الذكاء الاصطناعي الطبي في التشخيص والعلاج

أصبح الذكاء الاصطناعي الطبي أداة متنامية لتحليل الصور والسجلات والنتائج المخبرية، ودعم البحث الدوائي وتنظيم العمل داخل المؤسسات الصحية. وتستطيع الخوارزميات معالجة كميات كبيرة من البيانات، ثم البحث عن أنماط قد تساعد الطبيب على اتخاذ قرار أسرع وأكثر استنادًا إلى المعلومات.

لكن هذه الأنظمة لا تفهم المريض بالطريقة التي يفهمه بها الطبيب، ولا تُعد نتائجها تشخيصًا نهائيًا بصورة تلقائية. وتتحقق فائدتها عندما تُستخدم لمهمة طبية محددة، وتُختبر سريريًا، ويُراجع المختص مخرجاتها ضمن التاريخ المرضي والفحص والاختبارات الأخرى.

تنويه طبي: يقدم هذا المقال معلومات تعليمية عامة، ولا يحل محل التشخيص أو العلاج أو استشارة الطبيب. لا ينبغي اتخاذ قرار صحي اعتمادًا على تطبيق أو نموذج ذكي عام دون مراجعة مختص مؤهل.

ما المقصود بالذكاء الاصطناعي الطبي؟

يشير المصطلح إلى برامج تستخدم التعلم الآلي أو التعلم العميق أو معالجة اللغة لتحليل بيانات صحية وتنفيذ مهمة محددة. فقد تصنف الخوارزمية صورة أشعة، أو تحدد منطقة مشتبهًا بها، أو تستخرج معلومة من تقرير طويل، أو تحسب احتمال حدوث مضاعفة.

تتعلم النماذج من أمثلة سابقة تتضمن مدخلات ونتائج معروفة. فإذا كان الهدف اكتشاف علامة مرضية في الأشعة، يحتاج النظام إلى صور راجعها مختصون وحددوا ما إذا كانت العلامة موجودة فيها.

• بيانات التدريب: يتعلم النموذج منها الأنماط والعلاقات.
• بيانات التحقق: تُستخدم لضبط إعداداته وتقليل الإفراط في التعلم.
• بيانات الاختبار: تقيس الأداء على حالات لم يشاهدها سابقًا.
• التحقق الخارجي: يختبر الأداة في مستشفى أو مجتمع مختلف.
• المراقبة المستمرة: تكشف تراجع الأداء بعد بدء الاستخدام السريري.

تحليل الأشعة والصور الطبية

يُعد التصوير الطبي من أبرز تطبيقات الذكاء الاصطناعي الطبي. وتستطيع بعض الأدوات تحليل الأشعة السينية والتصوير المقطعي والرنين المغناطيسي وصور الشبكية والشرائح المرضية الرقمية.

قد يحدد النظام موضع كتلة مشتبه بها، أو يقيس حجم آفة، أو يقارن الصورة بفحوص سابقة، أو يرتب الحالات التي تحمل مؤشرات حرجة لتظهر سريعًا أمام اختصاصي الأشعة.

ومع ذلك، لا تعني النتيجة المرتفعة في دراسة بحثية أن الأداة ستحافظ على المستوى نفسه في جميع المستشفيات. فقد تؤثر جودة الصورة ونوع الجهاز واختلاف المرضى وطريقة التصوير في دقة الخوارزمية.

للتوسع في هذا الجانب، يمكن قراءة مقال استخدام الذكاء الاصطناعي في التشخيص الطبي.

المساعدة في الكشف المبكر عن السرطان

يمكن لبعض الأنظمة البحث عن علامات ترتبط بأنواع معينة من السرطان في صور الثدي أو الرئة أو الجلد أو الشرائح النسيجية. وقد تساعد على توجيه انتباه المختص إلى منطقة تحتاج إلى فحص إضافي.

لكن الخوارزمية قد تنتج نتيجة إيجابية خاطئة تؤدي إلى فحوص غير ضرورية، أو نتيجة سلبية خاطئة تؤخر التشخيص. لذلك لا تُستخدم مخرجاتها وحدها لإثبات وجود السرطان، وقد يحتاج المريض إلى تصوير إضافي أو خزعة أو تحليل مرضي.

ويشرح مقال دور الذكاء الاصطناعي في الكشف عن السرطان هذه التطبيقات بصورة أكثر تفصيلًا.

تحليل السجلات والنتائج المخبرية

تحتوي السجلات الصحية الإلكترونية على تشخيصات وأدوية وتحاليل وتقارير وملاحظات سريرية. ويمكن للأدوات الحسابية جمع هذه المعلومات وترتيبها، أو التنبيه إلى نتيجة غير طبيعية، أو اكتشاف تعارض دوائي يحتاج إلى مراجعة.

كما تساعد معالجة اللغة الطبيعية على استخراج معلومات من التقارير المكتوبة، مثل عرض متكرر أو دواء سابق أو تاريخ مرضي مهم. لكن السجلات قد تحتوي على أخطاء أو اختصارات أو بيانات ناقصة، وقد تنقل الخوارزمية هذه المشكلات إلى مخرجاتها.

ولهذا يجب تقييم جودة البيانات قبل تدريب النظام، وتحديد مصدر كل معلومة، ومنح الطبيب القدرة على الرجوع إلى السجل الأصلي بدل الاعتماد على ملخص آلي فقط.

العلاج المخصص لكل مريض

قد يسهم الذكاء الاصطناعي الطبي في تحليل التاريخ الصحي والبيانات الجينية ونتائج المختبر والاستجابة السابقة للعلاج. ويمكن لهذه المعلومات أن تساعد الفريق الطبي على مقارنة الخيارات وتقدير احتمال استفادة المريض من علاج معين.

لكن العلاج المخصص لا يعني أن البرنامج يختار الدواء بصورة مستقلة. فقرار العلاج يتأثر بعمر المريض ووظائف الكلى والكبد والأدوية الأخرى والتفضيلات الشخصية والأدلة العلمية وتوافر البدائل.

كما قد تساعد النماذج في اختيار مرضى مناسبين لتجارب سريرية، أو تقسيم الحالات إلى مجموعات تشترك في صفات بيولوجية معينة، خصوصًا في الأورام والأمراض النادرة.

اكتشاف الأدوية وتطويرها

يمكن للخوارزميات تحليل قواعد بيانات تضم مركبات كيميائية وبروتينات ونتائج تجارب سابقة، ثم ترتيب الجزيئات التي تستحق الاختبار داخل المختبر. وقد تساعد كذلك على توقع خصائص المركب أو احتمالات سميته أو تفاعله مع هدف بيولوجي.

هذه الخطوات قد تسرّع مرحلة البحث الأولية، لكنها لا تلغي التجارب المخبرية والدراسات على البشر. فلا يصبح المركب علاجًا معتمدًا إلا بعد تقييم فعاليته وسلامته وجرعته وآثاره الجانبية وفق المراحل التنظيمية المعروفة.

الجراحة الروبوتية والتخطيط للعمليات

تساعد الأنظمة الروبوتية الجراح على تحريك الأدوات بدقة من خلال وحدة تحكم، لكنها لا تجري معظم العمليات بصورة مستقلة. ويبقى الجراح مسؤولًا عن التخطيط والمناورة والاستجابة لأي تغير أثناء الإجراء.

وقد تُستخدم تقنيات حسابية لتحليل الصور قبل العملية، أو رسم حدود عضو أو ورم، أو محاكاة مسار التدخل. كما يمكن للواقع المعزز عرض معلومات تساعد الجراح على فهم البنية التشريحية.

ولا تعني كلمة «روبوتية» تلقائيًا أن العملية أكثر أمانًا لكل مريض. إذ تعتمد النتيجة على نوع الجراحة وخبرة الفريق وحالة المريض والأدلة المتوافرة والتجهيزات المستخدمة.

متابعة الأمراض المزمنة والتنبؤ بالمضاعفات

تنتج متابعة السكري وأمراض القلب والضغط والكلى بيانات متكررة، مثل قراءات الجلوكوز والنبض وضغط الدم والوزن. ويمكن للنظام تحليل التغيرات مع مرور الوقت وإرسال تنبيه عند ظهور نمط قد يشير إلى تدهور الحالة.

لكن جودة التنبيه تعتمد على دقة الجهاز وانتظام القياس واكتمال البيانات. ولا ينبغي تعديل الجرعات اعتمادًا على تطبيق عام ما لم يكن معتمدًا لهذا الغرض ويعمل تحت إشراف طبي.

ويعرض مقال الابتكارات الحديثة في علاج الأمراض المزمنة تقنيات أخرى مرتبطة بالمتابعة والعلاج.

التنبؤ بالمخاطر والوقاية المبكرة

يمكن للنماذج الجمع بين العمر والنتائج المخبرية والعلامات الحيوية والتشخيصات السابقة لتقدير خطر حدوث مشكلة معينة، مثل تدهور حالة مريض داخل المستشفى أو احتمال إعادة دخوله بعد الخروج.

لكن درجة الخطر ليست يقينًا، وقد تتغير مع تحديث البيانات. كما قد يؤدي التنبيه المتكرر إلى إرهاق الفريق الطبي أو تجاهل الإنذارات المهمة، لذلك يجب تصميم النظام بما يتناسب مع سير العمل الحقيقي.

هل تتفوق الخوارزميات على الأطباء؟

قد تحقق خوارزمية أداءً مرتفعًا في مهمة ضيقة، مثل تصنيف نوع محدد من الصور، لكنها لا تنفذ جميع وظائف الطبيب. فالطبيب يجمع القصة المرضية ويفحص المريض ويقيّم الأعراض المتعارضة ويشرح الخيارات ويراعي الظروف النفسية والاجتماعية.

كما لا يصح القول إن الخوارزميات لا تتأثر بالتحيز؛ فهي قد تتعلم تحيزات موجودة في البيانات التي دُربت عليها. ولهذا يكون النموذج الأكثر أمانًا هو التعاون بين المختص والأداة، مع وضوح مسؤولية القرار النهائي.

ولفهم آلية فحص البيانات نفسها، يمكن الرجوع إلى مقال تحليل الأمراض باستخدام الخوارزميات الطبية.

التحيز وعدالة النتائج الطبية

قد ينخفض أداء الأداة لدى فئات لم تكن ممثلة بصورة كافية في بيانات التدريب. وقد يشمل ذلك كبار السن أو النساء أو بعض الأعراق أو المرضى الذين يستخدمون أجهزة مختلفة عن الأجهزة الموجودة في مجموعة البيانات الأصلية.

وقد تتعلم الخوارزمية مؤشرات لا ترتبط بالمرض نفسه، مثل اسم المستشفى أو نوع الجهاز أو طريقة ترميز السجلات. لذلك يجب اختبار الأداء لدى كل فئة مهمة وإجراء تحقق مستقل قبل توسيع الاستخدام.

خصوصية البيانات الصحية وأمنها

يحتاج الذكاء الاصطناعي الطبي إلى بيانات قد تتضمن تشخيصات وصورًا ومعلومات وراثية وأدوية وبيانات تعريفية. ولهذا يجب تحديد سبب جمع المعلومات وطريقة استخدامها والجهات التي تستطيع الوصول إليها.

• تشفير البيانات أثناء النقل والتخزين.
• تحديد صلاحيات الوصول وتسجيل عمليات الاستخدام.
• إزالة المعرّفات المباشرة عندما يكون ذلك ممكنًا.
• جمع الحد الأدنى اللازم من المعلومات.
• وضع مدة واضحة للاحتفاظ بالبيانات.
• إعداد خطة للاستجابة للاختراق أو التسريب.

ولا يكفي حذف الاسم وحده لضمان إخفاء الهوية، خصوصًا عندما تحتوي المجموعة على بيانات جينية أو تفاصيل كثيرة يمكن ربطها بشخص محدد.

تنظيم الأجهزة الطبية المدعومة بالخوارزميات

قد يخضع البرنامج لتنظيم الأجهزة الطبية عندما يؤدي وظيفة مثل اكتشاف علامة مرضية أو تقديم حساب سريري يستخدم في القرار الطبي. ويجب أن يوضح المنتج الغرض المحدد والفئة المستهدفة ونوع البيانات وطريقة تفسير النتيجة والقيود المعروفة.

وتنشر إدارة الغذاء والدواء الأمريكية قائمة بالأجهزة الطبية المدعومة بخوارزميات التي حصلت على إذن بالتسويق ضمن استخدامات محددة. ولا يعني الإدراج أن الجهاز مناسب لجميع المرضى أو أنه يعمل دون إشراف متخصص.

كما تبقى مراقبة الأداء بعد التسويق ضرورية، لأن طبيعة البيانات والأجهزة والمرضى قد تتغير، وقد يؤدي ذلك إلى تراجع دقة النموذج مقارنة بمرحلة الاختبار.

النماذج التوليدية في الرعاية الصحية

يمكن للنماذج اللغوية تلخيص الملاحظات وصياغة مسودات التقارير وتبسيط معلومات طبية، لكنها قد تنتج معلومة غير صحيحة بصياغة مقنعة أو تسقط تفصيلًا مهمًا.

لذلك لا تُستخدم إجابات روبوتات المحادثة العامة بوصفها تشخيصًا أو وصفة. وتؤكد منظمة الصحة العالمية أهمية حماية الاستقلال البشري والشفافية والمساءلة والسلامة والعدالة عند تطبيق هذه التقنيات في الصحة.

مستقبل الذكاء الاصطناعي الطبي

يتجه التطور نحو نماذج تجمع بين الصور والتقارير والتحاليل والبيانات الجينية في تحليل واحد. وقد تساعد هذه الأنظمة متعددة الوسائط على تقديم صورة أوسع عن الحالة، لكنها تحتاج إلى تحقق سريري دقيق وحوكمة واضحة.

ويُقاس نجاح التقنية بقدرتها على تحسين نتيجة تهم المريض، مثل تقليل التأخر في التشخيص أو منع مضاعفة أو تسهيل الوصول إلى الرعاية، وليس بمجرد تحقيق نسبة مرتفعة داخل اختبار حاسوبي.

مقارنة بين أبرز الاستخدامات الطبية

أسئلة شائعة عن الذكاء الاصطناعي الطبي

هل يمكن للذكاء الاصطناعي الطبي أن يستبدل الطبيب؟

لا تستبدل الأدوات الحالية الطبيب في جمع التاريخ المرضي والفحص وتفسير النتائج وشرح الخيارات وتحمل مسؤولية القرار. ويكون استخدامها أكثر أمانًا عندما تعمل أداة مساعدة يراجع المختص مخرجاتها.

هل نتائج الخوارزميات الطبية دقيقة دائمًا؟

لا، فقد تنتج نتائج خاطئة أو يتراجع أداؤها عند استخدامها مع مرضى أو أجهزة تختلف عن بيانات التدريب. ويجب تقييم الحساسية والنوعية والتحقق الخارجي والقيود المعلنة لكل أداة.

هل تبقى بيانات المرضى آمنة؟

يعتمد ذلك على طريقة جمع البيانات وتخزينها وتشفيرها وصلاحيات الوصول والالتزام بالقوانين. ولا ينبغي إدخال معلومات صحية مُعرّفة إلى خدمة عامة غير واضحة في سياستها أو غير معتمدة طبيًا.

كيف يمكن التأكد من موثوقية أداة طبية ذكية؟

تُراجع الوظيفة الطبية المحددة، والجهة التنظيمية التي أجازتها، والفئة التي اختُبرت عليها، ونتائج الدراسات السريرية، وحدود الاستخدام، والمسؤول عن مراجعة النتيجة النهائية.

الخلاصة

يقدم الذكاء الاصطناعي الطبي أدوات واعدة لتحليل الصور والسجلات والبيانات الجينية، ودعم تطوير الأدوية ومتابعة المرضى. لكنه لا يضمن تشخيصًا صحيحًا في كل مرة، ولا ينبغي استخدامه خارج الغرض الذي اختُبر واعتمد من أجله.

ويعتمد المستقبل الآمن لهذه التقنية على التعاون بين الطبيب والخوارزمية، وجودة البيانات، والتحقق المستقل، وحماية الخصوصية، ومراقبة التحيز والأداء. فالهدف ليس استبدال الخبرة البشرية، بل دعمها بأداة يمكن قياس فائدتها ومحاسبة الجهات المسؤولة عنها.

المصادر الخارجية

• منظمة الصحة العالمية: أخلاقيات وحوكمة الذكاء الاصطناعي من أجل الصحة
• منظمة الصحة العالمية: إرشادات النماذج الكبيرة متعددة الوسائط في الصحة
• إدارة الغذاء والدواء الأمريكية: الأجهزة الطبية المدعومة بالذكاء الاصطناعي
• إدارة الغذاء والدواء الأمريكية: مراقبة أداء الأجهزة الذكية بعد التسويق
• المعهد الوطني للتصوير الطبي والهندسة الحيوية: التعلم الآلي وتحليل الصور والبيانات الطبية