چرا یک نوع داده برای شناخت بیمار کافی نیست؟ وقتی پزشکی هوشمند باید کل تصویر را ببیند
08/09/2026
رفتارهای روزمره؛ از خواب و فعالیت تا مصرف دخانیات، چگونه سلامت ما را میسازند؟
08/12/2026
عوامل اجتماعی و رفتاری؛ بخش فراموششده بیمار که پزشکی هوشمند نباید نادیده بگیرد
عوامل اجتماعی و رفتاری مانند درآمد، مسکن، شغل، حمایت اجتماعی، تغذیه، خواب، فعالیت بدنی و پایبندی به درمان میتوانند بر سلامت و نتیجه درمان اثر بگذارند.
در این مقاله بررسی میکنیم چرا پزشکی و هوش مصنوعی باید این دادهها را کنار اطلاعات بالینی و زیستی ببینند.
فهرست مطالب
- عوامل اجتماعی و رفتاری سلامت چیستند؟
- چرا بیماری فقط نتیجه ژن و زیستشناسی نیست؟
- درآمد، مسکن و دسترسی چگونه مسیر درمان را تغییر میدهند؟
- رفتارهای روزمره؛ از خواب و فعالیت تا مصرف دخانیات
- حمایت اجتماعی و سلامت روان
- چرا این اطلاعات در پرونده پزشکی کمتر دیده میشوند؟
- نقش هوش مصنوعی در استخراج عوامل اجتماعی از EHR
- آیا افزودن داده اجتماعی پیشبینی AI را بهتر میکند؟
- خطر سوگیری و برچسبزنی
- چگونه این دادهها را مسئولانه وارد پزشکی کنیم؟
- جمعبندی و سوالات متداول
مقدمه
گاهی دو بیمار با یک تشخیص و نتایج آزمایش مشابه، مسیر درمان متفاوتی دارند. یکی دارو را منظم مصرف میکند و حمایت خانوادگی دارد؛ دیگری برای هزینه دارو یا حملونقل مشکل دارد. اگر پزشکی فقط آزمایش و تصویر را ببیند، علت این تفاوت پنهان میماند.
عوامل اجتماعی و رفتاری سلامت دقیقاً به همین بخش فراموششده اشاره میکنند. شرایط زندگی، درآمد، آموزش، شغل، مسکن، روابط اجتماعی و رفتارهایی مانند تغذیه، فعالیت بدنی، خواب، مصرف دخانیات و پایبندی به درمان میتوانند بر خطر بیماری و نتیجه مراقبت اثر بگذارند. برای هوش مصنوعی پزشکی نیز نادیده گرفتن این لایه یعنی ساختن مدلی که بیمار را فقط از پشت دادههای بیمارستانی میبیند.
عوامل اجتماعی و رفتاری سلامت چیستند؟
سازمان جهانی بهداشت، عوامل اجتماعی تعیینکننده سلامت یا Social Determinants of Health را شرایطی میداند که مردم در آن متولد میشوند، رشد میکنند، زندگی و کار میکنند و پیر میشوند، همراه با نحوه دسترسی آنها به قدرت، پول و منابع. گزارش جهانی WHO درباره عدالت و عوامل اجتماعی سلامت تأکید میکند که ریشههای غیرپزشکی سلامت سهم مهمی در نابرابریهای قابل پیشگیری دارند.
عوامل رفتاری نیز شامل الگوهایی مانند مصرف دخانیات، رژیم غذایی، فعالیت بدنی، مصرف الکل، خواب و نحوه استفاده از خدمات سلامت هستند. این رفتارها جدا از محیط اجتماعی نیستند. برای مثال توصیه به ورزش زمانی معنا دارد که فرد زمان، امنیت محیطی و امکان دسترسی به فضای مناسب داشته باشد.
پاسخ کوتاه برای موتورهای پاسخگو
عوامل اجتماعی و رفتاری سلامت مجموعه شرایط زندگی و رفتارهایی هستند که خارج از تشخیص پزشکی مستقیم، بر احتمال بیماری، دسترسی به درمان و نتیجه آن اثر میگذارند. درآمد، مسکن، آموزش، حملونقل، حمایت اجتماعی، تغذیه، خواب، فعالیت بدنی، دخانیات و پایبندی دارویی از نمونههای مهماند.
چرا بیماری فقط نتیجه ژن و زیستشناسی نیست؟
ژنها و فرایندهای زیستی مهماند، اما سلامت در خلأ شکل نمیگیرد. فرد ممکن است استعداد ژنتیکی برای دیابت داشته باشد، اما محیط غذایی، فعالیت بدنی، استرس مزمن، کیفیت خواب و دسترسی به مراقبت میتوانند مسیر واقعی بیماری را تغییر دهند.
WHO در برگه اطلاعات عوامل اجتماعی سلامت تأکید میکند شرایط اجتماعی اثر بزرگی بر سلامت و نابرابری دارند. بنابراین پزشکی دقیق اگر فقط ژنوم و آزمایش مولکولی را ببیند اما توان خرید دارو یا دسترسی بیمار را نادیده بگیرد، شخصیسازی ناقصی خواهد داشت.
درآمد، مسکن و دسترسی چگونه مسیر درمان را تغییر میدهند؟
درآمد پایین میتواند دسترسی به غذای سالم، دارو، آزمایش یا پیگیری درمان را محدود کند. بیثباتی مسکن ممکن است نگهداری دارو، استراحت کافی یا مراجعه منظم را دشوار سازد. مشکل حملونقل نیز میتواند باعث از دست رفتن ویزیتها یا غربالگری شود.
گزارش CDC درباره ماموگرافی و نیازهای اجتماعی نشان داد برخی نیازهای اجتماعی، از جمله موانع حملونقل و انزوای اجتماعی، با استفاده کمتر از ماموگرافی همراه بودند. بنابراین اگر الگوریتم فقط عدم غربالگری را ببیند، ممکن است مانع واقعی دسترسی را از دست بدهد. یادآوری پیامکی نیز برای بیماری که وسیله رفتوآمد ندارد، مشکل اصلی را حل نمیکند.
رفتارهای روزمره؛ از خواب و فعالیت تا مصرف دخانیات
رفتارهای روزانه از مهمترین عوامل قابل تغییر سلامتاند. WHO درباره بیماریهای غیرواگیر مصرف دخانیات، کمتحرکی، مصرف مضر الکل و رژیم غذایی ناسالم را از عوامل خطر مهم بیماریهای غیرواگیر معرفی میکند.
فعالیت بدنی، خواب و تغذیه بر وزن، فشار خون، متابولیسم و سلامت روان اثر دارند، اما ثبت آنها در پرونده پزشکی همیشه دقیق نیست. پوشیدنیها میتوانند بخشی از این شکاف را پر کنند، هرچند خطای حسگر و حریم خصوصی همچنان مطرح است. پس داده رفتاری باید لایهای مکمل باشد، نه حقیقت مطلق.
پایبندی به درمان؛ رفتاری که نتیجه پزشکی را تغییر میدهد
نسخهکردن دارو به معنای مصرف واقعی آن نیست. بیمار ممکن است به دلیل عارضه، قیمت، فراموشی، نگرانی یا ناآگاهی دارو را نامنظم مصرف کند. در این حالت، الگوریتمی که فقط فهرست نسخهها را میبیند، ممکن است تصور کند بیمار درمان را دریافت کرده است.
پژوهشهای کلاسیک درباره پایبندی بیمار و پیامد درمان نشان دادهاند که پایبندی با نتایج درمانی ارتباط دارد. از نظر عملی، دانستن «چرا»ی عدم پایبندی مهمتر از برچسب زدن بیمار به عنوان فرد غیرهمکار است. اگر مشکل هزینه باشد، آموزش بیشتر کافی نیست؛ اگر فراموشی باشد، راهکار یادآوری ممکن است مفید باشد.
حمایت اجتماعی و سلامت روان
تنهایی، تعارض خانوادگی یا نبود حمایت میتواند بر توان فرد برای مدیریت بیماری مزمن اثر بگذارد. بیماری که تنها زندگی میکند ممکن است پس از جراحی کمک کافی نداشته باشد یا سالمندی که حمایت اجتماعی محدودی دارد، در مصرف دارو و مراجعه با مشکل مواجه شود.
داده اجتماعی باید با زمینه و بدون قضاوت تفسیر شود. سلامت روان نیز با رفتار، اشتغال، روابط و بیماری جسمی تعامل دارد و اضطراب یا افسردگی میتواند خواب، فعالیت و پایبندی درمان را تغییر دهد. حذف کامل این عوامل ممکن است تصویر خطر را ناقص کند.
چرا این اطلاعات در پرونده پزشکی کمتر دیده میشوند؟
فشار کاری، محدودیت زمان و نبود فیلد استاندارد باعث میشود عوامل اجتماعی کمتر از فشار خون یا آزمایشها ثبت شوند. بسیاری از اطلاعات در متن آزاد یادداشت پزشک یا پرستار پنهان میمانند؛ عباراتی مانند «به دلیل هزینه دارو را قطع کرده» یا «برای مراجعه وسیله ندارد».
مرور Social determinants of health in electronic health records نشان داده است ثبت حوزههای اجتماعی در EHR ناهمگون است. این ناهمگونی برای AI مشکل ایجاد میکند، زیرا نبود داده ممکن است به اشتباه به معنای نبود مشکل تلقی شود.
استانداردسازی مفید است، اما نباید جای گفتوگوی انسانی را بگیرد.
نقش هوش مصنوعی در استخراج عوامل اجتماعی از EHR
پردازش زبان طبیعی و مدلهای زبانی میتوانند اطلاعات اجتماعی را از یادداشتهای بالینی استخراج کنند. مطالعه منتشرشده در npj Digital Medicine نشان داد مدلهای زبانی قادرند حوزههایی مانند اشتغال، مسکن، حملونقل، وضعیت خانوادگی و حمایت اجتماعی را در متن پرونده شناسایی کنند.
پژوهش جدیدتر درباره استخراج SDoH از یادداشتهای بالینی نیز ظرفیت بالای NLP را گزارش کرده، اما تأکید میکند مدلها برای انتقال میان مؤسسات به تنظیم و اعتبارسنجی نیاز دارند.
AI میتواند اطلاعات پنهان را ساختاریافته کند، اما نباید داده ثبتنشده را حدس بزند.
آیا افزودن داده اجتماعی پیشبینی AI را بهتر میکند؟
گاهی بله، اما همیشه نه. ارزش این دادهها به پیامد هدف، کیفیت ثبت و جمعیت بستگی دارد. برای پیشبینی مراجعه اورژانسی، وضعیت مسکن یا حمایت اجتماعی ممکن است مهم باشد؛ برای تشخیص یک شکستگی در تصویر، احتمالاً نقش مستقیمی ندارد.
مطالعهای در سال ۲۰۲۵ درباره پیشبینی بستری و مراجعه اورژانس در مراقبت خانگی نشان داد عوامل خطر اجتماعی میتوانند اطلاعات مرتبطی به مدل اضافه کنند، اما اثر آنها بر عملکرد و عدالت باید جداگانه بررسی شود. مطالعه مربوط به عوامل اجتماعی و پیشبینی بستری نمونهای از همین رویکرد است.
باید فقط متغیری را وارد مدل کرد که تصمیم یا مداخله را بهتر کند.
خطر سوگیری، انگ و برچسبزنی
جمعآوری داده اجتماعی میتواند ناخواسته به تبعیض منجر شود. اگر مدل یاد بگیرد محله کمدرآمد با هزینه درمان بیشتر همراه است، نباید نتیجه آن کاهش دسترسی یا اولویت پایینتر باشد. هدف باید شناسایی نیاز و رفع مانع باشد، نه مجازات فرد به دلیل شرایط اجتماعی.
اطلاعاتی مانند درآمد، مصرف مواد یا سلامت روان حساساند و بیمار باید بداند چرا جمعآوری میشوند. AI نیز ممکن است نابرابریهای گذشته را یاد بگیرد؛ بنابراین «مصرف کمتر خدمات» نباید خودکار به معنای «نیاز کمتر» تفسیر شود.
چگونه این دادهها را مسئولانه وارد پزشکی کنیم؟
رویکرد مسئولانه با یک سؤال آغاز میشود: آیا این اطلاعات به اقدام مفیدی برای بیمار منجر میشوند؟ اگر نه، جمعآوری داده حساس توجیه کمی دارد. چند اصل عملی مهماند:
- فقط داده مرتبط با هدف بالینی جمعآوری شود.
- علت پرسش برای بیمار روشن باشد و حریم خصوصی حفظ شود.
- اطلاعات اجتماعی در کنار داده بالینی تفسیر شوند، نه بهعنوان جایگزین آن.
- عملکرد الگوریتم در گروههای اجتماعی مختلف بررسی شود.
- خروجی خطر به مسیر حمایت واقعی مانند مددکاری، حملونقل یا کمک دارویی متصل شود.
- امکان اصلاح اطلاعات اشتباه برای بیمار وجود داشته باشد.
ارزش داده اجتماعی زمانی آشکار میشود که سیستم درمان بتواند به نیاز شناساییشده پاسخ دهد.
جمعبندی
عوامل اجتماعی و رفتاری بخش فراموششده بیمارند، زیرا پزشکی هنوز تا حد زیادی بر دادههای تولیدشده داخل بیمارستان تمرکز دارد. در حالی که درمان واقعی در خانه، خانواده، شغل و عادتهای روزانه ادامه پیدا میکند.
درآمد، مسکن، حملونقل، حمایت اجتماعی، خواب، تغذیه، فعالیت و پایبندی درمان بر سلامت اثر میگذارند. وارد کردن این دادهها به AI میتواند تصویر کاملتری بسازد، اما خطر سوگیری و نقض حریم خصوصی را نیز افزایش میدهد. شناخت واقعی بیمار یعنی دیدن زیستشناسی در کنار زندگی واقعی او.
سوالات متداول
عوامل اجتماعی تعیینکننده سلامت چیستند؟
شرایطی مانند درآمد، آموزش، شغل، مسکن، حملونقل و دسترسی به منابع که بر سلامت و دریافت مراقبت اثر میگذارند.
عوامل رفتاری سلامت شامل چه مواردی هستند؟
فعالیت بدنی، تغذیه، خواب، مصرف دخانیات و الکل، پایبندی به درمان و نحوه استفاده از خدمات سلامت از نمونههای مهماند.
چرا AI پزشکی به این دادهها نیاز دارد؟
برای برخی مسائل، این اطلاعات میتوانند زمینهای را نشان دهند که در آزمایش یا تصویر دیده نمیشود و به درک بهتر خطر یا موانع درمان کمک میکنند.
آیا اطلاعات اجتماعی همیشه باید وارد مدل شود؟
خیر. فقط زمانی که برای سؤال بالینی مرتبط، معتبر و قابل اقدام باشد. افزودن داده غیرمرتبط ممکن است پیچیدگی و سوگیری را بیشتر کند.
مهمترین خطر استفاده از داده اجتماعی چیست؟
برچسبزنی، تبعیض، نقض حریم خصوصی و بازتولید نابرابریهای گذشته از مهمترین خطرها هستند؛ بنابراین استفاده از این دادهها باید شفاف و همراه با نظارت انسانی باشد.
