---

مقدمه: امروزه استفاده از هوش مصنوعی و یادگیری ماشین در تمام علوم، تأثیر گذاشته است. استفاده از آن برای شناسایی احساسات افراد با ادغام داده‌های صوت و متن و تصویر دقت بالاتری را نسبت به سایر روش‌ها نشان می‌دهد و این تشخیص کاربردهای زیادی برای روانشناسان و تعامل ماشین و انسان خواهد داشت. شناسایی احساسات انسان و واکنش افراد یکی از نکات مهم در روانشناسی و روان‌درمانی می‌باشد. شناسایی احساسات تاکنون بصورت فردی و بوسیله بررسی واکنش چهره، نوع سخن گفتن و یا دست‌نوشته‌های اشخاص به محرک‌های و رویدادها شناسایی، بررسی و تجزیه و تحلیل می‌شود. با توجه به شرایط فرد آنالیز شونده و یا شرایط فرد آنالیز‌کننده ممکن است از دقت لازم برخوردار نباشد. این مقاله سعی دارد با توجه به روش‌های هوش مصنوعی و یادگیری ماشین بتواند با دقت بالایی این تشخیص را از داده‌های صوت و متن و تصویر استخراج نماید
روش کار: این پژوهش از حیث روش از نوع همبستگی بین احساسات و داده‌های ورودی و بر اساس روش‌های یادگیری ماشین و تحلیل رگرسیون برای پیش‌بینی یک متغیر ملاک بر اساس چند متغیر پیش‌بین می‌باشد (متغیر ملاک طبقه احساسی ویژگی‌ها و متغیرهای پیش‌بین صوت و تصویر و متن می‌باشند) جامعه آماری پژوهش مجموعه دادگان IEMOCAP و از حیث نوع داده این پژوهش، آمیخته کمی- کیفی می‌باشد.
یافته‌ها: نتایج به‌دست‌آمده نشان داد ترکیب اطلاعات صوت و تصویر و متن برای تشخیص احساسات چند حالته انسانی نسبت به تشخیص احساسات از هرکدام از داده‌ها بصورت تنها از دقت بسیار بالاتری برخوردار است.دقت این پژوهش عدد 9/82 را در مجموعه دادگان مبنا نشان می‌دهد.
نتیجه گیری: نتایج حاکی از دقت قابل قبول نسبت به تشخیص ادغام داده‌های صوت و متن و تصویر نسبت به هر داده بصورت منفرد در تشخیص احساسات انسانی توسط روش یادگیری ماشین و هوش مصنوعی می‌باشد.

---

ادغام سریع هوش مصنوعی (Artificial Intelligence) AI در علوم پزشکی، هرچند با وعده‌های تحول‌آفرین در تشخیص زودهنگام و درمان‌های شخصی‌سازی‌شده همراه است (1)، اما یک چالش اخلاقی و حقوقی عمیق را به همراه دارد: مدیریت حجم عظیم، حساس و بی‌سابقه داده‌های سلامت و حفظ حریم خصوصی بیماران. ماهیت این داده‌ها، که شامل سوابق بالینی، تصاویر رادیولوژی، داده‌های ژنتیکی و حتی اطلاعات پوشیدنی‌های سلامت فردی است (2)، فراتر از اطلاعات هویتی سنتی است و قابلیت بازسازی پروفایل کامل یک فرد را داراست؛ امری که هویت‌زدایی کامل و دائم آن‌ها را عملاً ناممار می‌سازد (1).
این حجم گسترده از اطلاعات به سوخت اصلی الگوریتم‌های یادگیری عمیق تبدیل شده است، اما هر گونه نقض یا افشا، می‌تواند منجر به تبعیض جدی در دسترسی به بیمه، استخدام و حتی تصمیم‌گیری‌های قضایی شود (2). فقدان شفافیت (Transparency) در مورد چگونگی پردازش و تحلیل این داده‌ها توسط الگوریتم‌ها، که اغلب به صورت «جعبه سیاه» عمل می‌کنند، اعتماد بیماران و پزشکان را تضعیف می‌کند (3). کادر درمان نمی‌توانند فرآیند تصمیم‌گیری هوش مصنوعی را درک کنند، و این مسئله نه تنها مانع از پذیرش بالینی می‌شود، بلکه یک منطقه خاکستری حقوقی در مورد مسئولیت‌پذیری در صورت بروز خطای تشخیصی یا درمانی ایجاد می‌کند (4).
چالش حقوقی موجود در این است که قوانین فعلی حریم خصوصی برای مواجهه با الگوریتم‌های پیشرفته و جمع‌آوری داده‌های لحظه‌ای طراحی نشده‌اند (1، 4). هوش مصنوعی با ایجاد روش‌های نوین استخراج دانش از داده‌های خام، دائماً از چارچوب‌های قانونی موجود پیشی می‌گیرد. علاوه بر این، ابزارهای هوش مصنوعی به دلیل اتکا به شبکه‌های داده‌ای بزرگ، در معرض حملات سایبری پیشرفته قرار دارند، که می‌تواند منجر به افشای گروهی داده‌های محرمانه شود (5). در نتیجه، در غیاب یک چارچوب حکمرانی داده‌های محکم و به‌روز، پتانسیل هوش مصنوعی برای بهبود سلامت عمومی با خطر تضعیف کرامت انسانی و نقض حقوق بنیادی بیمار همراه است (6).
برای تضمین اینکه نوآوری‌های هوش مصنوعی با رعایت اصول اخلاقی و حقوقی پیش می‌رود، ضروری است که اقداماتی عاجل در جهت ایجاد یک چارچوب نظارتی جامع صورت پذیرد. این امر نیازمند تدوین یک مدل جدید و پویا از رضایت آگاهانه است که فراتر از رضایت یک‌باره باشد و به بیماران اجازه دهد تا بر نحوه استفاده از داده‌هایشان در مراحل مختلف آموزش و به‌کارگیری هوش مصنوعی کنترل مستمر و آگاهانه داشته باشند. همزمان، باید توسعه‌دهندگان را موظف کرد که حفاظت از حریم خصوصی را در هسته طراحی هر ابزار هوش مصنوعی قرار دهند، که به معنای استفاده از تکنیک‌های پیشرفته حفظ حریم خصوصی مانند حریم خصوصی تفاضلی و یادگیری فدرال برای پردازش داده‌ها در محل است. علاوه بر این، باید با تشکیل یک نهاد نظارتی چند رشته‌ای متشکل از متخصصان اخلاق، حقوق، علوم کامپیوتر و بالینی، هر ابزار هوش مصنوعی قبل از ورود به محیط بالینی، تحت یک فرآیند ارزیابی و تأیید اخلاقی و فنی دقیق و شفاف قرار گیرد تا از تعصبات احتمالی و خطاهای الگوریتمی جلوگیری شود.این اقدامات نه تنها بیماران را در برابر سوءاستفاده محافظت می‌کند، بلکه اعتماد لازم برای پیشبرد پایدار و ایمن این فناوری حیاتی را نیز در جامعه فراهم می‌آورد.
 

---

هوش مصنوعی  میتواند به عنوان عاملی کلیدی در ارتقای آموزش علوم پایه پزشکی، به‌ویژه در شرایط بحرانی همچون منازعات اخیر ایران و اسرائیل و محدودیت‌های اینترنتی، مطرح شود. این فناوری با ارائه محتوای آموزشی شخصی‌سازی‌شده، شبیه‌سازی‌های مجازی و بازخورد فوری، میتواند خلأهای ناشی از محدودیت‌های آموزش حضوری و دسترسی محدود به منابع علمی را جبران و همچنین، با تقویت تعاملات گروهی و توسعه مهارت‌های تفکر انتقادی، نقش مؤثری در افزایش تاب‌آوری نظام آموزشی ایفا کند. بنابراین، ادغام هوش مصنوعی در فرآیندهای آموزشی پزشکی، نه‌تنها در مواجهه با بحران‌ها، بلکه در ارتقای مستمر کیفیت آموزش و توانمندسازی نسل آینده متخصصان سلامت، امری ضروری و اجتناب‌ناپذیر است.