هوش مصنوعی مسیر درمان یک ورزشکار ۶۷ ساله را تغییر داد
روایت واقعی یک ورزشکار ۶۷ ساله که پس از شکستگی لگن و جراحی اورژانسی، با کمک پشتکار، ثبت دقیق روند درمان و بهره‌گیری از هوش مصنوعی توانست دوباره به زندگی ورزشی بازگردد.
تحریریه حرف مرد: در ژوئن ۲۰۲۴، در حین یک دویدن بیرون از شهر، از پشت با یک دوچرخه‌سوار برخورد کردم و در نتیجه دچار شکستگی لگن شدم؛ آسیبی که نیازمند جراحی اورژانسی بود. در جراحی، یک میله در استخوان ران (فمور، بزرگ‌ترین استخوان پا) قرار داده شد و با دو پیچ به گردن فمور و لگن برای تثبیت اتصال داده شد.
تنها ۲۴ ساعت پس از یک دویدن معمولی، در ۶۷ سالگی، زندگی من به‌عنوان یک ورزشکار و مسافر فعال کاملاً تغییر کرد. ناگهان خود را در تخت بیمارستان یافتم و تنها زمانی اجازه ترخیص داشتم که بتوانم بدون کمک از تخت برخیزم و در آزمون کاردرمانی شامل بالا رفتن از سه پله با واکر، موفق شوم. برای کسی با ضربان قلب استراحتی حدود ۵۰، این «آزمون» نخستین چالش جدی بود. در همان شب پس از عمل و روز بعد، زمانی که با واکر ایستادم، فشار خون و ضربانم به‌یکباره افت کرد و بیهوش روی تخت افتادم.
من در حالی به بیمارستان نگاه می‌کردم که برنامه یک سفر دو هفته‌ای اروپایی را از قبل ریخته بودم و تصورم این بود که در شش تا هشت هفته از واکر به عصا و سپس به راه‌رفتن بدون کمک برسم. یکی از دوستان مربی‌ام به من گفت: «تو برای این لحظه با دهه‌ها دویدن و تمرین قدرتی آماده شده‌ای.» اما واقعیت این بود که سفر اروپایی‌ام تنها با کمک عصای کوهنوردی ممکن شد، و بازگشت به دویدن که فکر می‌کردم در سه ماه رخ دهد، به یازده ماه تلاش طاقت‌فرسا کشید تا بتوانم حتی نیم مایل بدوم.
در این مسیر آموختم که بهترین نتایج زمانی حاصل می‌شود که خود فرد مسئولیت مراقبت از خویش را بر عهده بگیرد. برای من، هوش مصنوعی ابزاری نیرومند در این فرایند بود. اکنون دوباره شنا و دویدن رقابتی را تجربه می‌کنم، و این را مدیون اعتماد به شهودم، پافشاری برای دریافت پاسخ، و تبدیل شدن به یک مدافع آگاه برای خودم هستم. این‌ها مهم‌ترین درس‌هایی است که در این سفر یاد گرفتم:
۱. همه‌چیز را زیر سؤال ببرید
توصیه‌های پزشکی معمولاً با قطعیت بیان می‌شوند، اما حتی متخصصان هم می‌توانند اشتباه کنند. پس از جراحی لگن، فهمیدم مسیر بهبودی پر از نظرات متناقض، تشخیص‌های مبهم و نیاز به مستندسازی دقیق است. تنها در دو ماه نخست، بیش از دوازده ویزیت داشتم. به همین دلیل یک فایل ساده در Word باز کردم و نام پزشکان، تاریخ‌ها و خلاصه نکات جلسات و فیزیوتراپی را ثبت کردم.
تجربه شخصی: هشت ماه بعد همچنان در درد بودم. از پزشکم خواستم مرا به یک متخصص ارجاع دهد تا احتمال مشکلات غیرعضلانی بررسی شود. او در گزارش مکتوب تشخیصی نوشت: «مشکل ادراری لگن»؛ عبارتی که بی‌معنی بود. من به سراغ Perplexity.AI رفتم؛ ابزاری هوش مصنوعی که پاسخ‌هایش را با لینک به منابع همراه می‌کند. AI را همچون دستیار پزشک به کار گرفتم، بدون آن‌که داده‌های شخصی یا متن کامل MRI را وارد کنم.
پس از بررسی، دریافتم چنین عبارتی اصلاً وجود ندارد. وقتی تصویر گزارش پزشک را برای او فرستادم، پذیرفت که اشتباه تایپی بوده و منظورش «مشکل اسکلتی‌عضلانی لگن» بوده است. این اتفاق به من یاد داد که همیشه باید همه‌چیز را دوباره بررسی کرد و حتی با پزشک هم رودررو پرسشگر بود. در ادامه، تصویربرداری‌های بیشتر نشان داد تفاوت طول پا و پارگی خفیف غضروف اطراف مفصل لگن که قبلاً نادیده گرفته شده بود.
همچنین بخوانید: پژوهش جدید: مصرف زیاد نمک مغز را تحریک می‌کند و فشار خون را بالا می‌برد
۲. وقتی درد پایان نداشت، به سراغ تحلیل‌های تازه رفتم
هیچ پزشک یا درمانگری همه پاسخ‌ها را ندارد. اگر روند بهبودی طبق انتظار پیش نمی‌رود، باید سراغ دیدگاه‌های تازه رفت.
تجربه شخصی: جراح ارتوپد براساس عکس رادیوگرافی گفت «استخوان جوش خورده است»، اما درد من ادامه داشت؛ دردی که مدام جایش تغییر می‌کرد، یک روز زانو، روز دیگر عضلات ران یا کمر. درخواست MRI دادم اما او مخالفت کرد و مرا به متخصص مفاصل ارجاع داد. پس از تماس با شش متخصص، تنها یک نفر حاضر شد MRI تجویز کند. نتیجه نشان‌دهنده تورم و مشکلاتی غیرمعمول بود. این یعنی تشخیص اولیه اشتباه بود و پروتکل درمانی باید تغییر می‌کرد.
یاد گرفتم باید پیوسته به دنبال نظرهای جدید بود، حتی از درمانگران طب مکمل یا فیزیوتراپیست‌های غیرسنتی. ترکیب این دیدگاه‌ها با یافته‌های تصویربرداری و تجربه شخصی‌ام، به راهکارهای واقعی کاهش درد منجر شد.
۳. استفاده از هوش مصنوعی برای تحلیل گزارش‌های پزشکی
گزارش‌های MRI و سی‌تی‌اسکن پر از اصطلاحات تخصصی هستند. هوش مصنوعی به من کمک کرد هر عبارت غیرعادی را بفهمم، نمودارهای مرتبط ببینم و بدانم کدام یافته‌ها به علائم من مربوط است.
این آگاهی باعث شد قبل از پزشکان، پرسش‌های دقیق و هدفمند مطرح کنم و حتی در ایمیل‌ها گزینه‌های درمانی پیشنهادی‌ام را همراه با منابع بفرستم. البته آموختم که باید با پزشکان مؤدبانه صحبت کرد و هوش مصنوعی را تنها ابزاری در کنار تخصص آن‌ها دانست.
۴. بدون احساس گناه، فیزیوتراپیست خود را تغییر دادم
فیزیوتراپی یک نسخه واحد برای همه بیماران نیست. زمانی که پیشرفتی ندیدم، درمانگرم را عوض کردم. مقایسه روش‌های مختلف به من نشان داد کدام تمرین‌ها برای بدن من مناسب‌تر هستند.
درس مهم: نباید به خاطر رودربایستی با یک درمانگر بمانید. اگر برنامه او عمومی و غیرشخصی است و شما را جلو نمی‌برد، باید مسیر جدیدی انتخاب کنید.
۵. همه‌چیز را مستند کردم
ثبت دقیق روند درمان، ابزار قدرتمند یک بیمار است. من هفتگی یادداشت می‌نوشتم: از زمان استفاده واکر تا اولین قدم‌های بدون کمک. این داده‌ها در مکالمات با پزشکان ارزشمند بود، زیرا مستندات عینی قدرت بیشتری از توصیفات احساسی دارند.
جمع‌بندی: شما مدیرعامل سلامت خود هستید و هوش مصنوعی می‌تواند مشاور شما باشد
یاد گرفتم در هر جلسه پزشکی، فهرست پیشرفت‌ها و پرسش‌هایم را همراه داشته باشم. به جای درخواست کلی «می‌خواهم بهتر شوم»، اهداف کوتاه‌مدت و بلندمدت مشخص مطرح می‌کردم. همین باعث شد پزشکان گزینه‌های دقیق‌تری پیشنهاد دهند.
نمونه‌ای مهم: وقتی احساس کردم پای راستم کوتاه‌تر شده است، بارها از فیزیوتراپیست‌ها خواستم اندازه‌گیری کنند و پاسخ شنیدم «همه بعد از جراحی چنین حسی دارند». اما یک متخصص پیشنهاد اسکن EOS داد؛ روشی تصویربرداری سه‌بعدی برای اندازه‌گیری طول اندام‌ها. نتیجه نشان داد پای عمل‌شده من نیم سانتی‌متر کوتاه‌تر است. با کفی و پد پاشنه، فوراً درد کمتر شد و تنها سه هفته بعد توانستم دوباره بدوم.
امروز، پس از ماه‌ها مبارزه، در مسابقه شنا در آب آزاد یک مایلی شرکت کرده‌ام و یک ۵ کیلومتر نیز دویده‌ام. شاید هنوز به رکوردهای قبلی‌ام نزدیک نشده باشم، اما بعد از ۴۵ سال ورزش، دوباره به زندگی فعال بازگشته‌ام—و این، بهترین احساس دنیا است.
منبع: Men’s Health
