تشير الأبحاث إلى أنَّ الذكاء الاصطناعي قادرٌ على تفسير الصور الطبيَّة باستخدام خوارزمية التعلم العميق، حيث وجدت دراسة أنَّ الذكاء الاصطناعي على قدم المساواة مع الخبراء البشريين عندما يتعلق الأمر بإجراء تشخيصات طبية بناءً على الصور.

 

إثارة التفاؤل

وتسببت إمكانات الذكاء الاصطناعي في الرعاية الصحية في إثارة التفاؤل، حيث قال المدافعون عنها: إنها تخفف من الضغط على الموارد، وتتيح وقتًا لتفاعلات الطبيب مع المريض، وتساعد في تطوير العلاجات المخصصة.

ومع ذلك، فقد حذر الخبراء من أنَّ النتائج الأخيرة تستند إلى عدد صغير من الدراسات، إذ إنَّ المجال مليء بأبحاث ذات جودة رديئة.

ويعد أحد التطبيقات المزدهرة هو استخدام الذكاء الاصطناعي في تفسير الصور الطبية بالاعتماد على التعلم العميق، وهو شكل متطور من تعلم الآلة يتم فيه إدخال سلسلة من الصور ذات التصنيفات في خوارزميات تلتقط الميزات داخلها وتتعلم كيفية تصنيف الصور المشابهة.

وأظهر هذا النهج نتائج واعدة في تشخيص الأمراض من السرطانات إلى أمراض العيون، لكن هناك أسئلة حول كيفية قياس أنظمة التعلم العميقة هذه ومقارنتها بالمهارات البشرية. ويقول الباحثون: إنهم أجروا أول مراجعة شاملة للدراسات المنشورة حول هذه القضية، ووجدوا أن البشر والآلات على قدم المساواة.

وقال البروفيسور أليستر دينيستون Alastair Denniston، المشارك في تأليف الدراسة: النتائج كانت مشجعة، لكن الدراسة كانت بمثابة اختبار حقيقي للضجة حول الذكاء الاصطناعي، حيث جرى التركيز على الأبحاث المنشورة منذ عام 2012، وهي سنة محورية للتعلم العميق.

 

التعلم العميق

وجمع الفريق أكثر النتائج الواعدة من داخل كل دراسة، وتوصلوا إلى أن أنظمة التعلم العميق اكتشفت بشكل صحيح حالة المرض بنسبة 87 في المئة مقارنةً بنسبة 86 في المئة للعاملين في مجال الرعاية الصحية. وهناك تفاؤل بشأن إمكانات الذكاء الاصطناعي في الرعاية الصحية، إذ يمكن لأنظمة التعلم العميق أن تعمل كأداة تشخيصية وتساعد في معالجة تراكم عمليات المسح والصور، ويمكن أن تثبت فائدتها في الأماكن التي تفتقر إلى الخبراء لتفسير الصور. يذكر أنه من الأهمية بمكان استخدام أنظمة التعلم العميق في التجارب السريرية لتقييم ما إذا كانت نتائج المرضى تحسنت مقارنة بالممارسات الحالية، وبالرغم من أنَّ أنظمة التعلم العميق ستكون مهمة في المستقبل، لكنها بحاجة إلى اختبارات عميقة في العالم الحقيقي.

 

خطر الوفاة

وفي سياق متصل طور باحثو علوم الحاسب ومختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا نظامًا للتعلم الآلي، يسمى (RiskCardio)، يمكنه تقدير خطر الوفاة بسبب مشاكل القلب والأوعية الدموية التي تمنع تدفق الدم أو تقلله.

ويعني ذلك أن قدرة الذكاء الاصطناعي على التنبؤ بالتهديدات التي تهدد صحتك قد تشمل قريبًا أمراض القلب القاتلة، حيث إن النظام قادر على تقدير خطر وفاة القلب والأوعية الدموية للمريض من خلال النشاط الكهربائي لقلبه.

ويركز نظام (RiskCardio) على المرضى الذين نجوا من متلازمة الشريان التاجي الحادة (ACS)، وهي عبارة عن مجموعة من الأعراض التي تنتج عن ضيق في الشريان التاجي المسؤول عن تروية عضلة القلب بالغذاء والأكسجين.

ويجمع النظام الجديد بين التقنيات الجديدة والقديمة للتنبؤ بالأزمات القلبية بشكل صحيح، وكل ما يحتاجه هو قراءة تخطيط القلب الكهربائي (ECG) لمدة 15 دقيقة، بحيث يقيس الخطر بناءً على مجموعات النبضات المتتالية في العينة. وفي حال الحصول على البيانات الملتقطة في غضون 15 دقيقة، فيمكن لنظام (RiskCardio) تحديد ما إذا كان شخص ما سيموت في غضون 30 يومًا، أو حتى بعد ذلك بسنة.

 

خوارزمية التعلم الآلي

ويحلل النظام دقات القلب المتكررة ويجد حالات شاذة يمكنها التنبؤ بخطر الإصابة بنوبة قلبية، ويعتمد النهج على فكرة أن التباين الكبير بين دقات القلب يعكس مخاطر أكبر، وكلما زاد عدد البيانات التي يحصل عليها النظام، أصبح أكثر ذكاءً.

ودرب العلماء نظام التعلم الآلي باستخدام البيانات التاريخية لنتائج المرضى، حيث تعتمد خوارزمية التعلم الآلي المستخدمة على فكرة بسيطة هي أن التباين بين ضربات القلب يعكس خطر الإصابة بنوبة قلبية. وينتج النظام نقاطًا باستخدام الدقائق الخمس عشرة الأولى فقط من قراءة تخطيط القلب الكهربائي للمريض ثم تضعه في فئات مخاطر مختلفة وفقًا لذلك. يذكر أنه في حال دخول نظام الذكاء الاصطناعي (RiskCardio) الخدمة، فقد يكون بإمكان الأطباء تقييم صحة المريض بسرعة واتخاذ قرار بشأن المستوى المناسب من العلاج، إلى جانب توفير الكثير من المعلومات للأطباء لإجراء المزيد من البحوث حول أمراض القلب والأوعية الدموية.