نقش پژوهش‌های هوش مصنوعی در توسعه برنامه‌های فراگیر برای افراد دارای معلولیت: مرور نقشه‌ای (۲۰۱۵–۲۰۲۵)

خلاصه سریع برای خواننده

• این مرور نقشه‌ای ۹۳ مطالعه منتشرشده بین ۲۰۱۵ تا ۲۰۲۵ را بررسی کرده است که به نقش هوش مصنوعی در فناوری‌های مرتبط با افراد دارای معلولیت می‌پردازند.
• بیشتر مطالعات از کشورهای با درآمد بالا بودند؛ ۴۵.۲٪ در آمریکای شمالی و ۲۶.۹٪ در اروپا انجام شده‌اند.
• کاربردها شامل تشخیص/پیش‌بینی، فناوری‌های کمکی و مراقبت‌های شخصی‌سازی‌شده است، اما مشارکت مستقیم افراد دارای معلولیت کم است.
• حدود ۶۰٪ از مطالعات به مفهوم «عدالت» اشاره کرده‌اند، اما فقط ۱۲ مطالعه (۱۲.۹٪) اقداماتی عملی برای افزایش برابری انجام داده‌اند و تنها ۶ مطالعه (۶.۵٪) مشارکت هم‌طراحی یا ارزیابی کاربر را گزارش کرده‌اند.
• نتیجه‌گیری اصلی این است که پتانسیل بالاست، اما برای تبدیل نوآوری‌های فنی به محصولات واقعاً فراگیر، نیاز به طراحی مشارکتی، داده‌های نماینده و چارچوب‌های مبتنی بر عدالت است.

مقدمه

هوش مصنوعی (AI) به سرعت در حال تغییر چشم‌انداز خدمات سلامت و فناوری‌های حمایتی است. با این حال، گروهی که تقریباً یک‌ششم جمعیت جهان را تشکیل می‌دهند — یعنی افراد دارای معلولیت — اغلب در طراحی، توسعه و ارزیابی این فناوری‌ها کم‌نمایش دارند. مرور نقشه‌ای منتشرشده در PLOS Digital Health (۲۰۲۶) با بازه زمانی ۲۰۱۵ تا ۲۰۲۵ تلاش کرده وضعیت فعلی پژوهش‌های هوش مصنوعی در حوزه سلامت را از منظر فراگیری و عدالت مورد ارزیابی قرار دهد: آیا این تحقیقات واقعاً به توسعه برنامه‌ها و فناوری‌هایی منجر می‌شوند که نیازها و تجارب متنوع افراد دارای معلولیت را در نظر بگیرند؟

روش‌شناسی مطالعه

نویسندگان این مرور از روش‌شناسی پنج مرحله‌ای آرکسِی و اومالی (Arksey & O’Malley) برای مرور نقشه‌ای استفاده کردند و گزارش‌دهی خود را بر اساس دستورالعمل PRISMA-ScR تنظیم کردند. جستجو در پایگاه‌های MEDLINE، Embase، Web of Science و CINAHL انجام شد و بازه زمانی مطالعات ۲۰۱۵ تا ۲۰۲۵ بود. از بین ۴۲۳۳ ارجاع بازیابی‌شده، در نهایت ۹۳ مطالعه برای تحلیل انتخاب شد. داده‌ها بر مبنای چارچوب Population-Concept-Context استخراج و به روش موضوعی سنتز شده‌اند.

چه یافته‌هایی گزارش شده است؟

موضوعات و حوزه‌های کاربرد

مطالعات بررسی‌شده طیفی از معلولیت‌ها را پوشش داده‌اند، از جمله معلولیت‌های حرکتی، حسی (بینایی و شنوایی)، شناختی و اختلالات مرتبط با ارتباطات و سلامت روان. کاربردهای AI عمدتاً در سه دسته قرار می‌گیرند:

• پیش‌بینی و تشخیص: مدل‌های یادگیری ماشین برای شناسایی زودهنگام مشکلات، طبقه‌بندی داده‌های بالینی یا ارزیابی توانایی‌های عملکردی.
• فناوری‌های کمکی: دستگاه‌ها یا نرم‌افزارهایی که به افراد کمک می‌کنند مستقل‌تر زندگی کنند؛ مثلاً واسط‌های صوتی یا بینایی، ابزارهای ترجمه زبان علامت، یا ربات‌های کمکی.
• مراقبت شخصی‌سازی‌شده: سیستم‌های پشتیبان تصمیم‌گیری برای ارائه برنامه‌های درمانی یا توان‌بخشی متناسب با نیاز کاربر.

رویکردهای مربوط به عدالت و مشارکت کاربران

نویسندگان متوجه شدند که اگرچه تقریباً ۶۰٪ از مقالات به ملاحظات عدالت اشاره‌ای داشته‌اند، اما اقدامات واقعی برای تضمین فراگیری محدود بود. تنها ۱۲ مطالعه (۱۲.۹٪) اقدامات مشخصی مانند اصلاح ابزارها برای گروه‌های آسیب‌پذیر یا تضمین تنوع نمونه انجام داده بودند. مشارکت فعال افراد دارای معلولیت در فرایند طراحی یا ارزیابی تنها در ۶ مطالعه (۶.۵٪) دیده شد.

ژئوگرافی پژوهش‌ها

اکثر مطالعات از کشورهای با درآمد بالا گزارش شده است: ۴۵.۲٪ از آمریکای شمالی و ۲۶.۹٪ از اروپا. این سوگیری جغرافیایی می‌تواند بر عمومیت‌پذیری نتایج و مناسب بودن راه‌حل‌ها در زمینه‌های متفاوت تأثیر بگذارد.

تحلیل و تفسیر یافته‌ها

این مرور نشان می‌دهد که تحقیقات AI در سلامت به سمت مسائل مرتبط با افراد دارای معلولیت حرکت کرده است و زمینه‌های امیدوارکننده‌ای برای بهبود استقلال و کیفیت زندگی وجود دارد. با این حال، شکاف‌های قابل‌توجهی مانع تبدیل این پتانسیل به کاربست واقعی می‌شوند:

• کمبود مشارکت واقعی: نبود مشارکت معنادار افراد دارای معلولیت در طراحی و ارزیابی باعث می‌شود محصولات نهایی کاربردپذیری و تناسب لازم را نداشته باشند.
• نمونه‌های غیرنماینده و سوگیری داده: داده‌های آموزشی که نماینده جمعیت‌های مختلف نیستند می‌توانند منجر به الگوریتم‌های متعصب شوند که برای زیرگروه‌های خاص کارایی کمتری دارند.
• تمرکز بر بهینه‌سازی فنی به جای بستر اجتماعی: بسیاری از مطالعات بر بهبود عملکرد مدل‌ها در محیط آزمایشگاهی تمرکز کرده‌اند و کمتر به پیاده‌سازی در دنیای واقعی، ملاحظات فرهنگی و ساختارهای حمایتی پرداخته‌اند.

این یافته برای بیمار چه معنایی دارد؟

برای فردی که دارای معلولیت است یا مراقب چنین فردی می‌باشد، این نتایج چند پیام کاربردی دارند:

• هوش مصنوعی می‌تواند ابزار کمک‌کننده و پشتیبان در تشخیص، توان‌بخشی یا افزایش استقلال باشد؛ اما هنوز هم ممکن است محصولات موجود تناسب یا دسترسی لازم را برای همه گروه‌ها نداشته باشند.
• اگر قصد استفاده از یک فناوری مبتنی بر AI را دارید، مهم است که در مورد شرایط استفاده، چگونگی آموزش مدل، و اینکه آیا کاربران مشابه شما در توسعه یا تست آن مشارکت داشته‌اند، سوال کنید.
• فناوری‌هایی که در محیط‌های آزمایشی به خوبی عمل می‌کنند، همیشه در دنیای واقعی مشابه عمل نمی‌کنند؛ بنابراین تجربه شخصی و نیازهای فردی باید در تصمیم‌گیری وارد شوند.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

در تفسیر نتایج این مرور لازم است چند نکته روش‌شناختی و مضمونی را در نظر بگیریم:

• ماهیت مرور نقشه‌ای: مرورهای نقشه‌ای برای شناسایی و توصیف گستره پژوهش‌ها مناسب‌اند اما معمولاً کیفیت اثباتی هر مطالعه را به‌طور عمیق ارزیابی نمی‌کنند؛ بنابراین این مرور نشان‌دهنده حجم و جهت‌گیری موضوع است، نه ارزیابی کیفیت مطالعات فردی.
• سوگیری ژئوگرافی و فرهنگی: غالب بودن مطالعات در کشورهای با درآمد بالا ممکن است نتایج را برای جمعیت‌های کم‌منبع یا زمینه‌های فرهنگی متفاوت قابل‌انتقال نکند.
• امکان وجود ادبیات خاکستری و گزارش‌های نامشخص: مرور محدود به پایگاه‌های مشخص شده بوده و ممکن است برخی پروژه‌های مبتنی بر جامعه یا گزارش‌های اجرایی که در مجلات علمی نمایه نشده‌اند را در بر نگرفته باشد.
• تعاریف متفاوت از «مشارکت» و «عدالت»: مطالعات مختلف معیارها و شدت متفاوتی برای مشارکت کاربران یا اقدامات عدالت به کار برده‌اند؛ بنابراین شمارش ساده موارد مشارکت ممکن است تنوع کیفیت مشارکت را نشان ندهد.
• فقط بخشی از دوره زمانی تا ۲۰۲۵: پیشرفت سریع حوزه AI ممکن است به سرعت از نتایج این مرور فراتر رود؛ یافته‌ها تا نقطه زمانی پایان جستجو معتبرند.

چه کارهایی باید در پژوهش و توسعه انجام شود؟

پیشنهادهای کلیدی برای پژوهشگران و طراحان

• ادغام رویکردهای طراحی مشارکتی در مراحل اولیه پژوهش و توسعه تا محصولات بهتر با نیازهای واقعی کاربران منطبق شوند.
• استفاده از مجموعه‌داده‌های متنوع و شفافیت در خصوص منبع و ترکیب داده‌ها تا خطر سوگیری الگوریتمی کاهش یابد.
• آزمون و ارزیابی در شرایط واقعی و در میان زیرگروه‌های مختلف جمعیتی، نه تنها آزمایشگاه یا مجموعه‌های داده ساختگی.
• گزارش‌دهی استاندارد درباره اینکه چگونه ملاحظات عدالت و دسترسی در طراحی و ارزیابی لحاظ شده‌اند.

نظر تحریریه پزشک سایت

این مرور نقشه‌ای تصویر نسبتاً روشنی از وضعیت فعلی پژوهش‌های هوش مصنوعی برای افراد دارای معلولیت ارائه می‌دهد: پژوهش فعال است و نوآوری‌های امیدوارکننده‌ای وجود دارد، اما فقدان مشارکت معنادار کاربران و مشکل نمایندگی داده‌ها مانع از پیاده‌سازی فراگیر می‌شود. از منظر بالینی و سیاست‌گذاری، لازم است که تمرکز از بهینه‌سازی صرف فنی به سمت فرایندهای طراحی مسئولانه و مبتنی بر عدالت تغییر کند تا فناوری‌های ساخته‌شده به بهبود واقعی دسترسی و کیفیت زندگی منجر شوند.

چه زمانی باید با پزشک مشورت کرد؟

اگر شما یا فردی که مراقبت می‌کنید قصد استفاده از یک فناوری مبتنی بر هوش مصنوعی را دارید یا نگران اثرات آن بر مراقبت‌های پزشکی هستید، در موارد زیر با ارائه‌دهنده سلامت مشورت کنید:

• در صورت تصمیم‌گیری درباره استفاده از ابزارهای تشخیصی یا تصمیم‌پشتیبان AI که می‌توانند روی درمان یا داروها تأثیر بگذارند.
• هنگامی که یک فناوری کمکی جدید قرار است در توان‌بخشی یا زندگی روزمره به کار گرفته شود و نیازمند تنظیمات پزشکی یا نظارت بالینی است.
• اگر فناوری پیشنهادی مسائل حریم خصوصی، جمع‌آوری داده یا ریسک‌های ایمنی خاصی دارد که ممکن است بر سلامت جسمی یا روانی کاربر اثر بگذارد.
• در موارد بارداری، کودکی، بیماری قلبی، عفونت جدی، سرطان یا برنامه‌های جراحی، قبل از اعتماد به تصمیمات خودکار باید با پزشک یا تیم درمانی مشورت شود.

پرسش‌های رایج

آیا هوش مصنوعی می‌تواند به افراد دارای معلولیت کمک کند؟

بله؛ هوش مصنوعی پتانسیل افزایش استقلال، بهبود تشخیص زودهنگام و ارائه راهکارهای کمکی اختصاصی را دارد، اما اثربخشی هر راهکار به طراحی، داده‌ها و آزمون در جمعیت هدف بستگی دارد.

آیا فناوری‌های مبتنی بر AI برای همه افراد دارای معلولیت مناسب‌اند؟

خیر؛ بسیاری از سیستم‌ها بر مبنای داده‌ها و سناریوهای خاص توسعه یافته‌اند و ممکن است برای زیرگروه‌های مختلف مناسب نباشند مگر اینکه به‌طور خاص برای آن‌ها تنظیم و تست شوند.

چگونه می‌توان از عدالت و عدم‌سوگیری در این فناوری‌ها مطمئن شد؟

اطمینان نسبی با شفافیت در گزارش منابع داده، حضور نمونه‌های نماینده، ارزیابی در محیط‌های واقعی و مشارکت کاربران در طراحی به‌دست می‌آید؛ این‌ها اقداماتی هستند که پژوهش‌ها باید انجام دهند و گزارش کنند.

آیا مشارکت افراد دارای معلولیت در پژوهش‌ها الزامی است؟

از منظر اخلاقی و عملی، مشارکت معنادار کاربران می‌تواند منجر به محصولات کاربردپذیرتر و عادلانه‌تر شود. این مشارکت به درک بهتر نیازها، ترجیحات و موانع واقعی کمک می‌کند.

جمع‌بندی کاربردی

مرور نقشه‌ای PLOS نشان می‌دهد که هوش مصنوعی می‌تواند ابزارهای مفیدی برای افراد دارای معلولیت فراهم کند، اما برای تحقق این وعده نیازمند تغییر در رویکرد پژوهشی و توسعه‌ای هستیم. نکات عملی برای ذینفعان عبارت‌اند از:

• پژوهشگران باید مشارکت کاربران و تنوع نمونه‌ها را از آغاز پروژه لحاظ کنند.
• طراحان و تولیدکنندگان باید شفافیت در داده‌ها و گزارش‌دهی درباره معیارهای عدالت را تقویت کنند.
• سیاست‌گذاران و نهادهای تأمین‌کننده بودجه باید معیارهایی برای ارزیابی فراگیری پروژه‌ها تعریف کنند و بودجه‌ای برای مشارکت جامعه و آزمون میدانی اختصاص دهند.
• افراد دارای معلولیت و مراقبان باید هنگام انتخاب فناوری، درباره منبع، آزمون‌ها و مشارکت کاربر سوال کنند و در صورت نیاز با ارائه‌دهنده سلامت مشورت نمایند.

سخن پایانی

هوش مصنوعی در حوزه سلامت قابلیت‌های مهمی برای حمایت از افراد دارای معلولیت دارد، اما تبدیل این قابلیت‌ها به راه‌حل‌های موثر و فراگیر، نیازمند توجه جدی به عدالت، نمایندگی داده و طراحی مشارکتی است. مرور حاضر یک فراخوان عملی برای پژوهشگران، طراحان، سیاست‌گذاران و جوامع کاربری است تا با همکاری نزدیک‌تر، فناوری‌هایی بسازند که واقعاً در خدمت همه باشند.

منبع

Contribution of artificial intelligence research to the development of inclusive applications for people with disabilities: A scoping review (2015–2025), PLOS Digital Health, 2026. DOI: https://doi.org/10.1371/journal.pdig.0001749

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.