هل يمكن أن يأتي علينا يوم نجد فيه روبوتا يعمل في المشفى جنبا إلى جنب مع الأطباء؟ يأخذ منك تاريخك المرضي ويسألك عن الأعراض وبناء عليها يشخص حالتك ويعطيك الدواء! لو كنت سألتك هذا السؤال من عشرين عاما لا بد وأنك كنت ستعتقد أنني حالم! لكننا يمكن أن نجيب الآن وبكل ثقة على هذا السؤال ب” لم لا”!
الذكاء الاصطناعي في التشخيص الطبي لم يعد مجرد فكرة مستقبلية، بل أصبح حقيقة ملموسة تغيّر يومًا بعد يوم شكل الرعاية الصحية. بفضل تقنيات التعلم الآلي والتعلم العميق، أصبحنا نتمكن من تحليل الصور الطبية، التنبؤ بالأمراض المزمنة، وتقليل الأخطاء الطبية بدقة وسرعة تفوق القدرات البشرية. لكن، مع هذه الثورة تأتي تحديات أخلاقية وتنظيمية لا يمكن تجاهلها.
في هذا المقال نستعرض كيف يغيّر الذكاء الاصطناعي مستقبل تشخيص الأمراض، وما الذي يعنيه ذلك للأطباء والمرضى.
ما الفرق بين التشخيص التقليدي والتشخيص المدعوم بالذكاء الاصطناعي؟
التشخيص الطبي بالذكاء الاصطناعي يعني استخدام خوارزميات متقدمة لتحليل بيانات المريض — من الأشعات والتحاليل والسجلات الطبية وحتى البيانات الجينية — للوصول إلى استنتاجات تساعد الطبيب. على عكس التشخيص التقليدي الذي يعتمد على خبرة الطبيب وخطوات تدريجية تنضمن الاطلاع على التاريخ المرضي للمريض وأعراضه وسجلاته الطبية، فإن الذكاء الاصطناعي قادر على إنتاج توصيات تشخيصية أولية فورًا، ثم يراجعها الأطباء للتأكد من صحتها.
هذا التغيير يعكس تحولًا جوهريًا: فالذكاء الاصطناعي أصبح شريكًا في التشخيص، لا مجرد أداة مساعدة.
لنبسط الأمر قليلا، أحد نماذج الذكاء الاصطناعي القائم عليها الدراسات حاليا والمتعمقة في السكتتات الدماغية تعمل كالآتي: يُقدّم الذكاء الاصطناعي تحليلات حول وجود انسداد في الشريان، وعن كمية الخلايا الدماغية التي قد تُنقذها التدخلات الجراحية، ثم تُرسل فورًا تلك المعلومات إلى فريق العلاج قبل أن يُكمل الطبيب تقييمه التقليدي، فتخيل كم الوقت والمجهود الذي يمكن توفيره بتلك الخطوة المهمة!
والميزة ليست فقط في السرعة، بل في التوزيع الفوري للتوصيات إلى الفريق الطبي بأكمله (جراح الأعصاب، أخصائي الأشعة، الأطباء في غرفة الطوارئ)، ما يمكن أن يُسرّع اتخاذ القرار. لكن، هذا لا يعني أن الطبيب يختفي من المعادلة: الأطباء ما زالوا يُقارنون المعلومات المنتجة بواسطة الذكاء الاصطناعي مع الفحص السريري والاختبارات التأكيدية وهم من يقررون تبني أو رفض تلك التوصيات.
قدرات الذكاء الاصطناعي في التنبؤ المبكر بالأمراض
من بين أحدث الإنجازات، طوّر باحثون نموذجًا يُدعى Delphi-2M يستطيع التنبؤ بأكثر من 1000 مرض مُحتمل على مدى سنوات قادمة، بناءً على التاريخ الصحي للمريض وكافة بياناته المتاحة. الفكرة هي أن النموذج يتعلّم أنماط الحدوث والتسلسل بين الأمراض (أي كيف يظهر المرض A ثم يليه المرض B في كثير من الحالات) وبناء على تلك البيانات يصدر نتائجه.
اختُبر النموذج على بيانات من مؤسسات صحية بريطانية تضم تفاصيل صحية لنصف مليون مشارك تقريبًا، بالإضافة إلى بيانات من نظام الرعاية الصحية في الدنمارك، وأظهرت النتائج أن النموذج يمكن أن يميّز فعلا بين من هم عرضة لخطر مرتفع من الإصابة بأمراض مثل النوبات القلبية، حتى إذا أظهرت مؤشراتهم التقليدية أنهم أقل عرضة.
الأطباء بدأوا بالفعل في استخدام الذكاء الاصطناعي!
أظهرت الإحصائيات أن واحد من بين كل خمسة أطباء عامّين يستخدم أداة ذكاء اصطناعي توليدية (Generative AI) مثل ChatGPT أو Gemini للمساعدة في ممارساتهم السريرية. يستخدم الأطباء هذه الأدوات لتوليد الملاحظات الطبية بعد الزيارات، أو المساعدة في اتخاذ القرارات الطبية، أو تبسيط المعلومات للمرضى (مثل وصف خطّة العلاج بلغة مفهومة)
لكن هذا الاستخدام يأتي مع مخاطر: أدوات الذكاء الاصطناعي تُعرَف بأنها قد تُنتج “هلاوس” — أي معلومات تبدو معقولة لكنها خاطئة أو غير دقيقة. مثلاً، يمكن للأداة أن تدرج أعراضًا لم يذكرها المريض أو تغيّر شدة العرض. لذلك، يحتاج الطبيب أن يراجع نتائج الأدوات بدقة، لأن أي خطأ قد يؤدي إلى تشخيص خاطئ أو علاج غير مناسب، خصوصًا في أنظمة الرعاية الصحية المشتّتة حيث قد لا يعرف كل طبيب تاريخ المريض بالكامل.
التحديات والقيود التي تواجه الذكاء الاصطناعي في التشخيص
لا نستطيع أن ننكر مدى قوة تلك التقنيات الجديدة وقدرتها على إحداث فرق حقيقي في حياة الملايين، لكن نحتاج لدراسة ما تحمله طيات تلك التقنيات من تحديات ومشاكل من أجل أن نجد طرق فعالة لحلها، ومن بين تلك التحديات:
- الفجوة بين القدرات التجريبية والاعتماد السريري
حتى الآن، الكثير من النماذج تظهر أداءً ممتازًا في التجارب أو الدراسات البحثية، لكن كيف ستعمل في الواقع السريري؟ هذه الفجوة تُعرف بـ “chasm” (هوة) حيث تُشكّل العوامل العملية مثل التكيف مع الإجراءات الطبية والبنية التحتية والتدريب عائقًا أمام الانتشار الواسع. - مسائل الشفافية والتفسير
بعض نماذج الذكاء الاصطناعي هي عبارة عن “صندوق أسود” من حيث كيف توصلت إلى نتيجة معينة. إذا كان الأطباء لا يفهمون كيف تم الوصول إلى التشخيص أو التوصية، قد يرفضون الاعتماد عليها في الحالات الحساسة. - التحيّز في البيانات
تُدرّب النماذج على بيانات موجودة قد تكون ملوَّثة بتحيّزات اجتماعية، أو تمثيل غير كافٍ لفئات معينة (كالعرق، الجنس، الفئات العمرية). إذا لم يُعالج هذا الأمر، فإن الذكاء الاصطناعي قد يُصدر تشخيصات أقل دقة لبعض الفئات. - السلامة والمسؤولية
من يتحمّل الخطأ إذا اعتمد الطبيب على توصية AI أدّت إلى تشخيص خاطئ؟ كيف تُضبط الأخطاء؟ يجب وجود قواعد تنظيمية وسياسات واضحة لمراقبة استخدام الذكاء الاصطناعي في المجال الطبي. - الخصوصية والسرية
استخدام الذكاء الاصطناعي يتطلب الوصول إلى كميات هائلة من البيانات الطبية الحساسة، ما يستلزم آليات قوية لحماية الخصوصية وضمان أن البيانات لا تُسرب أو تُستخدم بطرق غير مشروعة. - التكامل داخل الأنظمة الصحية والبنية التحتية
في المستشفيات والعيادات يوجد تنوّع في الأجهزة وأنظمة المعلومات الصحية (مثل السجلات الطبية الإلكترونية)، وقد يكون من الصعب دمج نظام ذكاء اصطناعي جديد في هذا الوسط. - الاعتماد المفرط والتحيّز التلقائي
قد يميل بعض الأطباء، خصوصًا الأقل خبرة، إلى قبول نتائج الذكاء الاصطناعي بدون تشكيك، حتى لو كانت خاطئة. هذه الظاهرة تُعرف بـ “التحيّز التلقائي” وقد يعرض ذلك حياة المرضى للخطر.
نماذج أخرى للذكاء الاصطناعي في التشخيص الطبي
لا يقتصر الابتكار على نموذج DELPHI-2M فقط، بل هناك مجموعة من النماذج والأدوات البحثية التي بدأت تُثبت حضورها في المجال الطبي. على سبيل المثال، طوّر فريق من جامعة ستانفورد أداة تعتمد على صور الأشعة الروتينية للكشف المبكر عن هشاشة العظام، حتى لو لم يكن الغرض الأصلي من الأشعة تشخيص هذا المرض، وهو ما يفتح الباب أمام الاستفادة من الصور المتاحة دون الحاجة إلى فحوص إضافية.
وفي دراسة أخرى نُشرت في Radiology: Artificial Intelligence، استخدمت خوارزميات التعلم العميق لتحليل صور الورك العادية واكتشاف مؤشرات مبكرة للهشاشة، ما يجعلها أداة فرز فعّالة لتحديد المرضى الذين يحتاجون إلى فحص أكثر دقة.
أما في مجال أمراض الدماغ، فقد أظهر نموذج VIOLA-AI قدرة واعدة في الكشف عن النزيف الدماغي داخل المستشفيات. النموذج لم يقتصر على التحليل السريع للصور فحسب، بل تم ربطه بمنصة NeoMedSys التي تسمح بتحديثه باستمرار اعتمادًا على تعليقات أطباء الأشعة، ما ساعد على تحسين دقته وحساسيته مع مرور الوقت. هذه الأمثلة تُبين أن الذكاء الاصطناعي لم يعد مجرد فكرة مستقبلية، بل أصبح حاضرًا في تجارب سريرية حقيقية، ويُتوقع أن يُحدث تحولًا واسعًا في ممارسات التشخيص.
كيف يتغيّر دور الطبيب في ظل الذكاء الاصطناعي؟
مع دخول الذكاء الاصطناعي في التشخيص، لا يُتوقَّع أن يُستبعد الطبيب. بل العكس، يتطور دوره ليكون:
- مُراجِع ومُحقّق: حيث يقيم الطبيب نتائج الذكاء الاصطناعي ويُحقق فيها ويقرر ما إذا كان سيعتمدها أو يرفضها.
- مُنسّق: قد يوزّع الذكاء الاصطناعي نتائج التشخيص إلى عدة أعضاء في الفريق الطبي، فيصبح الطبيب حلقة وصل بينهم.
- خبير في تفسير النتائج: الطبيب يحتاج أن يفهم نقاط القوة والحدود في النظام الذكي ليتمكّن من استخدامه بذكاء.
- متابع للتحديثات والتعلّم المستمر: مع تطوّر النماذج، يحتاج الطبيب لأن يُحدّث نفسه ويُلمّ بالتطورات.
كيف نتصوّر المستقبل؟
إذا وُفّق العلماء والممارسون في التغلّب على التحديات، فممكن نرى:
- تشخيصات أسرع وأكثر دقة في المستشفيات، تُصدر تقريبًا في اللحظة التي تُجرى فيها الفحوصات.
- استخدام أنظمة تنبؤية شخصية تنبّه المريض والطبيب إلى مخاطر قد تحدث في السنوات المقبلة، مما يحوّل الطب إلى نمط وقائي أكثر وينقذ حياة الملايين.
- انتشار الذكاء الاصطناعي في عيادات المدن النائية أو الدول الأقل تطورًا، حيث قد يعوّض نقص الأطباء المختصين.
- ظهور أدوار طبية جديدة مثل “مُراقب أداء الذكاء الاصطناعي” أو “مهندس بيانات سريرية” داخل المستشفيات.
- إنشاء سياسات تنظيمية جديدة تضع معايير الاعتماد، الأمان، المساءلة، والخصوصية لاستخدام الذكاء الاصطناعي في التشخيص.
الذكاء الاصطناعي في التشخيص الطبي يفتح بابًا واسعًا نحو رعاية صحية أكثر دقة وسرعة. من التنبؤ المبكر بالأمراض إلى تحليل صور الأشعة وتقليل الأخطاء الطبية، إمكانياته هائلة. لكن النجاح يتوقف على معالجة التحديات المتعلقة به. المستقبل ليس استبدال الطبيب بالآلة، بل دمج خبرة الإنسان مع قدرات الذكاء الاصطناعي لخلق منظومة رعاية صحية أكثر قوة وإنصافًا.
