، اما اکنون تمرکز به سمت درک عمیق‌تر زیست‌شناسی حرکت کرده است.

پژوهشگر زیست‌فناوری توضیح داد: مدل‌های جدید هوش مصنوعی تلاش می‌کنند ارتباط میان DNA، پروتئین‌ها، عملکرد سلولی و ویژگی‌های ظاهری موجود زنده را در مقیاس وسیع یاد بگیرند؛ بنابراین پرسش پژوهشگر دیگر فقط این نیست که «این توالی DNA چیست؟» بلکه می‌تواند این باشد که «اگر این توالی تغییر کند، چه اتفاقی در سطح پروتئین، سلول یا فنوتیپ رخ خواهد داد؟»

ونکی در پایان با اشاره به تفاوت پاسخ بیماران به درمان‌ها گفت: تشخیص مشابه لزوماً به معنای پاسخ مشابه بیماران به یک درمان نیست و استفاده از داده‌های چندلایه مانند اطلاعات ژنومی، پروتئومی و بالینی می‌تواند به شناخت دقیق‌تر ویژگی‌های هر بیمار و حرکت به سمت پزشکی شخصی‌سازی‌شده کمک کند.