💢 همکاری غولهای «دانش پزشکی» و «فناوری دیجیتال» برای مقابله با اطلاعات نادرست سلامتدر این هفته سرم…
انتشار: 2026/07/14 03:51 UTCدریافت: 2026/08/24 13:40 UTCآخرین مشاهده: 2026/08/24 13:40 UTC
💢 همکاری غولهای «دانش پزشکی» و «فناوری دیجیتال» برای مقابله با اطلاعات نادرست سلامتدر این هفته سرمقالهای در مجله پزشکی نیوانگلند منتشر شد که نکته مهمی را مورد اشاره قرار داده است.این سرمقاله به بررسی همکاری میان نهادهای علمی مستقل و شرکتهای فناوری دیجیتال (مانند گوگل، یوتیوب و مایکروسافت) برای ارتقای کیفیت اطلاعات سلامت در فضای دیجیتال میپردازد. نویسندگان تأکید میکنند که اگرچه رسانههای دیجیتال و هوش مصنوعی مولد دسترسی مردم به اطلاعات سلامت را افزایش دادهاند و مشارکت بیماران در تصمیمگیریهای درمانی را تقویت کردهاند، اما همزمان موجب گسترش اطلاعات نادرست و بالقوه آسیبزا نیز شدهاند. از این رو، ارتقای دسترسی به اطلاعات معتبر سلامت به یک اولویت مهم بهداشت عمومی تبدیل شده است.در این میان، شرکتهای فناوری دیجیتال نفوذ زیادی بر محتوایی که کاربران مشاهده و منتشر میکنند دارند، اما به دلیل ماهیت تجاری خود نمیتوانند تنها مرجع تشخیص اعتبار اطلاعات باشند. از سوی دیگر، سازمانهای علمی مستقل از اعتماد عمومی بیشتری برخوردارند، اما دسترسی و نفوذ گسترده پلتفرمهای دیجیتال را ندارند. به اعتقاد نویسندگان، همکاری میان این دو بخش میتواند راهکاری عملی برای گسترش اطلاعات سلامت باکیفیت باشد، مشروط بر آنکه با سازوکارهای شفاف، مستقل و مبتنی بر مدیریت تعارض منافع همراه باشد.نویسندگان دو تجربه اخیر «آکادمی ملی پزشکی آمریکا» (NAM) را تشریح میکنند. در پروژه نخست (۲۰۲۰ تا ۲۰۲۳)، کمیتهای مستقل با حمایت مالی یوتیوب، معیارهایی برای شناسایی منابع معتبر اطلاعات سلامت تدوین کرد. این معیارها بعدها توسط یوتیوب برای برچسبگذاری منابع سلامت، توسط مایکروسافت در موتور جستجوی Bing و دستیار Copilot، و همچنین توسط سازمان جهانی بهداشت مورد استفاده قرار گرفتند. طبق گزارش یوتیوب، این راهنماها در میلیونها ویدئوی سلامت با مجموع بیش از یک تریلیون بازدید به کار گرفته شدهاند.پروژه دوم که از سال ۲۰۲۵ آغاز شده، همکاری میان NAM و گوگل برای ارزیابی کیفیت پاسخهای تولیدشده توسط مدل Gemini به پرسشهای سلامت، ابتدا در حوزه تغذیه، است. یک کمیته مستقل پاسخهای انسانی و هوش مصنوعی را از نظر دقت، ایمنی، جامعیت و کیفیت کلی مقایسه میکند. هدف این پروژه، کمک به بهبود عملکرد مدلهای زبانی بزرگ در ارائه اطلاعات سلامت و استخراج درسهایی است که بتواند برای سایر سامانههای هوش مصنوعی نیز کاربرد داشته باشد. با این حال، اعضای کمیته به محدودیت دسترسی به جزئیات فناوریهای اختصاصی شرکتها و دشواری ارزیابی کامل اثرات این ابزارها اشاره کردهاند.پیام اصلی سرمقاله این است که همکاری میان سازمانهای علمی و شرکتهای فناوری میتواند مزایای قابل توجهی برای سلامت عمومی داشته باشد، اما تنها در صورتی که استقلال علمی، شفافیت، افشای تعارض منافع، حفظ خودمختاری کاربران و انتشار عمومی نتایج بهطور جدی رعایت شود. نویسندگان نتیجه میگیرند که در عصر هوش مصنوعی و رسانههای دیجیتال، چنین همکاریهای محتاطانه و مبتنی بر اصول میتواند مسیر واقعبینانهای برای ارتقای کیفیت اطلاعات سلامت و افزایش اعتماد عمومی باشد.منبع: {+} @hr1ghadam@Research_news_20
