چرا تقریباً هیچ‌یک از مدل‌های یادگیری ماشین به بالین بیمار نمی‌رسند؟
امروزه ده‌ها هزار مقاله در مجلات پزشکی به معرفی مدل‌های یادگیری ماشین برای کاربردهای بالینی اختصاص دارند؛ مدل‌هایی که بسیاری از آن‌ها نوید آینده‌ای مبتنی بر پزشکی فردمحور و دقیق را می‌دهند. بااین‌حال، سرمقاله‌ای منتشرشده در مجله Frontiers in Medicine استدلال می‌کند که ویژگی چشمگیر این حوزه نه حجم دستاوردهای آن، بلکه میزان ناچیز استفاده عملی از این دستاوردهاست. تعداد نسبتاً کمی از مدل‌ها به مراقبت معمول از بیماران در بالین راه یافته‌اند و هر بار که چنین اتفاقی رخ می‌دهد، استقرار مدل همچنان به‌عنوان دستاوردی مهم و مستقل گزارش می‌شود. نویسندگان این سرمقاله، گروهی از پزشکان و پژوهشگران مؤسسات کانادا و ایالات متحده، معتقدند توضیح رایج این فاصله، یعنی آنچه «تأخیر در انتقال دانش به عمل» نامیده می‌شود، بیش از حد خوش‌بینانه است.
اصطلاح تأخیر در انتقال دانش به عمل، این تصور را ایجاد می‌کند که با یک وقفه موقت روبه‌رو هستیم؛ وقفه‌ای که سرانجام با مهندسی بهتر، زیرساخت‌های پیشرفته‌تر یا مقررات شفاف‌تر برطرف خواهد شد. نویسندگان سرمقاله این برداشت را رد می‌کنند. به گفته آن‌ها، در بسیاری از پژوهش‌ها، انتقال نتایج به محیط واقعی درمان صرفاً به تعویق نیفتاده، بلکه از ابتدا جزو برنامه تحقیقاتی نبوده است. توسعه مدل‌ها معمولاً در مرحله اعتبارسنجی گذشته‌نگر پایان می‌یابد، حتی زمانی که هدف اعلام‌شده پژوهش، بهبود مراقبت واقعی از بیماران است. از این منظر، فاصله میان رایانه و بالین بیمار، گلوگاهی در یک فرایند سالم و کارآمد نیست، بلکه ویژگی ساختاری شیوه‌ای است که پژوهش‌های یادگیری ماشین در پزشکی در حال حاضر بر اساس آن طراحی و ارزیابی می‌شوند و مورد تشویق قرار می‌گیرند.
سرمقاله برای نشان دادن ابعاد این ناهماهنگی، به مجموعه‌ای از مرورهای پژوهشی اخیر استناد می‌کند. تا سال ۲۰۲۴، نزدیک به ۲۵۰ هزار مقاله درباره مدل‌های جدید پیش‌بینی بالینی در منابع علمی گزارش شده بود. بااین‌حال، در نمونه‌ای شامل ۱۰٬۴۶۲ الگوریتم یادگیری ماشین که در ۲۲۰ مرور نظام‌مند بررسی شدند، کمتر از یک درصد مدل‌ها از اعتبارسنجی خارجی برخوردار بودند؛ مرحله‌ای که در آن، مدل با داده‌هایی غیر از داده‌های مجموعه اولیه توسعه آن آزمایش می‌شود. با پیشروی در مسیر انتقال مدل‌ها به محیط بالینی، شواهد موجود باز هم محدودتر می‌شود. یک مرور دامنه‌ای در سال ۲۰۲۴ تنها ۸۶ کارآزمایی تصادفی‌سازی‌شده و کنترل‌شده را شناسایی کرد که سامانه‌های یادگیری ماشین بالینی را ارزیابی کرده بودند. بیشتر این مطالعات در یک مرکز انجام شده بودند و پیامدهای مورد بررسی آن‌ها عمدتاً بر عملکرد تشخیصی متمرکز بود، نه بر اثبات بهبود وضعیت بیماران.
در انتهای این مسیر، شمار نمونه‌ها تقریباً به صفر می‌رسد. یک مرور نظام‌مند در سال ۲۰۲۵ که اجرای واقعی مدل‌های پیش‌بینی پیش‌آگهی را بررسی می‌کرد، تنها ۳۷ مقاله یافت که در مجموع ۵۶ مدل را توصیف می‌کردند که واقعاً در عمل مورد استفاده قرار گرفته بودند. نویسندگان سرمقاله تأکید می‌کنند که این مرورها از نظر دامنه و روش‌شناسی با یکدیگر تفاوت دارند و بنابراین نمی‌توان ارقام آن‌ها را به‌سادگی با هم جمع کرد. بااین‌حال، همگی به الگویی روشن اشاره دارند: توسعه مدل‌های یادگیری ماشین بالینی بسیار سریع‌تر از تولید شواهد مربوط به کاربرد واقعی آن‌ها پیش می‌رود. در هر مرحله از انتقال، از اعتبارسنجی داخلی و خارجی گرفته تا آزمایش در سایه با داده‌های زنده بالینی، کارآزمایی‌های آینده‌نگر برای سنجش پیامدهای بیماران، استقرار مدل و پایش پس از استقرار، سهم کوچک‌تری از مدل‌های اولیه به مرحله بعد می‌رسند.
برای بررسی علت این وضعیت، سردبیران مجموعه‌ای پژوهشی شامل شش مقاله گردآوری کردند که بخش‌های مختلف مسیر توسعه مدل و انتقال آن به محیط بالینی را بررسی می‌کنند. نخستین و شاید بنیادی‌ترین مسئله، انتخاب مسئله پژوهش است. در حالت مطلوب، مدل‌های یادگیری ماشین باید برای کمک به تصمیم‌گیری‌های مشخص در نقاط حساس مسیر مراقبت از بیمار طراحی شوند. اما در عمل، بسیاری از پژوهش‌ها اهداف پیش‌بینی خود را بر اساس سهولت دسترسی به داده‌ها انتخاب می‌کنند و صرفاً به سراغ پیامدهایی می‌روند که در پایگاه‌های داده اداری یا پرونده‌های الکترونیکی سلامت موجودند. نتیجه ممکن است مدل‌هایی باشد که پیش‌بینی‌هایشان هیچ اقدام مشخصی را ممکن نمی‌کند، منفعت ملموسی برای بیماران ندارد و انگیزه چندانی برای ادامه کار و آزمایش بالینی مدل باقی نمی‌گذارد.
مقاله‌ای دیدگاهی از ویناکوتا و همکاران که در سرمقاله به آن اشاره شده است، استدلال می‌کند که پژوهشگران نباید فقط بپرسند آیا می‌توان یک پیامد را پیش‌بینی کرد یا نه؛ آن‌ها باید مشخص کنند که آیا این پیش‌بینی ابهامی مهم در تصمیم‌گیری بالینی را برطرف می‌کند و می‌تواند به تغییری عملی در مدیریت بیمار منجر شود. مقاله دیگری از مو و همکاران، همین منطق را در حوزه‌ای متفاوت به کار می‌گیرد: استفاده از یادگیری ماشین برای کمک به ارزیابی اعتبار پژوهش‌ها هنگام انجام مرورهای نظام‌مند. در این کاربرد، خروجی الگوریتم‌ها برای شناسایی مطالعاتی به کار می‌رود که ممکن است قابل اعتماد نباشند تا متخصصان آن‌ها را بررسی کنند؛ نه اینکه قضاوت انسانی جایگزین شود. با وجود تفاوت چشمگیر کاربردهای این دو مقاله، سرمقاله از هر دو به یک نتیجه می‌رسد: نقش مورد انتظار مدل در فرایند تصمیم‌گیری موجود باید از همان ابتدا مشخص باشد. در مورد مدل‌های بالینی، این امر مستلزم تعیین جایگاه پیش‌بینی‌ها در مسیر مراقبت، تصمیم‌هایی است که قرار است تحت تأثیر آن‌ها قرار گیرند و نیز روشن کردن این موضوع که مدل باید نقش پزشکان را تکمیل کند یا جایگزین بخشی از آن شود.
مانع دوم، قابلیت تعمیم است. دو مقاله از این مجموعه، نوشته لی و همکاران و کائو و همکاران، عمدتاً از مسیرهای متعارف توسعه مدل پیروی می‌کنند، اما ارزیابی خود را به اعتبارسنجی خارجی نیز گسترش می‌دهند. اهمیت این موضوع دقیقاً از آن روست که اعتبارسنجی خارجی همچنان در مقالات علمی به‌ندرت گزارش می‌شود. این مرحله شواهدی فراهم می‌کند که نشان می‌دهد عملکرد مدل صرفاً به مجموعه داده‌ای که بر اساس آن ساخته شده محدود نیست. همچنین می‌تواند افت عملکرد مدل را هنگام استفاده در جمعیت‌های متفاوت بیماران یا محیط‌های بالینی دیگر آشکار کند. مدلی که در داده‌های اولیه خود عملکردی چشمگیر دارد، ممکن است در محیطی دیگر بی‌سروصدا شکست بخورد؛ بدون آزمایش خارجی، نه توسعه‌دهندگان و نه پزشکان نمی‌توانند به‌درستی این تفاوت را تشخیص دهند.
بااین‌حال، اعتبارسنجی خارجی همچنان ارزیابی گذشته‌نگر است و نمی‌تواند مشخص کند که آیا مدل در محیط واقعی درمان نیز کارآمد خواهد بود یا خیر. پرسش‌هایی مانند اینکه آیا متغیرهای مورد نیاز مدل هنگام ارائه خدمات درمانی واقعاً در دسترس هستند، آیا می‌توان پیش‌بینی‌ها را به شکلی قابل فهم ارائه کرد و آیا پزشکان این پیش‌بینی‌ها را در تصمیم‌های خود به کار خواهند گرفت، تنها با مطالعه محیطی پاسخ داده می‌شوند که مدل قرار است در آن فعالیت کند. دو مقاله دیگر در این مجموعه دقیقاً به همین مسائل اجرایی پرداخته‌اند. کلوستر و همکاران دیدگاه‌های ذی‌نفعان درباره مدل‌های پیش‌بینی عوارض پای دیابتی را بررسی کردند و نگرانی‌هایی درباره ادغام مدل در روند کار، نحوه نمایش پیش‌بینی‌ها، مسئولیت بالینی و بار ناشی از هشدارها شناسایی کردند. شی و همکاران نیز پذیرش ابزارهای پشتیبان تصمیم‌گیری بالینی مبتنی بر هوش مصنوعی از سوی داروسازان را مطالعه کردند. یافته‌های آن‌ها نشان داد که پذیرش این ابزارها نه‌تنها به میزان مفید بودن آن‌ها از دید کاربران، بلکه به اعتماد کاربران و حمایت سازمانی و فنی نیز بستگی دارد. به گفته نویسندگان سرمقاله، این ملاحظات اغلب تا پس از توسعه مدل به تعویق می‌افتند، درحالی‌که برای تعیین امکان‌پذیری استقرار آن از همان ابتدا اهمیت اساسی دارند.
نکته قابل توجه این است که بیشتر مقالات این مجموعه به مراحل پایانی ارزیابی و استقرار، مانند آزمایش در سایه یا کارآزمایی‌های آینده‌نگر، نپرداخته‌اند. سرمقاله تصریح می‌کند که این مسئله از ارزش مشارکت‌های پژوهشی یادشده نمی‌کاهد، بلکه شکاف گسترده‌تر موجود در ادبیات علمی را بازتاب می‌دهد. دلایل این وضعیت احتمالاً جنبه عملی دارند. اعتبارسنجی گذشته‌نگر را می‌توان با استفاده از مجموعه داده‌های موجود و در چارچوب زمانی متعارف پژوهش انجام داد؛ اما آزمایش در سایه و مطالعات آینده‌نگر به هماهنگی و منابع بسیار بیشتری نیاز دارند. دست‌کم، پژوهشگران باید با مؤسسات درمانی همکاری کنند تا مدل‌ها را در سامانه‌های بالینی موجود ادغام کنند، مجوزهای لازم را بگیرند و این سامانه‌ها را در تمام دوره ارزیابی فعال و نگهداری کنند. مطالعات آینده‌نگر همچنین ممکن است مشکلاتی را آشکار کنند که در مرحله توسعه مدل قابل مشاهده نبوده‌اند؛ همان‌طور که پژوهش‌های اجرایی کلوستر و همکاران و شی و همکاران نشان می‌دهند. نویسندگان مطرح می‌کنند که احتمال آشکار شدن چنین مشکلاتی ممکن است خود پژوهشگران را از انتخاب طرح‌های آینده‌نگر منصرف کند. در نتیجه، چرخه‌ای خودتقویت‌شونده شکل می‌گیرد که در آن انجام دشوارترین و در عین حال آگاهی‌بخش‌ترین مطالعات، از همه کمتر محتمل است.
نویسندگان سرمقاله در پایان دو هشدار مطرح می‌کنند. نخست اینکه انتقال مدل به محیط بالینی با استقرار موفق آن پایان نمی‌یابد. تغییر در جمعیت بیماران، شیوه‌های درمانی و داده‌های زیربنایی می‌تواند به‌مرور عملکرد مدل را تضعیف کند. بنابراین، مؤسسات درمانی باید مسئولیت‌های مشخصی برای پایش پس از استقرار تعیین کنند. این پایش باید ارزیابی منظم کالیبراسیون مدل، تغییرات توزیع داده‌ها و عملکرد آن در زیرگروه‌های بالینی مرتبط را دربر گیرد. همچنین لازم است پروتکل‌های ازپیش‌تعیین‌شده‌ای برای کالیبراسیون مجدد یا به‌روزرسانی کنترل‌شده مدل وجود داشته باشد و هر تغییر پیش از اجرایی شدن، اعتبارسنجی شود.
هشدار دوم و کلی‌تر این است که این شش مقاله تنها بخش‌های کوچکی از فرایند انتقال مدل‌ها به کاربرد بالینی را پوشش می‌دهند. در مجموع، آن‌ها نشان می‌دهند که موانع میان توسعه مدل و استفاده بالینی، یک مشکل فنی واحد نیستند که بتوان آن را صرفاً با طراحی الگوریتم‌های بهتر برطرف کرد. انتقال ممکن است به دلایل مختلف شکست بخورد: مسئله پژوهش از ابتدا به‌درستی انتخاب نشده باشد، مدل قابلیت تعمیم نداشته باشد، نتوان آن را در روند کار بالینی ادغام کرد، کاربران مورد نظر به آن اعتماد نکنند یا از آن استفاده نکنند، یا نقش خروجی مدل در تصمیم‌گیری مشخص نباشد. به اعتقاد نویسندگان، پیشرفت در این حوزه کمتر به تولید مدل‌های گذشته‌نگر بیشتر و بیشتر به طراحی برنامه‌های پژوهشی‌ای وابسته است که از همان آغاز با این پرسش‌ها روبه‌رو شوند. آن‌ها هشدار می‌دهند که بدون چنین تغییری، مدل‌های یادگیری ماشین بالینی ممکن است به تمرین‌های آماری پرهزینه‌ای محدود بمانند، نه ابزارهایی تحول‌آفرین برای پزشکی فردمحور و دقیق؛ نقشی که اغلب برای آن‌ها ادعا می‌شود.
موضوع پژوهش: موانع انتقال مدل‌های یادگیری ماشین بالینی از مرحله توسعه به مراقبت معمول از بیماران
عنوان مقاله: سرمقاله: انتقال نوآوری‌های یادگیری ماشین به عمل بالینی
منابع مقاله: Deng, J., Zhou, F., Heybati, K., & Bozzo, A. (2026). Editorial: Translating machine learning innovations into clinical practice. Frontiers in Medicine, 13، مقاله 2003342. https://doi.org/10.3389/fmed.2026.2003342
اعتبار تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.3389/fmed.2026.2003342
کلیدواژه‌ها: یادگیری ماشین، مدل‌های پیش‌بینی بالینی، اعتبارسنجی خارجی، انتقال دانش به عمل، پزشکی دقیق، هوش مصنوعی، پشتیبانی از تصمیم‌گیری بالینی، استقرار مدل، کارآزمایی‌های آینده‌نگر، پیاده‌سازی در نظام سلامت، قابلیت تعمیم مدل، پژوهش‌های انتقالی