بدقة تتجاوز 80%.. ذكاء مايكروسوفت الاصطناعي يتحدى الأطباء
هل يمكن للذكاء الاصطناعي أن يشخّص الأمراض المعقدة بدقة أعلى من الأطباء؟ هذا السؤال لم يعد مجرد افتراض مستقبلي، بعدما كشفت مايكروسوفت عن نتائج بحثية لافتة لنظام طبي جديد استطاع الوصول إلى التشخيص الصحيح في أكثر من 80% من الحالات التي اختُبر عليها.
النظام، الذي يحمل اسم Diagnostic Orchestrator، يعتمد على الذكاء الاصطناعي لمحاكاة طريقة تفكير الأطباء أثناء التعامل مع الحالات الصعبة، بدءًا من تحليل الأعراض والتاريخ المرضي، مرورًا بتحديد الفحوصات المطلوبة، وصولًا إلى اختيار التشخيص الأكثر احتمالًا.
لكن الأرقام وحدها لا تحكي القصة كاملة. فهل أصبح الذكاء الاصطناعي بالفعل أكثر كفاءة من الطبيب؟ وهل يمكن الاعتماد عليه مستقبلًا داخل المستشفيات؟ أم أن النتائج ما زالت بحاجة إلى اختبارات إضافية قبل الوصول إلى هذه المرحلة؟
ما هو نظام Diagnostic Orchestrator من مايكروسوفت؟
طورت مايكروسوفت هذا النظام ضمن أبحاثها في مجال الذكاء الاصطناعي الطبي، بهدف تحسين طريقة تعامل النماذج الذكية مع الحالات التي يصعب تشخيصها.
الفكرة الأساسية تختلف عن الطريقة المعتادة لاستخدام روبوتات الدردشة الطبية. فبدلًا من إعطاء الذكاء الاصطناعي جميع المعلومات المتاحة عن الحالة وطلب تشخيص واحد، يعمل النظام بصورة متدرجة، فيجمع المعلومات ويقيّم الاحتمالات ويحدد الفحوصات التي قد تساعده على الوصول إلى النتيجة الصحيحة.
ويعتمد النظام على تنسيق عدة وكلاء للذكاء الاصطناعي، يؤدي كل منهم دورًا ضمن عملية التشخيص، بدلًا من الاعتماد على استجابة واحدة من نموذج منفرد.
وتستخدم النسخة التي تناولتها الدراسة نموذج GPT-5 من OpenAI، مع آلية تنظيم للمهام تهدف إلى تحسين جودة التشخيص واختيار الفحوصات الأكثر فائدة.
وتكمن أهمية هذه الفكرة في أن تشخيص الأمراض لا يعتمد دائمًا على معرفة اسم المرض فقط، بل يحتاج أيضًا إلى تحديد الأسئلة الصحيحة، ومعرفة المعلومات الناقصة، والتمييز بين الاحتمالات المتشابهة، ثم اتخاذ قرار بشأن الفحص التالي.
كيف يفكر النظام في تشخيص الأمراض؟
لفهم طريقة عمل النظام، تخيل أن طبيبًا يستقبل مريضًا يعاني أعراضًا يمكن أن تشير إلى أكثر من مرض.
لن يكون من المنطقي أن يطلب جميع الفحوصات الممكنة دون تمييز، كما لن يكون من الآمن اختيار أول تشخيص يخطر بباله دون جمع معلومات كافية.
هنا يحاول Diagnostic Orchestrator محاكاة خطوات منظمة تشبه هذه العملية.
1. تحليل الأعراض والمعلومات الأولية
يبدأ النظام بالمعلومات المتاحة عن الحالة، مثل الأعراض والتاريخ المرضي والنتائج الأولية للفحوصات.
وبناءً على هذه المعلومات، يحدد مجموعة من التشخيصات المحتملة بدلًا من التسرع في اختيار مرض واحد.
2. تحديد المعلومات الناقصة
بعد ذلك، يقيّم النظام ما يحتاج إلى معرفته حتى يميز بين الاحتمالات المختلفة.
قد تكون هناك أسئلة إضافية عن الأعراض أو التاريخ المرضي، أو حاجة إلى الاطلاع على نتائج فحوصات لم تُقدَّم بعد.
3. اختيار الفحوصات المناسبة
بدلًا من طلب كل الفحوصات المتاحة، يحاول النظام تحديد الفحوصات التي يمكن أن تساعد في تقليص عدد الاحتمالات والوصول إلى التشخيص.
وتدخل التكلفة ضمن هذه العملية، لأن الفحص الأكثر تكلفة ليس بالضرورة الأكثر فائدة في كل حالة.
4. مراجعة الاحتمالات والوصول إلى التشخيص
مع ظهور معلومات جديدة، يعيد النظام تقييم الاحتمالات السابقة، ثم يقرر ما إذا كانت الأدلة كافية للوصول إلى تشخيص أو أنه يحتاج إلى معلومات إضافية.
وهنا تظهر الفكرة الأساسية للمشروع: تحسين طريقة اتخاذ القرار الطبي، وليس مجرد تقديم إجابة سريعة عن سؤال طبي.
ومع ذلك، فإن محاكاة خطوات التشخيص داخل اختبار بحثي لا تعني أن النظام يستطيع إجراء فحص بدني للمريض أو التعامل مع جميع التفاصيل التي يواجهها الطبيب في الواقع.
ما دقة الذكاء الاصطناعي مقارنة بالأطباء؟
بحسب الدراسة المنشورة في مجلة Science، حقق نظام Diagnostic Orchestrator نتائج مرتفعة عند اختباره على مجموعتين من الحالات الطبية.
في المجموعة الأولى، التي تضمنت حالات معقدة منشورة في مجلة The New England Journal of Medicine، بلغت دقة النظام نحو 83.2%، مقابل 36.1% للأطباء العامين الذين استعانوا بالمراجع، و22.3% للأطباء الذين عملوا دونها.
أما في المجموعة الثانية، التي اعتمدت على بيانات حالات وصلت إلى قسم الطوارئ ثم جرى إدخالها إلى المستشفى، فقد بلغت دقة النظام نحو 80.3%، مقارنة بمتوسط يقارب 46.8% للأطباء المشاركين في المقارنة.
هذه النتائج لافتة، لكنها تحتاج إلى قراءة دقيقة؛ فالمقارنة تتعلق بأداء النظام والأطباء ضمن اختبارات محددة، ولا تثبت أن الذكاء الاصطناعي يتفوق على جميع الأطباء أو المتخصصين في كل الظروف الطبية.
كما أن الحالات المعقدة المختارة للاختبار تختلف عن جميع الحالات التي يواجهها الطبيب يوميًا، ولا سيما الحالات التي تحتاج إلى فحص بدني أو متابعة طويلة أو تقييم عوامل لا تظهر في السجلات النصية.
المصدر العلمي: الدراسة البحثية المنشورة في Science حول نظام التشخيص المتسلسل.
هل يستطيع الذكاء الاصطناعي تقليل تكلفة التشخيص؟
لا تتوقف أهمية النظام عند دقة التشخيص؛ إذ حاول الباحثون أيضًا قياس العلاقة بين دقة النتائج وتكلفة الفحوصات المطلوبة للوصول إليها.
ففي بعض الحالات، قد يؤدي طلب فحوصات كثيرة دون ترتيب واضح إلى زيادة التكلفة، وربما إطالة الوقت اللازم للوصول إلى التشخيص.
لذلك صُمم النظام ليوازن بين الفائدة المتوقعة من الفحص وتكلفته، بدلًا من السعي إلى جمع أكبر قدر ممكن من المعلومات مهما كانت التكلفة.
وتشير نتائج الدراسة إلى أن النظام استطاع تحقيق توازن أفضل بين الدقة والتكلفة في إعدادات الاختبار التي قارنها الباحثون.
لكن يجب الانتباه إلى أن هذه التكاليف تقديرية ومرتبطة بطريقة تقييم الدراسة والأسعار المستخدمة فيها، ولا تعني أن استخدام النظام سيخفض تكلفة علاج المرضى بالنسبة نفسها في كل مستشفى أو دولة.
فالتكلفة الفعلية تتأثر بأسعار الفحوصات، ووقت الأطباء، وتجهيزات المستشفى، ومدى الحاجة إلى مراجعة التشخيص أو إجراء فحوصات إضافية.
لماذا لا تعني دقة 80% أن النظام أصبح بديلًا للطبيب؟
قد تبدو نسبة تتجاوز 80% كافية لإثبات قدرة النظام على تشخيص الأمراض، لكن الاختبارات الطبية تحتاج إلى أكثر من الوصول إلى التشخيص الصحيح في مجموعة من الحالات.
هناك فرق بين تحليل سجلات طبية منظمة وبين التعامل مع مريض حقيقي قد لا يستطيع وصف أعراضه بدقة، أو ينسى معلومات مهمة عن تاريخه المرضي، أو تظهر عليه أعراض تتغير مع مرور الوقت.
كذلك، لا تتوقف مهمة الطبيب عند تحديد اسم المرض. فقد يحتاج إلى تقييم خطورة الحالة، وشرح الخيارات العلاجية، ومتابعة استجابة المريض، والتعامل مع أمراض متعددة أو ظروف شخصية تؤثر في القرار الطبي.
وتقر مايكروسوفت بأن النظام يحتاج إلى مزيد من التحقق السريري قبل استخدامه على نطاق واسع. وقد أعلنت خططًا لاختباره بالتعاون مع مركز Beth Israel Deaconess Medical Center في الولايات المتحدة، لتقييم أدائه في بيئات الرعاية الصحية الفعلية.
وهذه الخطوة مهمة لمعرفة ما إذا كانت النتائج البحثية ستتحول إلى فائدة حقيقية للمرضى، وما إذا كان استخدام النظام سيحسن جودة التشخيص وسلامة الرعاية في الممارسة اليومية.
حتى الآن، لا ينبغي اعتبار نتائج الاختبارات دليلًا على أن النظام بديل جاهز للطبيب أو أنه يستطيع تشخيص الحالات الفردية بأمان دون إشراف طبي.
هل تخطط مايكروسوفت لاستخدام الذكاء الاصطناعي داخل المستشفيات؟
لا يتوقف طموح مايكروسوفت عند تطوير نظام يحقق نتائج مرتفعة في الاختبارات الطبية، بل يمتد إلى دراسة كيفية الاستفادة من هذه التقنية في بيئات الرعاية الصحية الحقيقية.
ومن الخطوات التي أُشير إليها في هذا السياق، التخطيط لاختبار النظام بالتعاون مع مركز Beth Israel Deaconess Medical Center، بهدف تقييم قدرته على دعم العمل الطبي في ظروف أقرب إلى الممارسة اليومية.
لكن من المهم التمييز بين التخطيط لإجراء اختبارات سريرية وبين إثبات نجاح النظام داخل المستشفيات. فحتى الآن، لا تعني النتائج المنشورة أن الأداة أصبحت بديلًا معتمدًا للأطباء، أو أن استخدامها يؤدي بالفعل إلى تحسين فرص تعافي المرضى.
وتحتاج أي تقنية من هذا النوع إلى تقييمات سريرية دقيقة قبل اعتمادها، تشمل سلامة القرارات التي تقترحها، ومدى موثوقيتها مع اختلاف الحالات، وقدرتها على التعامل مع المعلومات الطبية الناقصة أو المتعارضة.
ما المقصود بمفهوم «الذكاء الخارق في الطب»؟
تتحدث مايكروسوفت عن طموح أوسع يُعرف باسم Medical Superintelligence، ويشير إلى تطوير أنظمة ذكاء اصطناعي تتمتع بقدرات متقدمة في فهم الحالات الطبية وتحليلها والمساعدة في حل المشكلات التشخيصية المعقدة.
ولا يعني هذا المصطلح أن هناك نظامًا طبيًا خارقًا أصبح قادرًا على معرفة كل الأمراض أو اتخاذ قرارات صحيحة في جميع الظروف. بل يعبر عن توجه بحثي يسعى إلى الاستفادة من قدرات الذكاء الاصطناعي في التعامل مع كم هائل من المعلومات الطبية، وربط الأعراض والنتائج والفحوصات للوصول إلى تفسيرات أكثر دقة.
وتكمن أهمية هذا التوجه في أن بعض الحالات يصعب تشخيصها بسبب تشابه أعراضها مع أمراض أخرى، أو لأن المعلومات الضرورية لا تكون متاحة منذ البداية. وهنا يمكن لنظام ذكي أن يساعد في تنظيم خطوات التفكير، وتحديد الأسئلة التي ينبغي طرحها، واقتراح الفحوصات التي قد تساعد في استبعاد الاحتمالات المختلفة.
ومع ذلك، فإن الوصول إلى هذه الأهداف يتطلب أكثر من تحقيق نتيجة مرتفعة في اختبار معيّن؛ إذ يجب إثبات أن النظام يعمل بصورة آمنة وموثوقة عند التعامل مع مرضى حقيقيين.
كيف يمكن أن يستفيد الأطباء من هذه التقنية؟
إذا أثبت النظام كفاءته في التجارب السريرية المستقبلية، فقد يقدم مجموعة من الفوائد المحتملة للأطباء والمؤسسات الصحية.
1. المساعدة في تشخيص الحالات النادرة والمعقدة
قد يساعد النظام في ربط أعراض متفرقة بنتائج الفحوصات والتاريخ المرضي، ثم اقتراح احتمالات تشخيصية قد لا تكون واضحة من المعلومات الأولية.
وهذا لا يعني أن النظام سيكتشف كل حالة يصعب على الطبيب تشخيصها، لكنه قد يوفر رأيًا إضافيًا يساعد الفريق الطبي على مراجعة الاحتمالات.
2. تنظيم الفحوصات والأسئلة الطبية
بدلًا من اقتراح قائمة طويلة من الفحوصات دفعة واحدة، يستطيع النظام تقييم المعلومات المتاحة وتحديد ما قد يكون مفيدًا في الخطوة التالية.
وقد يساعد هذا الأسلوب على تقليل الفحوصات غير الضرورية، إذا ثبتت فعاليته في التطبيق العملي، مع الحفاظ على دقة التشخيص وسلامة المريض.
3. دعم اتخاذ القرار في أقسام الطوارئ
تتطلب حالات الطوارئ تقييمًا سريعًا، خصوصًا عندما تتشابه الأعراض بين أمراض تختلف خطورتها وطرق علاجها.
ومن الممكن أن تساعد أدوات الذكاء الاصطناعي في ترتيب المعلومات وتحديد الحالات التي تحتاج إلى مزيد من التقييم، لكن القرار النهائي يجب أن يظل خاضعًا للتقييم الطبي المناسب، خاصة في الحالات التي قد يؤدي فيها التأخير إلى مخاطر كبيرة.
4. تحسين الوصول إلى الخبرة الطبية
في المناطق التي تعاني نقصًا في الأطباء المتخصصين، قد توفر هذه الأنظمة دعمًا إضافيًا للعاملين في الرعاية الصحية، بشرط توافر الإشراف الطبي والبنية التحتية اللازمة للتحقق من النتائج.
لكنها لا تعوض تلقائيًا غياب الطبيب المتخصص، ولا ينبغي الاعتماد عليها وحدها في اتخاذ القرارات التي تتعلق بحياة المرضى.
ما أبرز القيود التي يجب الانتباه إليها؟
على الرغم من النتائج اللافتة، فإن هناك عدة نقاط يجب مراعاتها قبل اعتبار Diagnostic Orchestrator تقدمًا مثبتًا في الممارسة الطبية.
أولًا: الاختبارات ليست بديلًا عن التجارب السريرية. قد يحقق النظام نتائج مرتفعة عند تحليل حالات مكتوبة ومعدة للاختبار، لكن التعامل مع المرضى في الواقع أكثر تعقيدًا؛ إذ تتغير الأعراض بمرور الوقت، وقد تكون المعلومات غير مكتملة أو غير دقيقة.
ثانيًا: المقارنة لا تشمل جميع مستويات الخبرة الطبية. عند مقارنة نتائج الذكاء الاصطناعي بأداء مجموعة من الأطباء، يجب النظر إلى تخصصاتهم وخبراتهم وظروف الاختبار. ولا تكفي مقارنة واحدة لإثبات تفوق النظام على جميع الأطباء أو المتخصصين.
ثالثًا: التشخيص الصحيح ليس المعيار الوحيد للنجاح. ينبغي أيضًا تقييم سلامة التوصيات، ومدى ملاءمة الفحوصات المقترحة، واحتمال تفويت الحالات الخطيرة، وتأثير النظام في سرعة العلاج والنتائج الصحية النهائية.
رابعًا: التكلفة المقدرة لا تعني توفيرًا مثبتًا. قد يبدو اختيار عدد أقل من الفحوصات مفيدًا من الناحية الاقتصادية، لكن تحديد التوفير الفعلي يتطلب دراسة تكاليف التطبيق والصيانة والأخطاء المحتملة وتأثير النظام في سير العمل الطبي.
خامسًا: يجب حماية البيانات الطبية. يتطلب استخدام أنظمة الذكاء الاصطناعي في المستشفيات ضوابط واضحة للتعامل مع بيانات المرضى، بما يشمل الخصوصية وأمن المعلومات وتحديد المسؤولية عن القرارات الطبية.
هل يمكن للذكاء الاصطناعي أن يحل محل الطبيب؟
حتى مع التطور السريع في النماذج الطبية، لا تكفي نتائج اختبار تشخيصي للإجابة بنعم.
فالطبيب لا يعتمد على تحليل المعلومات المكتوبة فقط، بل يجمع بين الفحص البدني، وملاحظة حالة المريض، وفهم تاريخه الصحي، وتفسير نتائج الفحوصات، ومناقشة الخيارات العلاجية معه. وقد يحتاج أيضًا إلى تعديل قراره عندما تتغير الأعراض أو تظهر معلومات جديدة.
أما نظام Diagnostic Orchestrator، فتتمثل أهميته في محاولة تنظيم عملية التشخيص خطوة بخطوة، وليس في إثبات قدرته على أداء جميع مهام الطبيب.
ولذلك، فإن السيناريو الأقرب في المرحلة الحالية هو استخدام الذكاء الاصطناعي أداةً مساعدة للأطباء، لا بديلًا مستقلًا عنهم. وقد تتغير حدود استخدام هذه التقنيات مستقبلًا وفقًا لما تثبته الدراسات السريرية ومعايير السلامة والاعتماد الطبي.
أسئلة شائعة حول ذكاء مايكروسوفت الاصطناعي الطبي
ما اسم نظام التشخيص الطبي الذي تطوره مايكروسوفت؟
يُعرف باسم Diagnostic Orchestrator، وهو نظام ينسق عمل وكلاء ذكاء اصطناعي بهدف تحليل الحالات الطبية وجمع المعلومات اللازمة للوصول إلى تشخيص محتمل.
هل حقق النظام دقة تتجاوز 80%؟
نعم، وفقًا للنتائج المنشورة، حقق النظام دقة بلغت نحو 83.2% في مجموعة من الحالات الطبية المنشورة في مجلة Science، ونحو 80.3% في مجموعة أخرى من حالات الطوارئ. لكن هذه الأرقام تخص مجموعات الاختبار المحددة، ولا تعني ضمان الدقة نفسها عند استخدامه مع جميع المرضى.
هل يتفوق النظام على جميع الأطباء؟
لا يمكن استنتاج ذلك من النتائج المتاحة. فالمقارنات المنشورة أظهرت أداءً أعلى من مجموعة الأطباء التي خضعت للاختبار في ظروف محددة، لكنها لا تثبت تفوق النظام على جميع الأطباء، ولا سيما المتخصصين في المجالات الطبية المختلفة.
هل يمكن استخدامه لتشخيص المرضى حاليًا؟
لا ينبغي اعتبار نتائج الدراسة دليلًا على أن النظام أصبح أداة تشخيص مستقلة معتمدة للاستخدام العام. ويتطلب الانتقال إلى الممارسة السريرية تقييمات إضافية وإثبات السلامة والموثوقية والالتزام بالمتطلبات التنظيمية ذات الصلة.
هل يعتمد النظام على نموذج واحد للذكاء الاصطناعي؟
تعتمد الفكرة على تنسيق عدة وكلاء ذكاء اصطناعي لتنفيذ مراحل مختلفة من عملية التشخيص، بدلًا من الاكتفاء بإجابة واحدة مباشرة. ووفقًا لوصف الدراسة، يدخل نموذج GPT-5 ضمن التقنية المستخدمة في هذا النهج.
الخلاصة
تكشف نتائج Diagnostic Orchestrator عن إمكانات مهمة للذكاء الاصطناعي في تحليل الحالات الطبية المعقدة، خصوصًا عندما لا يكون التشخيص واضحًا من المعلومات الأولية. وتكمن أهمية النظام في محاولته محاكاة بعض خطوات التفكير الطبي، بما يشمل تحديد المعلومات الناقصة واختيار الفحوصات المناسبة ومراجعة الاحتمالات بصورة متتابعة.
ومع ذلك، يجب التعامل مع الأرقام المعلنة باعتبارها نتائج اختبارات بحثية، لا دليلًا نهائيًا على أن الذكاء الاصطناعي أصبح أكثر أمانًا أو كفاءة من الطبيب في المستشفيات.
فالاختبار الحقيقي لهذه التقنية لن يقتصر على قدرتها على الوصول إلى التشخيص الصحيح، بل سيشمل مدى مساهمتها في تحسين رعاية المرضى، وتقليل الأخطاء، وتجنب الفحوصات غير الضرورية، مع الحفاظ على الخصوصية وخضوع القرارات الطبية للإشراف المناسب.
