هر هفته بیش از ۳۰۰ میلیون نفر با سوالات مربوط به سلامت به چت‌جی‌پی‌تی مراجعه می‌کنند؛ از تفسیر نتایج آزمایش و آماده‌سازی برای ویزیت تا درک دستور پزشک و ساخت روتین سالم‌تر. اما زمینه‌ی این سوالات اغلب پراکنده است: در پورتال‌های بیمار، پرونده‌های پزشکی، اپلیکیشن‌ها و پوشیدنی‌ها. این تکه‌تکه بودن داده‌ها، تصویر کامل را مخدوش می‌کند و تصمیم‌گیری آگاهانه را دشوار می‌سازد. امروز، اوپن‌ای‌آی (OpenAI) با رونمایی از «سلامت در چت‌جی‌پی‌تی» (Health in ChatGPT)، این پارادایم را به چالش می‌کشد: هوش مصنوعی دیگر تنها پاسخ‌دهنده‌ی کلی نیست، بلکه به‌صورت امن و با اجازه کاربر، به داده‌های شخصی سلامت دسترسی یافته و تحلیل‌های زمینه‌دار، شخصی‌سازی‌شده و قابل‌عمل ارائه می‌دهد. این گام، مرز بین «جستجوی اطلاعات» و «مدیریت هوشمند سلامت» را محو می‌کند و ما را به آستانه‌ی یک دستیار سلامت واقعی می‌رساند.

پیشینه و تاریخچه: از مدل زبانی تا دستیار سلامت

سفر اوپن‌ای‌آی در حوزه پزشکی با مدل‌های زبانی بزرگ (LLM) آغاز شد که می‌توانستند متون پزشکی را خلاصه کنند، سوالات بالینی را پاسخ دهند و حتی در آزمون‌های-USMLE عملکرد بالا داشته باشند. با انتشار GPT-4 و سپس GPT-4o، قابلیت‌های چندگانه (Multimodal) امکان تحلیل تصاویر پزشکی، پرونده‌ها و داده‌های حسگرها را فراهم کرد. در سال‌های اخیر، همکاری‌های استراتژیک با موسساتی چون Mayo Clinic، و توسعه‌ی ابزارهایی درای API برای شرکت‌های HealthTech، بستر را برای یک محصول مستقیم به مصرف‌کننده (B2C) هموار ساخت. «سلامت در چت‌جی‌پی‌تی» نسل جدیدی از این تلاش‌هاست: یک لایه‌ی تجربه کاربری (UX) که مدل‌های پیشرفته را با داده‌های واقعی کاربر، در یک محیط حفظ حریم خصوصی، ادغام می‌کند.

جزئیات کامل خبر: چه چیزی رونمایی شد؟

به‌مناسبت ۲۳ ژوئیه ۲۰۲۶، اوپن‌ای‌آی اعلام کرد که قابلیت «سلامت در چت‌جی‌پی‌تی» به‌صورت تدریجی برای کاربران آمریکا در حال انتشار (Rolling out) است. ویژگی‌های اصلی عبارتند از:

• اتصال امن داده‌ها: کاربران می‌توانند اپل هلث (Apple Health) و پرونده‌های پزشکی پشتیبانی‌شده (از طریق استاندارد FHIR و شبکه‌های تبادل اطلاعات پزشکی) را به چت‌جی‌پی‌تی متصل کنند. اتصال با مجوز صریح کاربر و قابل انقضا است.
• مکالمات پایه‌ی بر اطلاعات شخصی: چت‌جی‌پی‌تی می‌تواند نتایج آزمایش جدید را با تست‌های قبلی مقایسه کند، تغییرات از آخرین ویزیت را خلاصه نماید، و رابطه بین الگوهای خواب، فعالیت و تمرین را با روتین کاربر تحلیل کند.
• کاهش تکرار و بار شناختی: نیازی به آپلود مکرر فایل‌ها، توضیح مجدد سوابق یا جستجوی دستی در پورتال‌های مختلف نیست. داده‌ها یک‌بار متصل شده و در مکالمات مرتبط به‌صورت زمینه (Context) در دسترس قرار می‌گیرند.
• طراحی با مشورت پزشکان: اوپن‌ای‌آی تأکید می‌کند که تجربه با بازخورد پزشکان و کاربران اولیه شکل گرفته تا دقت بالینی، ایمنی و کاربرد عملی تضمین شود. هدف «پشتیبانی، نه جایگزینی» مراقبت‌های پزشکی است.
• حریم خصوصی، امنیت و کنترل: داده‌های سلامت جدا از داده‌های آموزش مدل نگهداری می‌شوند، رمزگذاری End-to-End دارند، و کاربر در هر لحظه می‌تواند دسترسی را لغو، داده‌ها را حذف یا محدوده‌ی استفاده را تغییر دهد.
• نحوه استفاده: از منوی تنظیمات، بخش «Health» را انتخاب کنید، اپل هلث یا sağlayıcı پرونده پزشکی را متصل کنید، جزئیات مرتبط را مرور/به‌روزرسانی کنید، و سپس در چت از عباراتی مثل «نتایج قند خون من را با ماه گذشته مقایسه کن» یا «الگوی خوابم چطور روی تمرین‌هایم اثر گذاشته؟» استفاده کنید.

اوپن‌ای‌آی در وبلاگ رسمی خود نقل می‌کند: «ما می‌خواهیم به افراد قدرت دهیم تا نقش فعال‌تری در سلامت خود ایفا کنند، با ابزارهایی که اطلاعات پراکنده را به بینش قابل‌عمل تبدیل می‌کنند.» کاربران اولیه گزارش داده‌اند که خلاصه‌سازی خودکار تغییرات آزمایشی و تحلیل روند فعالیت‌ها، زمان آماده‌سازی برای ویزیت را به‌مراتب کاهش داده و اعتماد به نفس در مکالمه با پزشک را افزایش می‌دهد.

🔍 تحلیل نیکای

این رونمایی نقطه عطفی است در همگرایی هوش مصنوعی مولد (Generative AI) و پزشکی شخصی‌سازی‌شده (Personalized Medicine). برخلاف گوگل هلث (Google Health) که تمرکز بر جستجو و سامانه‌های سازمانی دارد، یا اپل که اکوسیستم سخت‌افزاری/نرم‌افزاری بسته‌ای ارائه می‌دهد، اوپن‌ای‌آی یک لایه‌ی هوشمند، مدل‌محور و متقابل (Conversational) بر روی داده‌های موجود می‌سازد. برای بازار ایران، اگرچه انتشار فعلی محدود به آمریکا است، اما الگوی «اتصال داده‌های پوشیدنی + پرونده الکترونیک + LLM» به‌زودی توسط رقبا (مانند ماکروسافت با Nuance DAX، همینگ‌فیس با مدل‌های پزشکی باز، و استارتاپ‌های داخلی) تکرار خواهد شد. پیش‌بینی ۳-۶ ماهه: انتشار در اروپا/کانادا، پشتیبانی از گوگل فیت (Google Fit) و سامانه‌های FHIR گسترده‌تر، و ظهور پلاگین‌های تخصصی برای بیماری‌های مزمن (دیابت، فشار خون، قلب). چالش اصلی: اعتماد پزشکان، رعایت HIPAA/GDPR، و جلوگیری از هالوسیناسیون (Hallucination) در تفسیر داده‌های حساس.

💡 نکات کلیدی

• چت‌جی‌پی‌تی اکنون می‌تواند با اجازه کاربر، داده‌های اپل هلث و پرونده‌های پزشکی FHIR را برای تحلیل‌های شخصی‌سازی‌شده استفاده کند.
• ویژگی‌ها شامل مقایسه نتایج آزمایش، خلاصه تغییرات از آخرین ویزیت، و تحلیل همبستگی خواب/فعالیت/تمرین است.
• حریم خصوصی در مرکز طراحی: داده‌ها جدا از آموزش مدل، رمزگذاری شده، و تحت کنترل کامل کاربر (لغو/حذف/محدودیت) قرار دارند.
• توسعه با مشورت پزشکان و بازخورد کاربران اولیه، با شعار «پشتیبانی، نه جایگزینی» مراقبت پزشکی.
• انتشار تدریجی برای کاربران آمریکا از ۲۳ ژوئیه ۲۰۲۶؛ گسترش جهانی و یکپارچه‌سازی با پلتفرم‌های دیگر در افق نزدیک.

🎯 برای چه کسانی مهم است؟

این خبر برای بیماران با بیماری‌های مزمن که ردیابی مداوم نتایج آزمایش و علائم نیاز دارند، مراقبین و والدین که مدیریت سلامت عزیزانشان را بر عهده دارند، توسعه‌دهندگان HealthTech که الگوهای یکپارچه‌سازی LLM+EHR را مطالعه می‌کنند، پزشکان و ارائه‌دهندگان مراقبت که با пациنت‌های آگاه‌تر و داده‌محور روبرو خواهند شد، و سرمایه‌گذاران و استراتج‌های محصول که روند تبدیل هوش مصنوعی به لایه‌ی خدماتی در پزشکی را رصد می‌کنند، حائز اهمیت است.

سؤال: به نظر شما اعتماد به تحلیل‌های هوش مصنوعی بر روی داده‌های سلامت شخصی، رابطه پزشک-بیمار را چگونه تغییر خواهد داد؟ آیا پزشکان به عنوان «تأییدکننده» یا «همکار» هوش مصنوعی عمل خواهند کرد؟

منبع: OpenAI Blog - Health in ChatGPT