هوش مصنوعی · مقاله
چگونه هوش مصنوعی تشخیص، کشف دارو و مراقبت بیماران را در سال 2026 تغییر می‌دهد
انتشار:
به‌طور خلاصه
هوش مصنوعی از قبل بیش از 1,600 دستگاه پزشکی مجاز FDA را پشتیبانی میکند، بیشتر آنها برای خواندن تصاویر پزشکی، و اکنون نیز طراحی داروهای تجربی را انجام می‌دهد. rentosertib شرکت Insilico Medicine، که هدف بیولوژیکی و مولکول آن هر دو توسط هوش مصنوعی تولید شدند، در 7 ژوئیه 2026 وارد آزمایش بالینی فاز سوم با 320 بیمار در چین شد، در حالی که تنظیم‌کنندگان جهانی هنوز در حال تدوین قواعد برای کنترل خطرات این فناوری هستند.
این نسخه ترجمهٔ ماشینی متن اصلی (English) است. خواندن متن اصلی
هوش مصنوعی اکنون در بیش از 1,600 دستگاه پزشکی مجاز برای بازار آمریکا تعبیه شده است، و نقش آن از خواندن اسکن‌ها به طراحی کاملاً مولکول‌های دارویی جدید گسترش یافته است. در ژوئیه 2026، شرکت Insilico Medicine، rentosertib را — یک ترکیب که هدف بیولوژیکی و ساختار شیمیایی آن هر دو توسط نرم‌افزار هوش مصنوعی تولید شدند — به آزمایش فاز سوم برای 320 بیمار مبتلا به فیبروز ریوی ایدیوپاتیک، یک بیماری ریوی با گزینه‌های درمانی محدود، ارتقا داد. در همین حال، نهادهای بهداشتی جهانی هنوز در حال کار بر روی نحوه تنظیم سیستم‌هایی هستند که به طور فزاینده‌ای تصمیمات تشخیصی و درمانی را شکل می‌دهند.
جایی که هوش مصنوعی از قبل کار میکند: خواندن تصاویر
اداره غذا و داروی آمریکا (FDA) بیان میکند که بیش از 1,600 دستگاه پزشکی تقویتشده با هوش مصنوعی برای بازاریابی در ایالات متحده مجاز داده است، طبق صفحه ردیابی خود سازمان، آخرین بهروزرسانی در 22 سپتامبر 2026. نمونه‌هایی که FDA ذکر میکند شامل نرم‌افزاری برای غربالگری زخم‌های پوستی برای سرطان، تشخیص رتینوپاتی دیابتی از عکس‌های شبکیه، برآورد احتمال حمله قلبی از دادههای حسگر، و خودکارسازی دوز انسولین بر اساس خوانش‌های مانیتور گلوکز است.
تحلیلی از صدور FDA 510(k) در سال 2025 توسط مشاور نظارتی Innolitics نشان داد که رادیولوژی بخش بزرگی از تصاریح دستگاه هوش مصنوعی/یادگیری ماشین آن سال را تشکیل داده است، با 295 صدور کل برای 221 سازنده مختلف و میانگین زمان بررسی 142 روز. رایج‌ترین دسته نرم‌افزار تشخیص رادیولوژی به کمک رایانه بود، که به تنهایی بیش از یک چهارم همه صدورهای سال 2025 را تشکیل داد، طبق تحلیل.
| تخصص | صدورهای 2025 | سهم کل |
|---|---|---|
| رادیولوژی | 211 | 71.5% |
| قلب و عروق | 26 | 8.8% |
| نورولوژی | 14 | 4.7% |
| ارتوپدی | 10 | 3.4% |
| گوارش‌شناسی/اورولوژی | 7 | 2.4% |
| شیمی بالینی | 6 | 2.0% |
| بیهوشی | 5 | 1.7% |
| سایر تخصص‌های ترکیبی | 16 | 5.5% |
قلب و عروق، نورولوژی و ارتوپدی در سال 2025 بسیار عقب‌تر از رادیولوژی بودند، و تخصص‌هایی مثل بیهوشی و شیمی بالینی هر کدام کمتر از 2 درصد صدورها را تشکیل دادند، طبق همان تحلیل.
هوش مصنوعی داروها را طراحی میکند، نه فقط آنها را غربالگری میکند
فراتر از تشخیص، نرم‌افزار هوش مصنوعی اکنون برای پیشنهاد اهداف دارویی جدید و طراحی مولکول‌هایی برای دستیابی به آنها استفاده میشود، گام فراتر از استفاده‌های قبلی محاسبات برای صرفاً غربالگری سریع‌تر کتابخانه‌های ترکیب موجود. Insilico Medicine، یک شرکت بیوتکنولوژی مستقر در هنگ‌کنگ، میگوید که پلتفرم PandaOmics خود پروتئینی به نام TNIK را بهعنوان هدف بیماری شناسایی کرد و پلتفرم Chemistry42 یک مولکول نامزد، اکنون rentosertib نام‌گذاری شده، برای فیبروز ریوی ایدیوپاتیک ایجاد کرد. شرکت میگوید که مسیر کشف در مقاله‌ای در Nature Biotechnology توصیف شده است.
در آزمایش بالینی تصادفی و کنترل‌شده با دارونما فاز IIa، بیماران تحت درمان با بالاترین دوز تست‌شده rentosertib (60 میلی‌گرم یک بار در روز) بهبود عملکرد ریه را دیدند، که بهعنوان ظرفیت حیوی اجباری اندازه‌گیری شد، به میانگین 98.4 میلی‌لیتر در طی 12 هفته، در مقابل کاهش میانگین 20.3 میلی‌لیتر در گروه دارونما، طبق اعلام نتایج خود Insilico Medicine، که شرکت میگوید در Nature Medicine نیز منتشر شده است.
در 7 ژوئیه 2026، Insilico گفت که آزمایش فاز سوم rentosertib را آغاز کرده است: مطالعه تصادفی، دونکور، کنترل‌شده با دارونما شامل 320 بیمار در 47 مرکز در چین در طی 52 هفته. نقطه پایانی اولیه میزان سالانه کاهش ظرفیت حیوی اجباری است، با زمان اولین رویداد پیشرفت بیماری بهعنوان معیار دوم کلیدی، طبق گفته شرکت.
این برنامج با این فرض آغاز شد که زیست‌شناسی پیری می‌تواند برای شناسایی اهداف قدرتمند برای بیماری‌های بزرگ کمک کند.
هیچ دارویی طراحیشده توسط هوش مصنوعی هنوز تایید FDA یا هیچ تنظیمکننده دیگری را دریافت نکرده است، و بهبود‌های rentosertib در عملکرد ریه در آزمایش فاز IIa بهعنوان نقاط پایانی ثانویه اکتشافی و نه هدف ایمنی اولیه مطالعه ذکر شدند، طبق توصیف شرکت. دنبال‌کنندگان صنعت که توسط سایت IntuitionLabs نقل شدند بیش از 170 برنامج دارویی کشف‌شده توسط هوش مصنوعی را در توسعه بالینی در اوایل سال 2026 شمردند، بالا از حدود دو دوجین در اواخر سال 2023، اگرچه IntuitionLabs اشاره کرد که ارقام بین دنبال‌کنندگان متفاوت است زیرا هیچ یک ثبت مرجع موثق از دولت برای چنین داروهایی وجود ندارد و هر دنبال‌کننده معیارهای طبقه‌بندی خود را اعمال میکند.
تنظیم‌کنندگان هنوز در حال نوشتن قواعد هستند
سازمان جهانی بهداشت (WHO) راهنمای اخلاق و حاکمیت برای مدل‌های هوش مصنوعی بزرگ چندماده در بهداشت در 18 ژانویه 2024 صادر کرد، و بیش از 40 توصیه برای دولت‌ها، توسعه‌دهندگان و کارکنان بهداشتی ارائه داد. راهنما بیان میکند که دادههای آموزشی کمکیفیت یا سوگیریشده می‌توانند اطلاعات بهداشتی نادقیق یا ناقص تولید کنند، و پزشکان خطر افتادن در آنچه این سازمان 'تحیز خودکار' نامیده میشود را داشتند، با اعتماد بیش از حد به نتایج هوش مصنوعی یا تفویض نامناسب تصمیمات به آن.
- دادههای آموزشی سوگیریشده یا کمکیفیت می‌توانند نتایج را بر حسب نژاد، قومیت، جنسیت، هویت جنسی یا سن انحراف دهند
- تحیز خودکار: کارکنان بهداشتی ممکن است از اشتباهات هوش مصنوعی غافل‌گیری کنند یا تصمیمات را نامناسب تفویض کنند
- شکاف‌های سایبری ممکن است دادههای بیمار را افشا کنند یا اعتماد به سیستمهای هوش مصنوعی را کاهش دهند
- ابزار هوش مصنوعی کارایی بالا ممکن است عمدتاً برای سیستمهای بهداشتی ثروتمند قابل دسترسی بماند، شکاف‌های جهانی در مراقبت را گسترش دهد
جرمی فارار، دانشمند رئیس WHO، در زمان انتشار راهنما گفت که فناوری‌های هوش مصنوعی تولیدی می‌توانند مراقبت بهداشتی را فقط اگر توسعه‌دهندگان، تنظیم‌کنندگان و کاربران خطرات مرتبط را شناسایی و به‌طور کامل برای آنها حساب کنند بهبود ببخشند.
آنچه هنوز اتفاق نیفتاده است
چندین سنگ‌فرش گاهی مرتبط با هوش مصنوعی در پزشکی رخ ندادند. هیچ دارویی طراحیشده کاملاً توسط هوش مصنوعی تایید نظارتی را در جایی دریافت نکرده است، و راهنمای WHO به‌طور واضح هشدار می‌دهد که دسترسی نابرابر به سیستمهای هوش مصنوعی توانمندتر می‌توانست فاصله‌ها را نه تضیق بلکه توسعه دهند، بین سیستمهای بهداشتی خوب‌منابع و نامنابع. در حال حاضر، دریچه روشن‌ترین هوش مصنوعی در پزشکی در تصویرسازی تشخیصی باقی می‌ماند، جایی که تنظیم‌کنندگان طولانی‌ترین سابقه تصریح را دارند، در حالی که نقش آن در ایجاد مواد دارویی جدید از اثبات مفهوم در آزمایشگاه به سوی آزمایش‌های بالینی بزرگ‌تر حرکت میکند.
پرسش‌ها
- آیا FDA دارویی را تایید کرد که توسط هوش مصنوعی طراحی شده باشد؟
- خیر. در حالی که آزمایش فاز سوم در 7 ژوئیه 2026 آغاز شد، هیچ دارویی طراحیشده توسط هوش مصنوعی تایید FDA یا تنظیمکننده دیگری را دریافت نکرده است؛ rentosertib از Insilico Medicine پیشرفتهترین است، اکنون در آزمایش فاز سوم با 320 بیمار در چین تست میشود، طبق شرکت.
- FDA چند دستگاه پزشکی تقویتشده با هوش مصنوعی مجاز داده است؟
- FDA بیان میکند که بیش از 1,600 دستگاه پزشکی تقویتشده با هوش مصنوعی برای بازار آمریکا مجاز داده است، طبق صفحه ردیابی خود، آخرین بهروزرسانی در 22 سپتامبر 2026.
- کدام تخصص پزشکی بیشتری ابزار هوش مصنوعی تاییدشده توسط FDA استفاده میکند؟
- رادیولوژی، که 211 از 295 صدور دستگاه هوش مصنوعی و یادگیری ماشین در سال 2025 را تشکیل داد — حدود 71.5 درصد — طبق تحلیل مشاور نظارتی Innolitics.
- WHO کدام خطرات را برای هوش مصنوعی در مراقبت بهداشتی شناسایی کرده است؟
- راهنمای WHO در ژانویه 2024 دادههای آموزشی سوگیریشده یا کمکیفیت، 'تحیز خودکار' در بین پزشکان، آسیبپذیری سایبری، و دسترسی نابرابر به سیستمهای هوش مصنوعی توانمند بین سیستمهای بهداشتی ثروتمند و کممنابع را برجسته میکند.
- دارویی rentosertib طراحیشده توسط هوش مصنوعی چگونه کشف شد؟
- Insilico Medicine میگوید که پلتفرم PandaOmics خود پروتئین TNIK را بهعنوان هدف دارویی شناسایی کرد و پلتفرم Chemistry42 مولکول نامزد را ایجاد کرد، با توصیف مسیر کشف در Nature Biotechnology و نتایج فاز IIa منتشر شده در Nature Medicine، طبق شرکت.
منابع
- FDA — Artificial Intelligence-Enabled Medical Devices
- PR Newswire (Insilico Medicine) — Insilico Initiates Phase III Clinical Trial for Rentosertib
- World Health Organization — WHO releases AI ethics and governance guidance for large multi-modal models
- Innolitics — 2025 Year in Review: AI/ML Medical Device 510(k) Clearances
- IntuitionLabs — AI-Discovered Drugs in Clinical Trials 2026: Full Pipeline
این مطلب با هوش مصنوعی آماده شده و پیش از انتشار از بررسی خودکار منابع گذشته است. اگر خطایی دیدید، درخواست اصلاح کنید. درخواست اصلاح یا حق پاسخ · چگونه کار می‌کنیم
مطالب مرتبط
هوش مصنوعیمقاله
چگونه شبکه‌های عصبی یاد می‌گیرند: ریاضیات پشت ChatGPT و Gemini
شبکه‌های عصبی با ایجاد یک پیش‌بینی، اندازه‌گیری میزان خطا آن با تابع زیان، و سپس تعدیل مقادیر داخلی به نام وزن‌ها از طریق شبکه به صورت معکوس یاد می‌گیرند — فرآیندی که انتشار معکوس نام‌گذاری میشود و با روشی بهینه‌سازی به نام فرود گرادیانی جفت میشود. همین مکانیزم، در مقیاس میلیاردها پارامتر، زیربنای نحوه آموزش اولیه سیستم‌هایی مانند ChatGPT و Gemini است و سپس سازگاری آنها با کارهای خاص از طریق تنظیم دقیق.
هوش مصنوعیمقاله
چگونه هوش مصنوعی هنر و موسیقی تولید می کند و چرا "خلاقیت واقعی" همچنان مورد اختلاف است
ابزارهای تصویری هوش مصنوعی مانند Midjourney و Stable Diffusion تصاویر را با یادگیری معکوس کردن فرآیند نویز می سازند، در حالی که ابزارهای موسیقی مانند Suno و Udio صوت را به نمادها فشرده کرده و آنها را مرحله به مرحله پیش بینی می کنند، هدایت شده توسط یک رمز متنی. اینکه آیا هر یک از این فرآیندها به عنوان خلاقیت واقعی شمار می رود، هنوز حل نشده است: محققان میان نام گذاری آن به عنوان "تجدید ترکیب" مبتنی بر الگو و اعتراف به آن با عملکرد خلاق قابل اندازه گیری تقسیم شده اند.
هوش مصنوعیمقاله
چرا Moonshot عمداً توانایی‌های هکری مدل Kimi AI جدید خود را ضعیف کرد
شرکت هوش مصنوعی چینی Moonshot میگوید که دادههای آموزشی مربوط به حوزه سایبر را از مدل جدید Kimi K3.1 Pro حذف کرده است تا سیستم با وزن‌های باز نتواند "مرز" قابلیت‌های حملات هکری تهاجمی را افزایش دهد. این اطلاعیه که در شنبه 24 اکتبر 2026 منتشر شد، در زمانی می‌آید که دولت‌ها و محققان امنیتی هشدار می‌دهند که هوش مصنوعی‌های فزاینده‌ی توانایی می‌توانند حملات سایبری پیشرفته را ارزان‌تر و آسان‌تر کنند.
هوش مصنوعیمقاله
نحوه کار کردن آشکارسازهای متن هوش مصنوعی، توضیح داده شده از طریق یک نزاع بر سر رمان برنده جایزه
آشکارسازهای متن هوش مصنوعی ثابت نمی‌کنند که چه کسی چیزی را نوشته است؛ آنها احتمالی را با اندازه‌گیری الگوهای آماری مانند قابل‌پیش‌بینی بودن کلمات و تغییر طول جملات تخمین می‌زنند. آشکارسازی به نام Pangram 4.1 اخیراً 99% از یک رمان برنده جایزه اسپانیایی با ارزش 20,000 یورو را به هوش مصنوعی نسبت داد، که ناشر آن را وادار کرد تا رویدادهای تبلیغاتی را تعلیق کند و در حالی که تحقیق میکند.