الذكاء الصنعي مستقبل الطب

يتجه العالم نحو رقمنة أنظمة الرعاية الصحية بسبب الحجم الهائل من البيانات المولّدة، ويهدف التطوير المستمر للأنظمة الذكية إلى توفير تفكير أفضل واستخدام البيانات التي جُمعَت بكفاءة أكبر. لا يقتصر هذا الاستخدام على تقديم استنتاجات تشخيصية؛ لكنه يمكن أيضًا أن يمتد ليشمل التفسير المستقبلي الذي يوفر الإنذار المبكر. وعلى الرغم من ذلك؛ إنّ الأطباء الذين يمكن أن تساعدهم هذه الأنظمة يجدون أنفسهم يقفون في فجوة بين الحالة السريرية والمراجعات الفنية العميقة (1).

الذكاء الصنعي Artificial intelligence) AI): هو مصطلح يُستخدَم لوصف استخدام أجهزة الحاسوب والتكنولوجيا لمحاكاة سلوك الإنسان الذكي وتفكيره النقدي. وقد عبّر *عالم الرياضيات جون مكارثي  John McCarthy عن مصطلح "الذكاء الصنعي" أول مرة عام 1956، وشرح طبيعته بأنّها أداء الآلات مهمّاتٍ ذكيّة تضاهي الذكاء البشري، ويهدف استخدام هذا العلم في الطب إلى تنمية المعرفة بالذكاء الصنعي والإلمام بها من قبل الأطباء (3).

بعد دخول الذكاء الصنعي مجالات متعددة بدأ بالاستحواذ على بعض الحقول الطبية، وعلى الرغم من أنه لا يزال في مراحله الأولى؛ فقد استطاع إعطاء نتائج دقيقة تماثل النتائج البشرية، وقد تفوقها في أغلب الأحيان.

يكمن دور الذكاء الصنعي في المجال الصحي بتلقين الأجهزة بالخوارزميات والبيانات الطبية بحيث يصبح الجهاز قادرًا على تحليل البيانات الطبية المعقدة دون الحاجة إلى تدخل الإنسان مباشرة، فالخوارزميات اليوم تتفوق على مختصي الأشعة في اكتشاف الأورام الخبيثة. وعلى الرغم من ذلك؛ نعتقد -لأسباب متنوعة- أنه سيمر سنوات عديدة قبل أن يحلّ الذكاء الصنعي محل البشر في مجالات العمليات الطبية الواسعة -في حال حدوث ذلك (2).

يُقسَم الذكاء الصنعي في الطب إلى نوعين فرعيين هما: 

• الافتراضي (Virtual): يتراوح مجال هذا النوع بين التطبيقات كنظم السجلات الصحية الإلكترونية، وبين التوجيه القائم على الشبكات العصبونية في قرارات العلاج.
• الفيزيائي (Physical): يتعامل هذا النوع مع الروبوتات التي تساعد على إجراء العمليات الجراحية، والأطراف الاصطناعية الذكية لذوي الاحتياجات الخاصة، ورعاية المسنين (3).

مجالات الذكاء الصنعي ذات الصلة بالرعاية الصحية

إن الذكاء الصنعي ليس تقنية واحدة، بل مجموعة من التقنيات والمجالات الفرعية، نذكر منها هذه التقنيات ذات الصلة الوثيقة والأهمية العالية في مجال الرعاية الصحية: 

• تعلم الآلة Machine learning، والشبكات العصبونية Neural Networks، والتعلم العميق Deep learning: 
  • تعلم الآلة هو تقنية إحصائية لتكييف النماذج مع البيانات لأجل التعلم من خلال تدريب النماذج على البيانات، وهو من أشهر أنواع الذكاء الصنعي. في مجال الرعاية الصحية، إن أكثر التطبيقات شيوعًا للتعلم الآلي التقليدي هو الطب الدقيق Precision Medicine؛ أي التنبؤ ببروتوكولات العلاج التي من المحتمل أن تنجح على المريض بناءً على سمات المريض المختلفة وسياق العلاج (2).
  • الشبكات العصبونية Neural Networks: إن أكثر الأشكال تعقيدًا للتعلم الآلي هو الشبكة العصبونية، وهي تقنية كانت متاحة منذ الستينيات من القرن الماضي وراسخة في أبحاث الرعاية الصحية عدة عقود، استُخدِمت في تطبيقات التصنيف مثل تحديد ما إذا كان المريض سيصاب بمرض معين. تنظر الشبكة العصبونية إلى المشاكل من حيث المدخلات والمخرجات وأوزان المتغيرات أو "السمات" التي تربط المدخلات بالمخرجات، وهي تُشَبَّه بالطريقة التي تعالج بها الخلايا العصبية البشرية الإشارات؛ لكنّ التشابه مع وظيفة الدماغ ضعيف نسبيًّا (2).
  • التعلم العميق Deep learning: يعد أكثر أشكال تعلم الآلة تعقيدًا، أو أنموذج شبكة عصبونية ذات مستويات عديدة من السمات أو المتغيرات التي تتنبأ بالنتائج. قد يكون هناك الآلاف من الميزات المخفية في مثل هذه النماذج، والتي يُكشَف عنها اليوم من خلال المعالجة الأسرع لوحدات معالجة الرسوميات والبنى السحابية

    أحد التطبيقات الشائعة للتعلم العميق في الرعاية الصحية هو تعرف الآفات السرطانية المحتملة في صور الأشعة؛ إذ يوفر اجتماع علم الأشعة مع التعلم العميق مزيدًا من الدقة في التشخيص من الجيل السابق من الأدوات الآلية لتحليل الصور، والمعروفة باسم الاكتشاف بمساعدة الحاسوب (2) Computer-Aided Detection (CAD). 

• معالجات اللغات الطبيعية (NLP (Natural language processin: كان فهم اللغة هدفًا للباحثين في الذكاء الصنعي منذ خمسينيات القرن الماضي، ويشمل هذا المجال تطبيقات مثل تعرّف النطق، وتحليل النصوص، والترجمة، وغيرها من الأهداف المرتبطة باللغة. ويمكن لـ NLP تحليل الملاحظات السريرية غير المنظمة على المرضى، إضافة إلى إعداد التقارير وتدوين تفاعلات المرضى (2).
• النظم الخبيرة المبنية على القواعد Rule-based expert systems: هي نظم مبنية على مبدأ (If- then)، وقد كانت من أهم قواعد التكنولوجيا المهيمنة في ثمانينيات القرن الماضي. وُظِّفت هذه النظم في مجال الرعاية الصحية على نطاق واسع لأغراض "دعم القرار السريري clinical decision support" على مدار العقدين الماضيين، ولا تزال قيد الاستخدام على نطاق واسع حتى اليوم. 

  تتطلب من الخبراء والمهندسين وضع سلسلة من القواعد تعمل جيدًا ويسهل فهمها في مجال معرفة محدد، وعندما يكون عدد القواعد كبيرًا (عدة آلاف) فإنه يتعارض بعضها مع بعض؛ مما يعني انهيار النظام الخبير، وعندما يتغير مجال المعرفة يصبح تغيير القواعد صعبًا ويستغرق وقتًا طويلًا. ولذلك؛ تُستبدَل بها الأساليب القائمة على البيانات وخورازميات تعلم الآلة حاليًّا (2). 

• الروبوتات الفيزيائية Physical robots: أصبح مصطلح الروبوت مفهومًا نتيجة إنتاج ما يزيد على 200 ألف روبوت كل سنة في جميع أنحاء العالم، وتكون عادةً مسؤولة عن أداء المهام المحددة مسبقًا؛ مثل الروبوتات الجراحية المسؤولة عن تقديم الإمدادات في المشافي، وتحسين القدرة على إنشاء شقوق جروح بدقة عالية، علمًا أنّ القرارات المهمة لا يزال يتخذها الجرّاحون البشريون (2).

• أتمتة العمليات الروبوتية Robotic process automation: تؤدي هذه التقنية مَهمّات رقمية منظّمة للأغراض الإدارية؛ أي تلك التي تتضمن أنظمة معلومات، كما لو كان مستخدمٌ بشريٌّ يتبع نصًّا أو قواعد. وبالمقارنة مع الأشكال الأخرى للذكاء الصنعي؛ هي غير مكلفة وسهلة البرمجة وشفافة في أفعالها. 

  لا تتضمن أتمتة العمليات الروبوتية (RPA) الروبوتات، إنما برامج حاسوبية على الخوادم فقط. يعتمد على مزيج من سير العمل (workflow)، وقواعد العمل وتكامل "طبقة العرض" مع أنظمة المعلومات للعمل كمستخدم شبه ذكي للأنظمة.

  في مجال الرعاية الصحية، تُستخدَم للمهام التكرارية مثل الإذن المسبق أو تحديث سجلات المرضى أو الفواتير، كذلك يمكن استخدامها لاستخراج البيانات عند دمجها مع تقنيات أخرى مثل تعرف الصور (image recognition (2.

قد تسمح القدرة على مراقبة المرضى بواسطة الذكاء الصنعي بنقل بياناتهم إلى الطبيب في حال حصول أي نشاط في مرض ما عندهم. وقد يسمح استخدام جهاز يرتديه المريض بمراقبة متواصلة ومستمرة للحالة الصحية ومراقبة أي تغيرات في حالته، والتي قد تكون أحيانًا أدق من أن يلاحظها الإنسان (2).

الهوامش: 

جون مكارثي- John McCarthy: 

هنا

المصادر: