ما ستعرفه في هذا المقال
- نموذج DeepMind تفوّق على 6 أطباء أشعة في اكتشاف سرطان الثدي بنسبة خطأ أقل بـ11.5%
- الذكاء الاصطناعي يُشخّص سرطان الرئة من صور الأشعة المقطعية بدقة تبلغ 94.4% وفق دراسة Google Health
- FDA أقرّت أكثر من 500 أداة طبية مدعومة بالذكاء الاصطناعي حتى عام 2023
- الهدف ليس استبدال الطبيب بل تحويله إلى مشغّل قرار مدعوم بذكاء اصطناعي
- التحيّز في بيانات التدريب والمساءلة القانونية أبرز التحديات العلمية والأخلاقية الراهنة
 |
| الذكاء الاصطناعي في التشخيص الطبي: نماذج تتفوق على الأطباء في قراءة الأشعة |
في عام 2020، جلس فريق من أطباء الأشعة في عيادة لندنية ليُقيّموا آلاف صور الماموغرام — الأشعة السينية للثدي — بحثًا عن علامات مبكرة للسرطان. بجانبهم، كان نموذج ذكاء اصطناعي طوّرته شركة DeepMind يُحلّل الصور ذاتها في ثوانٍ. حين كُشفت النتائج، كان الفارق صادمًا: الآلة أخطأت بنسبة أقل بمقدار 11.5% من مجموع أخطاء الأطباء المتخصصين، وكشفت حالات سرطانية فاتت الأعين البشرية المدرّبة.
لم يكن ذلك حادثة معزولة. في مختبرات حول العالم — من سان فرانسيسكو إلى شنغهاي — تتكرر النتيجة ذاتها في سياقات مختلفة: سرطان الرئة، أمراض شبكية العين، السكتة الدماغية، اضطرابات القلب. الذكاء الاصطناعي في التشخيص الطبي لم يعد مشروعًا مستقبليًا — إنه حاضر يُعيد تعريف معنى "الخبرة الطبية".
الذكاء الاصطناعي في التشخيص الطبي: الأرقام التي تُقنع
تستند هذه الثورة إلى سنوات من الأبحاث المُحكَّمة في أرقى المجلات العلمية. أبرز ما وثّقه العلم حتى الآن:
- ١ سرطان الثدي (Nature Medicine, 2020): نموذج DeepMind حقّق دقة تفوق الأطباء بنسبة خطأ إيجابي زائف أقل بـ5.7% وخطأ سلبي زائف أقل بـ9.4% على عينة تضمّ أكثر من 76,000 امرأة.
- ٢ سرطان الرئة (Google Health, 2019): نموذج اعتمد على 42,000 صورة أشعة مقطعية حقّق دقة 94.4% في اكتشاف العُقَيدات الرئوية الخبيثة، متفوقًا على 6 من أطباء الأشعة المتخصصين.
- ٣ أمراض شبكية العين (The Lancet, 2018): نموذج DeepMind شخّص 50 مرضًا للعين من صور قاع العين بدقة مطابقة لأبرز أطباء العيون في العالم، وقلّص وقت التشخيص من ساعات إلى ثوانٍ.
- ٤ الذبحة الصدرية وتنبؤات القلب (NEJM, 2022): نموذج مدرَّب على تخطيط القلب الكهربائي (ECG) تنبّأ بضعف وظيفة ضخ القلب بدقة 93% في حالات لم تُظهر أعراضًا واضحة على التخطيط التقليدي.
الذكاء الاصطناعي لن يستبدل الأطباء. لكن الأطباء الذين يستخدمون الذكاء الاصطناعي سيستبدلون الذين لا يستخدمونه.
— البروفيسور إريك توبول، مؤسس معهد Scripps للبحوث الترجمية
التقنية وراء المعجزة: الشبكات العصبية الالتفافية
يرتكز الذكاء الاصطناعي في التشخيص الطبي بصورة رئيسية على الشبكات العصبية الالتفافية (Convolutional Neural Networks — CNN)، وهي نوع من التعلم العميق مُصمَّم خصيصًا لتحليل الصور. تتعلم هذه الشبكات من ملايين صور الأشعة المُصنَّفة مسبقًا بواسطة أطباء، فتُطوّر قدرة على التعرف على أنماط بصرية دقيقة — كُتيل ورمي صغير أو سماكة نسيجية طفيفة — قد يُغفلها الدماغ البشري بعد ساعات من العمل المُضني.
ما يجعل هذه النماذج استثنائية هو قدرتها على الاستمرار دون إجهاد. طبيب الأشعة البشري يتأثر أداؤه بعد ساعات من التحديق في صور متشابهة — ظاهرة موثّقة في الأدبيات الطبية تُعرف بـ"إجهاد الإدراك البصري". الذكاء الاصطناعي لا يعرف هذا الإجهاد؛ صورته الأولى تُعامَل بالدقة ذاتها التي تُعامَل بها الصورة الألف.
التطبيق الفعلي: من المختبر إلى غرفة الطوارئ
في مستشفى Massachusetts General Hospital، يُنبّه نظام ذكاء اصطناعي طاقم الطوارئ فور رصد علامات السكتة الدماغية في صور الأشعة المقطعية، مُقلِّصًا وقت البدء بالعلاج من متوسط 90 دقيقة إلى أقل من 20 دقيقة — فارق قد يُنقذ ملايين الخلايا العصبية. وفي المملكة العربية السعودية، تُطبّق وزارة الصحة منذ 2022 أنظمة ذكاء اصطناعي لمسح صور أشعة الصدر في مراكز الرعاية الأولية البعيدة عن التخصصات الطبية النادرة.
أبعاد أكبر: جيوسياسة الطب الرقمي والتحديات الأخلاقية
الصين مقابل الغرب
تستثمر الصين مليارات الدولارات في الذكاء الاصطناعي الطبي مستفيدةً من قاعدة بيانات مرضى ضخمة تتجاوز 1.4 مليار نسمة. شركات كـ Ping An Good Doctor وiFlytec تُنافس مباشرة DeepMind وGoogle Health.
FDA وهيئات الترخيص
أقرّت إدارة الغذاء والدواء الأمريكية (FDA) أكثر من 500 أداة طبية مدعومة بالذكاء الاصطناعي حتى 2023، لكن إطار الحوكمة لمساءلة الأخطاء لا يزال ناقصًا في معظم دول العالم.
تحيّز البيانات
معظم النماذج دُرِّبت على بيانات مرضى غربيين بيض، مما قد يُقلّل دقتها لدى المرضى ذوي البشرة الداكنة أو الأمراض ذات الانتشار الجغرافي المحدود. تحيّز البيانات يُعيد إنتاج التفاوت الصحي.
من يتحمل الخطأ؟
حين يُخطئ الذكاء الاصطناعي في تشخيص فيضعر المريض ضررًا — من المسؤول؟ الطبيب؟ شركة البرمجيات؟ المستشفى؟ هذا السؤال القانوني لا يزال بلا إجابة واضحة في غالبية الأنظمة القضائية.
دقة النماذج الموثّقة في الدراسات غالبًا ما تُقاس في بيئات مضبوطة. الأداء في البيئات السريرية الفعلية — مع تنوع أجهزة التصوير وجودة الصور ونُدرة بعض الحالات — قد يقل عمّا أظهرته التجارب. التحقق المستقل من النماذج في بيئات حقيقية ضرورة علمية لا تزال غير مكتملة في كثير من الحالات.
أسئلة شائعة حول الذكاء الاصطناعي في التشخيص الطبي
الذكاء الاصطناعي في التشخيص الطبي: شريك لا بديل
يقف الذكاء الاصطناعي في التشخيص الطبي عند منعطف بالغ الأهمية: من تقنية واعدة في المختبرات إلى أداة سريرية تُنقذ أرواحًا فعلية. الأرقام واضحة، والمنطق مقنع — آلة لا تتعب، ولا تتشتت، ولا تُعيد التقييم بحسب مزاجها، تُحلّل بيانات لا يستطيع العقل البشري استيعابها في آنٍ واحد.
غير أن هذه الأداة ليست أكثر من مرآة لما تعلّمته من البشر. تحيّزاتنا في جمع البيانات تصبح تحيّزاتها في التشخيص. إخفاقاتنا في حوكمة الخصوصية تصبح مخاطر على مرضانا. السؤال ليس "هل الذكاء الاصطناعي دقيق؟" — فقد أثبت ذلك. السؤال الحقيقي هو: كيف نُدمجه بمنهجية تضمن العدالة والمساءلة والثقة؟
مستقبل الطب لن يكون بشريًا خالصًا ولا رقميًا خالصًا — بل شراكة حيث يُكمّل كلٌّ منهما ما يعجز عنه الآخر. الطبيب يُوظّف الحكم والتعاطف والسياق؛ والذكاء الاصطناعي يُوفّر السرعة والدقة والاتساق. من يُتقن هذه الشراكة اليوم، يُشكّل طب الغد.