- تحدد نماذج الذكاء الاصطناعي الأمراض النادرة بشكل أسرع من العديد من الأطباء ذوي الخبرة
- في معظم الحالات الصعبة، تسمح الأنظمة بالتشخيص الصحيح أو الدقيق
- تقوم النماذج بتحليل الأعراض واختبار البيانات باستخدام عمليات الاستدلال المنظم
يزعم جيل جديد من أدوات الذكاء الاصطناعي أنه يتفوق على الأطباء ذوي الخبرة في تشخيص الحالات النادرة والمعقدة.
يمكن لنماذج الاستدلال هذه معالجة سلاسل طويلة من الأعراض ونتائج الاختبارات والملاحظات السريرية ثم اقتراح أو تضييق التشخيص الصحيح بشكل أسرع من العديد من المتخصصين.
ويقول بعض الباحثين إن هذا يمثل تحولًا عميقًا في التكنولوجيا من شأنه أن يغير وجه الطب، خاصة في الحالات التي لا يكون فيها التشخيص الصحيح واضحًا حتى بعد التقييم الشامل.
يستمر المقال أدناه
تتعامل نماذج الذكاء الاصطناعي مع التشخيصات الصعبة
وقال أرجون مانراي من جامعة هارفارد في مؤتمر صحفي: “إننا نشهد تغيرًا تكنولوجيًا عميقًا حقًا من شأنه أن يحدث تحولًا في الطب”.
ومع ذلك، لا تزال هناك أسئلة جدية حول ما إذا كانت هذه الأنظمة قادرة على التعامل مع العبء الكامل لعدم اليقين السريري في العالم الحقيقي.
في إحدى الدراسات الكبيرة، اختبر الباحثون نموذجًا رائدًا للاستدلال يعتمد على الذكاء الاصطناعي باستخدام حالات شبيهة بالكتب المدرسية وبيانات حقيقية للمرضى من قسم الطوارئ في بوسطن.
وقام النموذج بتحليل الأوصاف التفصيلية للأعراض وتسلسل الاختبارات والنتائج، تمامًا كما يفعل الأطباء.
لقد أدرجت التشخيصات المحتملة في كثير من الأحيان أكثر من الأطباء البشريين، وأدرجت التشخيص الحقيقي أو شيء قريب جدًا منه في حوالي 80٪ من الحالات الصعبة.
في حالة أحد مرضى زرع الأعضاء الذين ظهرت عليهم علامات خفية لعدوى تهدد الحياة، أثار النموذج شكوكًا معقولة قبل يوم تقريبًا من قيام الفريق السريري بذلك.
ويقول العلماء إن هذه التقنية فعالة بشكل خاص في مسح أنماط واسعة من الأمراض النادرة التي نادراً ما يواجهها الأطباء الأفراد.
ومع ذلك، يعتمد البحث على أوصاف مختارة للمرضى، وليس على البيئة القاسية والفوضوية لغرفة الطوارئ.
تستجيب النماذج للمعلومات التي يتم تغذيتها بها، وليس لفوضى الأولويات المتداخلة والبيانات غير المكتملة التي تظهر في العيادات الحقيقية.
لماذا لا يزال عدم اليقين يمثل مشكلة
على الرغم من قدرات نماذج الاستدلال الخاصة بالذكاء الاصطناعي، يشير النقاد إلى أن الاستدلال السريري هو أكثر من مجرد منطق خطوة بخطوة يعتمد على ملخص خالص.
تقول آريا راو من كلية الطب بجامعة هارفارد، التي لم تشارك في الدراسة: “عندما نتحدث عن الاستدلال السريري، فإننا لا نعني نفس الشيء مثل الاستدلال النموذجي”.
“لقد تم تحسين هذه النماذج لنوع التفكير المتسلسل الذي نسميه الاستدلال، ولكنه ليس على الإطلاق نفس ما نعلمه الاستدلال لطلاب الطب.”
غالبًا ما يتعين على الأطباء النظر في العديد من الاحتمالات غير المؤكدة في وقت واحد ثم تحديثها عند توفر بيانات جديدة.
تميل نماذج الذكاء الاصطناعي إلى التمسك بتفسير واحد قوي وتحديث إجاباتها بشكل هش مع ظهور حقائق جديدة.
وجد الفريق، الذي اختبر 21 نظامًا مختلفًا للذكاء الاصطناعي، أنه حتى أفضل نماذج الاستدلال واجهت مشاكل عندما تم أخذ العديد من التشخيصات غير المؤكدة في الاعتبار في نفس الوقت.
جادل الفريق النماذج اللغوية الكبيرة ليست جاهزة بعد لاتخاذ قرارات مستقلة في البيئة الطبية.
وفي أفضل الأحوال، تكون مفيدة للحصول على رأي ثانٍ أو اكتشاف الحالات النادرة التي قد يغفل عنها الأطباء في البداية.
ويؤكد الخبراء أن الأطباء البشريين لا يزالون ضروريين لتفسير السياق، والتحدث مع المرضى وتقييم المخاطر في الوقت الحقيقي.
يمكن أن تساعد هذه التقنية في تجنب التشخيص الخاطئ في بعض المواقف، ولكنها تشكل مخاطر جديدة إذا تم استخدامها دون إشراف دقيق وضمانات مناسبة.
بواسطة أخبار العلوم
اتبع TechRadar على أخبار جوجل و أضفنا كمصدرك المفضل لتلقي أخبار ومراجعات وآراء الخبراء حول قنواتك.
