روی تاریک تکنولوژی پیشبینی طول عمر
دانشمندان چند وقتی است در حال توسعهی ابزارهایی برای اندازهگیری طول عمر هستند؛ آیا تکنولوژی پیشبینی مرگ میتواند جنبهی تاریکی داشته باشد؟
اگر این امکان را داشتید لحظهی مرگ خود را پیشبینی کنید، این کار را میکردید؟ شما را نمیدانم، اما وقتی به تاریخ بشر نگاه میکنیم، جواب این سؤال در بیشتر موارد مثبت بوده است. برای مثال، در دوران نوسنگی در چین، پیشگویان از روی ترکهای استخوان حیوانات یا یونانیان باستان از روی پرواز پرندگان آینده را پیشبینی میکردند؛ بینالنهرینیها حتی سعی میکردند آینده را در احشای حیوانات مرده ببینند. ما انسانها در طول تاریخ و با فرهنگهای مختلف به ستارگان و حرکت سیارات، به الگوهای آبوهوایی و حتی به تفالههای قهوه و خطوط کف دست نگاه کردهایم تا از خوشبختی و عمر طولانی خود مطمئن شویم.
بااینحال، تنها سیصد سال پیش بود که هنر پیشگویی با محاسبات ریاضی و احتمالات ابراهام دو مواور در هم آمیخت و اندکی علمیتر شد. این ریاضیدان فرانسوی سعی کرد با انجام معادلات، تاریخ مرگ خود را مشخص کند؛ هرچند پیشبینیهای دقیق زمان مرگ تا مدتها پس از او محقق نشد.
تا اینکه در ماه ژوئن ۲۰۲۱، آرزوی دو مواور سرانجام به حقیقت پیوست؛ دانشمندان موفق شدند ابزار قابلاعتمادی برای اندازهگیری طول عمر کشف کنند. تیمی از پژوهشگران مرکز دیکُد جنتیکس (DeCODE Genetics) در ایسلند با استفاده از مجموعهی بزرگی از اطلاعات مربوط به ۵ هزار نمونهگیری از پروتئینهای بدن حدود ۲۳ هزار ایسلندی، ابزاری برای پیشبینی زمان مرگ ساختند که به گفتهی آنها، «مدت زمان باقیمانده از عمر فرد» را اندازهگیری میکند؛ ادعایی غیرمعمول که بیشک ذهن ما را با سؤالاتی در مورد روش به کار رفته در این پژوهش، مسائل اخلاقی و مفهوم زندگی روبهرو میکند.
اعضای این تیم پژوهشی کاری استفانسون و تیودبیورگ ایریکسدوتیر بودند که کشف کردند پروتئینهای خاصی در دیانای به طول عمر مرتبط هستند و اینکه عوامل مختلف مرگ، «پروفایلهای پروتئینی» مشابهی دارند. ایریکسدوتیر ادعا میکند ابزار آنها میتواند این پروفایلها را در یک نمونهگیری سادهی خون بررسی کند و به اصطلاح، در پلاسمای خون، ساعت شنی روزهای باقیمانده از زندگی افراد را مشاهده کند.
این دو دانشمند به این شاخصهای ردیابی طول عمر «بیومارکر» (نشانگر زیستی) میگویند و به گفتهی آنها، ۱۰۶ بیومارکر وجود دارد که به کمک آنها میتوان زمان مرگ را صرفنظر از نوع بیماری، پیشبینی کرد. اما عاملی که این پژوهش را از پژوهشهای مشابه متمایز میکند، مقیاس بسیار بزرگ آن است. در واقع، فرایندی که این تیم به آن دست یافتند (SOMAmer-Based Multiplex Proteomic Assay) قادر است بهطور همزمان هزاران هزار پروتئین را در نمونههای خون اندازهگیری کند.
پروتئینهای خاصی در دیانای با طول عمر ارتباط دارند
البته نتیجهی همهی این اندازهگیریها رسیدن به تاریخ و زمان دقیق مرگ نیست؛ بلکه این ابزار متخصصان پزشکی را قادر میسازد تنها با یک سوزن سرنگ و یک نمونهگیری کوچک خون بهطور دقیق بیمارانی را که بیشتر از سایرین در معرض خطر مرگ هستند و همچنین افرادی را که خطر مرگ در آنها کمتر است، شناسایی کنند. این ابزار شاید شباهتی به گوی بلورینی نداشته باشد که در داستانهای فانتزی برای پیشبینی آینده به کار میرود، اما سکوی پرتابی برای تکمیل این تکنولوژی است. طراحان این الگوریتم امیدوار هستند از محاسبات هوش مصنوعی کاملاً مبتنی بر منطق و بهدور از هرگونه بُعد احساسی، پزشکان و اطرافیان بیماران را در تصمیمگیریهای سخت یاری کنند.
برای پژوهشگران مرکز دیکُد، توانایی بیومارکرها در پیشبینی طول عمر بخشهای بزرگی از جمعیت بهطور همزمان، بسیار تحسینبرانگیز است. استفانسون دربارهی کارآزماییهای بالینی این مطالعه گفت: «با استفاده از تنها یک نمونه خون از هر نفر، میتوان بهراحتی گروههای بزرگی را به روشی استاندارد با یکدیگر مقایسه کرد.»
اما آیا این روش درمانی استاندارد میتواند خود را با نیازهای بهشدت متفاوت بیماران منطبق کند؟ وقتی چنین تکنولوژی با الگوریتمهای مبتنی بر هوش مصنوعی از آزمایشگاه خارج و در موقعیتهای واقعی به کار برده میشود، چه اتفاقی میافتد؟ اتفاقا برای جواب به این سؤال نیازی نیست به حدس و گمان بسنده کنیم، چراکه نمونهای از آن را در همهگیری کرونا مشاهده کردیم. در پی این همهگیری بود که برای اولین بار دادههای پیشبینی مرگومیر در چنین مقیاس وسیعی به کار گرفته شد و اعماق بهشدت نگرانکنندهی محاسبات ماشینی را بیش از پیش آشکار کرد.
در اکتبر ۲۰۲۱، مطالعهای در دانشگاه کپنهاگ نشان داد که یک پروتئین خاص در سطح سلول احتمالاً میتواند پیشبینی کند چه کسی درمعرض خطر عفونت جدی ناشی از ویروس کرونا قرار دارد. هنگامی که این بیومارکر پروتئینی مورد استفاده قرار گرفت، توانست با دقت ۷۸٫۸ درصد مشخص کند ابتلا به بیماری کرونا کدام افراد را بیشتر تحت تأثیر قرار میدهد. در ظاهر، این خبر بسیار مسرتبخشی به نظر میرسید، چون بیمارانی را که بیشتر از دیگران به مراقبت نیاز داشتند، شناسایی میکرد و افراد مقاومتر و سالمتر را به مدت طولانیتری در صف انتظار درمان نگه میداشت. اما وقتی بیماران کرونایی بخشهای آیسییو را پر کردند و بیمارستانها با کمبود تخت و تجهیزات روبهرو شدند، از این دادهها درست در جهت عکس این انتظار استفاده شد؛ یعنی چهکسی احتمال بیشتری به زنده ماندن دارد و میتواند کمک درمانی دریافت کند و به زنده ماندن چه کسی امید زیادی نیست و باید تجهیزات پزشکی از او دریغ شود.
وقتی افراد سالم و توانمند دربارهی امکان پیشبینی زمان مرگ فکر میکنند، در ذهنشان صحنههای علمیتخیلی فیلمهایی چون گزارش اقلیت یا ترمیناتور نقش میبندد و آیندهای را متصور میشوند که در آن جلوی مرگ و بیماری پیش از آنکه اتفاق بیفتد، گرفته میشود. اما برای افرادی با کمتوانی جسمی یا بیماریهای لاعلاج، تکنولوژی پیشبینی مرگ یادآور این واقعیت تلخ است که در شرایط خاص، کمکهای پزشکی از آنها دریغ میشود تا دراختیار افرادی که شانس بیشتری به زنده ماندن دارند، قرار بگیرد. علمی که بخواهد طول عمر را پیشبینی کند، خواه یا ناخواه با قضاوتی دربارهی ارزش زندگی نیز همراه است؛ اینکه هرچه طول عمر بیشتر باشد، کیفیت و ارزش زندگی بیشتر است. یا اگر بخواهیم از آن طرف قضیه به آن نگاه کنیم، کیفیت زندگی افرادی که عمر کمتری دارند، از افرادی که قرار است بیشتر عمر کنند، بیشتر است.
تکنولوژی پیشبینی مرگ هرگز نمیتواند ارزش زندگی را اندازهگیری کند
وخامت این موضوع زمانی خود را نشان میدهد که به مطالعات پیرامون شدیدترین همهگیریهای تاریخ نگاه میکنیم و میبینیم تبعیضی که علیه افراد کمتوان صورت گرفته، بهطرز وحشتناکی ریشهدار است. در واقع، اینطور به نظر میرسد در شرایط بحرانی، این طرز تفکر غالب است که افراد مسن یا کمتوان یا مبتلا به بیماریهای مزمن، کمتر از دیگران ارزش زنده ماندن دارند و بر اساس این طرز فکر، کمکهای بهداشتی از آنها دریغ میشود.
درحالیکه جامعهی پزشکی از نتایج این مطالعه خرسند است و تلاشها برای تکمیل این تکنولوژی با جدیت بیشتری ادامه پیدا میکند، این سؤال مطرح میشود که چنین ابزارهایی چه خطرها و تبعیضهایی را متوجه افراد کمتوان خواهد کرد؟ اگر پیشبینیهای استانداردسازی شدهی پژوهشگران مرکز دیکُد با این دید توسعه یافته شده باشد که مراقبتهای درمانی ابتدا به افراد توانمندتر اختصاص یابد، چون قرار است بیشتر عمر کنند، آنوقت اندازهگیری طول عمر معنایی فراتر از پیشبینی مرگ خواهد داشت؛ در این شرایط، چنین ابزاری ممکن است مرگ افراد کمتوان را تسریع کند.
بهگفتهی آلیسا برگارت، فیزیکدان دانشگاه استنفورد:
تکنولوژی پیشبینی مرگ حتماً نباید چیز بدی باشد؛ مثبت یا منفی بودن آن کاملاً به تصمیمگیری انسانها بستگی دارد. این تکنولوژی آنقدر که گمان میرود بیطرفانه یا دقیق نیست؛ بااینحال، وقتی سیاستگذاران فرض میگیرند پیشبینی زمان مرگ درست است، ممکن است تصمیمات نادرستی بگیرند و منابع درمانی را در اختیار افرادی قرار دهند که بدون این منابع نیز میتوانند بر بیماریشان غلبه کنند.
اما از همین دادههای مربوط به پیشبینی طول عمر میتوان برای اختصاص دادن منابع به افرادی که بیشتر در خطر مرگ هستند، استفاده کرد. در واقع، خود موضوع مرگ نباید عامل تصمیمگیرنده باشد؛ بلکه، به گفتهی متیو کورتلند، وکیل و کارشناس ارشد Data For Progress، سوالی که باید به کمک این دادهها پرسیده شود این است: «چه ابزار و روش درمانی به افراد کمک میکند زنده بمانند؟» قضیه تنها به تختهای آیسییو و دستگاههای تنفسی محدود نمیشود؛ بلکه اختصاص منابع خارج از بیمارستان را نیز شامل میشود؛ مثلاً فضای امنی برای زندگی، غذای کافی و داروهای مقرونبهصرفه.
دانشمندان به توسعهی ابزارهای دقیقتری برای پیشبینی زمان مرگ ادامه خواهند داد و از این ابزار میتوان برای مقاصد خوبی استفاده کرد؛ اما طرز تفکر شرایط بحرانی که فرض میکند نجات جان افرادی که عمر طولانیتری دارند، ارزشمندتر است، لازم است تغییر کند. هنگام بحران میشود بهجای تصمیمگیری در مورد اینکه چه کسی برای دریافت درمان مستحقتر است، بیمارستانهای جدید ساخت، چادرهای درمانی موقت برپا کرد یا پزشکان بازنشسته را بهکار گرفت تا مراقبتهای پزشکی بهطور مساوی در دسترس همه قرار بگیرد. مهمتر از آن، لازم است برای حمایت از افراد کمتوانی که تکنولوژی پیشبینی مرگ آنها را از صف انتظار دریافت کمکهای درمانی خارج میکند، از همین امروز سیاستهای درستی گرفته شود.
و در نهایت، پیشبینی زمان مرگ ممکن است برای تشخیص زودهنگام بیماری مفید باشد، اما هرگز نخواهد توانست ارزش زندگی را اندازهگیری کند. بیشک، برای اندازهگیری ارزش زندگی، راههای بهتری از شمردن روزهایی که به پایان آن باقی مانده است، وجود دارد و این کاری است که هر کدام از ما باید برای خودمان انجام دهیم.