ذكاء اصطناعي يضاهي الأطباء أو يتفوقهم في حالات طوارئ حقيقية

أراد باحثون في جامعة هارفارد ومركز بيث إسرائيل دياكونيس معرفة ما إذا كان بإمكان نموذج ذكاء اصطناعي "يفكر" التعامل مع أصعب مهمة يواجهها الطبيب: قراءة سجلات مرضى حقيقية وغير منقّحة، واستنتاج ما يعانون منه. في دراسة نُشرت في 30 أبريل بمجلة Science، طابق النموذج أداء الأطباء أو تفوق عليهم في كل مرحلة من حالات طوارئ حقيقية.

الرقم الأهم
في جزء منفصل من الدراسة اعتمد على تقارير حالات منشورة، وصل نموذج o1-preview إلى تشخيص دقيق أو قريب جداً في 88.6% من الحالات، مقابل 72.9% لنموذج GPT-4 الأقدم.

ما الذي حدث

أجرى فريق من أطباء وعلماء حاسوب في جامعة هارفارد ومركز بيث إسرائيل دياكونيس ست تجارب منفصلة قارنت نموذج o1-preview من OpenAI، وهو نموذج "استدلالي" يعالج المشكلة خطوة بخطوة قبل الإجابة، بأطباء ونماذج ذكاء اصطناعي أقدم. اعتمد الاختبار الأساسي على 76 حالة طوارئ حقيقية، عُرضت كما وردت بالضبط في السجل الطبي الإلكتروني، من دون تنقيح، بكل ما يحمله سجل حقيقي من تفاصيل عشوائية.

عند ثلاث نقاط، الفرز الأولي والتقييم المبكر ودخول المستشفى، قورن تشخيص النموذج بتشخيص طبيبين مختصين في الطب الباطني عملا من الملاحظات نفسها. حكم طبيبان مختصان آخران على النتائج من دون معرفة أي تشخيص جاء من إنسان وأيها من الذكاء الاصطناعي. طابق النموذج أداء الأطباء أو تفوق عليهم في كل مرحلة، وكانت أكبر فجوة عند الفرز الأولي، وهي النقطة التي تقل فيها المعلومات المتاحة ولا يستطيع الأطباء فيها تحمل الخطأ.

لماذا يهم

اعتمدت معظم اختبارات الذكاء الاصطناعي الطبي السابقة على حالات مدرسية منقّحة أو اختبارات اختيار من متعدد. اعتمدت هذه الدراسة عمداً على سجلات مستشفى غير منقّحة بدلاً من ذلك، وأدى النموذج أداءً جيداً رغم ذلك. لكن للمقارنة حداً حقيقياً يستحق الذكر: كان الأطباء في الدراسة مختصين في الطب الباطني، لا أطباء طوارئ، وهم من يشغلون فعلياً مكاتب الفرز في أقسام الطوارئ. أشارت الطبيبة كريستن بانثاغاني، وهي طبيبة طوارئ لم تشارك في الدراسة، إلى أن هذا التباين يعني أن العناوين التي وصفت النتيجة بأنها فوز على "أطباء الطوارئ" تبالغ فيما اختُبر فعلياً.

ما الذي يحدث تالياً

يوضح معدّو الدراسة، ومنهم المؤلف المشارك آدم رودمان، أن هذا لا يعني أن الذكاء الاصطناعي جاهز لتشخيص المرضى بمفرده. قال رودمان إنه يشعر بقلق من الطريقة التي قد تُستخدم بها هذه النتائج، وأشار إلى عدم وجود إطار رسمي بعد يحدد من يتحمل المسؤولية إذا كان تشخيص الذكاء الاصطناعي خاطئاً. يدعو الباحثون إلى تجارب سريرية استباقية، تؤثر فيها اقتراحات الذكاء الاصطناعي فعلياً على رعاية مرضى حقيقيين تحت إشراف طبي، قبل أن ينتقل أي من هذا من نتيجة بحثية إلى ممارسة فعلية داخل المستشفيات. تنضم هذه الدراسة إلى موجة أوسع من أبحاث الذكاء الاصطناعي في المستشفيات، منها نموذج منفصل صُمم لتحذير الأطباء من إصابة الكلى قبل أن يصبح الضرر واضحاً.

خلاصة

الإشارة الأوضح في هذه الدراسة ليست أن الذكاء الاصطناعي يستطيع الفوز في مباراة تشخيصية، فقد أشارت أبحاث سابقة إلى ذلك أصلاً. الإشارة الأوضح أن النموذج صمد أمام بيانات مستشفى حقيقية وغير منقّحة، لا حالات مدرسية منظّفة، وقدّم أفضل أداء بالضبط حين تكون المعلومات المتاحة للأطباء في أدنى مستوياتها. أما إن كان ذلك سيتحول إلى رعاية أكثر أماناً، لا مجرد نتيجة أفضل في اختبار، فهذا ما لم تُجرَ التجربة الاستباقية اللازمة للإجابة عنه بعد.