ذكاء مايكروسوفت الاصطناعي للتشخيص يحقق دقة 83% في حالات محاكاة، وفائدته السريرية تنتظر الإثبات

عند مواجهة أعراض مجهولة السبب، تكمن صعوبة التشخيص غالبًا في تحديد السؤال التالي أو الفحص الذي ينبغي إجراؤه. نقل فريق أبحاث مايكروسوفت عملية الاستدلال هذه إلى اختبار محاكاة، وحقق نظامه لتنسيق التشخيص دقة بلغت 83.2% في الحالات المعقدة، متفوقًا على أطباء عامين أُتيح لهم استخدام أدوات مرجعية. وتقدم هذه الدراسة، المنشورة في مجلة «Science» في 22 أكتوبر، مؤشرًا على قدرة الذكاء الاصطناعي على جمع الأدلة تدريجيًا، لكنها لم تثبت بعد أنه يستطيع تحسين رعاية المرضى الفعليين.

تطلق مايكروسوفت على هذا النظام اسم MAI-DxO. وهو يحاكي مجموعة من الأطباء ذوي الأدوار المختلفة، فيطرح تشخيصات محتملة، ويشكك في الفرضيات الحالية، ثم يعدّل تقديراته مع ورود معلومات جديدة. ووصف تقرير لوكالة رويترز في اليوم نفسه طريقة العمل هذه أيضًا: إذ يتعين على النظام اختيار الأسئلة والفحوص بنفسه، بدلًا من قراءة سجل طبي كامل أُعدّ مسبقًا وتقديم إجابة مباشرة.

يتضمن إطار التقييم SDBench المستخدم في الدراسة 304 حالات معقدة من «مجلة نيو إنغلاند الطبية»، و325 سجلًا لحالات انتقلت من الطوارئ إلى التنويم في المستشفى، مأخوذة من قاعدة بيانات MIMIC-IV-ED. يبدأ الاختبار بمعلومات سريرية محدودة، ولا يحصل المشاركون على مزيد من المعطيات إلا بعد طلبها. ويتتبع التقييم في الوقت نفسه صحة التشخيص، والأدلة المطلوبة، والتكلفة التقديرية للفحوص.

في الحالات المعقدة، بلغت دقة الأطباء العامين الذين أُتيح لهم الرجوع إلى المراجع 36.1%؛ وأشار إعلان مايكروسوفت أيضًا إلى أنها بلغت نحو 22% عند عدم إتاحة مصادر مرجعية خارجية. وفي حالات الطوارئ، بلغت دقة النظام والأطباء 80.3% و46.8% على التوالي. وتُظهر مجموعتا البيانات الاتجاه نفسه، لكن المقارنة كانت مع أطباء عامين يعملون بصورة فردية، ولا يمكن الاستنتاج منها أن النظام يتفوق على الأطباء المتخصصين في المجالات المعنية أو على الفرق السريرية.

تعتمد نتائج التكلفة أيضًا على الإعدادات. فقد أشارت «Medical Economics» إلى أن متوسط تكلفة الفحوص التي طلبها النظام كان في الواقع أعلى من تكلفة فحوص الأطباء عند عدم فرض قيود على الميزانية؛ ولم ينخفض الإنفاق إلا بعد إضافة قيود على التكلفة، مقابل التضحية بجزء من الدقة. لذلك، يجب فهم عبارة «أكثر دقة وأقل تكلفة» في ضوء شروط الاختبار. وهذه الأرقام تقدّر تكلفة الفحوص، ولا تشمل كذلك انزعاج المرضى، أو مخاطر الإجراءات الباضعة، أو وقت انتظار النتائج.

وتكمن الفجوة الأكبر في أن هذا لا يزال محاكاة نصية مضبوطة: فلا تتضمن تفسيرًا مباشرًا للصور أو الشرائح النسيجية المرضية، كما يصعب فيها إعادة تمثيل إغفال المرضى ذكر بعض الأعراض، والتواصل في موقع الرعاية، وضغط الوقت. ولم تقيّم الدراسة قرارات العلاج أو سلامة المرضى أو النتائج السريرية. وحتى إذا كانت الإجابات التشخيصية صحيحة بوتيرة أكبر، فلا يجيب ذلك مباشرة عن احتمال أن يفوّت النظام حالات طارئة، أو أن يساعد المرضى على تلقي التدبير المناسب بسرعة أكبر.

وقالت مايكروسوفت إنها ستتيح علنًا المعيار المرجعي وبرامج التقييم لبعض حالات NEJM، وستجري دراسة استباقية بالتعاون مع مركز بيث إسرائيل ديكونيس الطبي في بوسطن، يتفاعل فيها المرضى مباشرة مع النظام، ثم تُقارَن النتائج بتقييمات مستقلة يجريها الأطباء؛ ووفقًا لتقرير رويترز، سيختبر التعاون استخدام النظام للفرز في منطقة انتظار قسم الطوارئ. وعند الانتقال من حالات المحاكاة إلى هذا السياق، فإن السؤال الحقيقي الذي يجب الإجابة عنه هو ما إذا كان تفوق النظام في التشخيص يمكن أن يتحول إلى قرارات موثوقة بشأن الرعاية.