چکیده
زمینه. پیشرفتهای سریع هوش مصنوعی پتانسیل تحولآفرینی در نظام سلامت را دارد، اما پیچیدگی مسائل پزشکی نیازمند رویکردی میانرشتهای است. در حال حاضر، گسستهای ساختاری و نبود زبان مشترک میان حوزههای مهندسی و پزشکی، مانع از تبدیل ایدههای فنی به راهکارهای بالینی مؤثر شده است. این خلاصه سیاستی با هدف شناسایی چالشهای ساختاری، آموزشی و سیاستی و ارائه راهکارهای عملیاتی برای تقویت پژوهشهای مشترک و کاهش شکاف ترجمانی تدوین شده است.
روش کار. این مطالعه با رویکرد ترکیبی در دو فاز انجام شد. فاز نخست، یک نشست ساختاریافته بارش افکار در تاریخ ۱۵ آبان ۱۴۰۴ با حضور ۲۰ نفر (۱۵ دانشجوی استعداد درخشان شامل ۱۰ نفر از علوم پزشکی و ۵ نفر از علوم مهندسی، و ۵ استاد از علوم پزشکی و مهندسی کامپیوتر) از دانشگاه علوم پزشکی تهران و دانشگاه صنعتی شریف بود. گفتگوها ضبط، پیادهسازی و با روش تحلیل محتوای کیفی تمبندی شد. فاز دوم، مرور هدفمند (غیرنظاممند) متون و تجارب جهانی برای تکمیل و اعتباربخشی به یافتهها و تدوین گزینههای سیاستی بود.
یافتهها. چالشهای اصلی در شش محور شامل: فقدان زیرساختها و پیشنیازهای پژوهشهای میانرشتهای، توانمندسازی ناکافی دانشجویان و نارساییهای محیط آموزشی، چالشهای شکلگیری درک مشترک از مسائل حوزه هوش مصنوعی، شکاف ترجمانی دانش، چالشهای همکاریهای میانرشتهای و چالشهای سیاستی و سازمانی اثرگذار بر پژوهشهای میانرشتهای شناسایی شدند. برخی گزینههای سیاستی پیشنهادی شامل توسعه همکاریهای بینالمللی و استفاده از هوش مصنوعی لبهای، تأسیس مراکز تحقیقاتی مشترک، بازآموزی مهارتمحور پزشکان، ایجاد نهاد فرادستگاهی برای استانداردسازی آموزش، برگزاری رقابتهای سالانه، اصلاح سازوکارهای اداری برای تعامل صنعت و بیمارستان و تدوین چارچوبهای حقوقی و اخلاقی شفاف است.
نتیجهگیری. مانع اصلی در پژوهشهای هوش مصنوعی سلامت، کمبود دانش فنی نیست، بلکه فقدان اکوسیستم یکپارچه است. برای حوزه پزشکی، مشارکت فعال در طراحی و اعتبارسنجی مدلها و برای حوزه مهندسی، دسترسی هدفمند به دادههای واقعی و درک الزامات بالینی مورد نیاز است. پیشنهاد میشود سیاستگذاران با اتخاذ رویکرد ادغام آموزشی مرحلهای، حمایت از آموزشهای بینحرفهای و ایجاد بسترهای قانونی امن، زمینه را برای گذار از پژوهشهای جزیرهای به نوآوریهای همگرا فراهم کنند.