→ العودة إلى الصفحة الرئيسية

مناقشة الأعراض مع الذكاء الاصطناعي قبل زيارة الطبيب: AMIE من Google يُكمل دراسة في عيادات فعلية تحت إشراف الأطباء

أكمل 100 مريض المقابلة الطبية مع الذكاء الاصطناعي، دون تفعيل شروط الإيقاف المحددة مسبقًا لأسباب تتعلق بالسلامة؛ لكن عدم الإيقاف لا يعني عدم وقوع أخطاء. تنقل هذه الدراسة جمع التاريخ المرضي قبل الزيارة إلى عيادات فعلية، وتوضح أيضًا الحدود التي لم يتجاوزها التشخيص المستقل بعد.

By SURL BioNews

هل يمكن للمرضى توضيح أعراضهم أولًا عبر الذكاء الاصطناعي قبل دخول غرفة المعاينة، ليحظى الطبيب بوقت أطول للتقييم والنقاش؟ نقلت دراسة AMIE، التي أجرتها Google بالتعاون مع مركز بيث إسرائيل ديكونيس الطبي (BIDMC)، هذه الفكرة إلى عيادات فعلية للرعاية الأولية. وأظهرت النتائج المنشورة في «ذا لانسيت» جدوى أولية للمحادثة قبل الزيارة تحت إشراف الأطباء طوال الوقت؛ أما قدرتها على تحسين الرعاية، فلم تُحسم بعد.

ضمّت هذه الدراسة الاستباقية، ذات المركز الواحد والمجموعة الواحدة، 114 مريضًا بين أبريل ونوفمبر 2025، أكمل منهم 100 التفاعل مع AMIE، وأكمل 98 أيضًا الزيارة الطبية اللاحقة. وكان المشاركون بالغين ناطقين بالإنجليزية، ولدى كل منهم شكوى رئيسية واحدة حديثة الظهور وغير طارئة، وأجروا محادثة نصية مع الذكاء الاصطناعي خلال الأيام الخمسة السابقة للزيارة كحد أقصى. وراقب الأطباء التفاعل مباشرة عبر الفيديو ومشاركة الشاشة، وأُتيحت سجلات المحادثات وملخصاتها للأطباء الذين أجروا المعاينات اللاحقة.

لم تُفعّل أي محادثة شروط الإيقاف المحددة مسبقًا لأسباب تتعلق بالسلامة، لكن ذلك لا يعني أن النظام لم يرتكب أخطاء. فقد ذكر ملخص الورقة أن الأطباء المشرفين رصدوا حالة واحدة من «الهلوسة»، وأضافوا معلومات سريرية في خمسة تفاعلات. لذلك، تدعم النتائج جدوى المحادثة في وجود إشراف، ولا يمكن الاستنتاج منها أن النظام سيظل يعمل بأمان بعد إزالة رقابة الطبيب.

كذلك، يجب فهم ما تعنيه أرقام الأداء التشخيصي بدقة. وفقًا للتحليل الذي نشرته Google Research، وباستخدام التشخيص النهائي المحدد من خلال مراجعة السجلات الطبية بعد ثمانية أسابيع من الزيارة مرجعًا، احتوت قائمة AMIE لأبرز سبعة تشخيصات محتملة على التشخيص الصحيح في 90% من الحالات، وبلغت النسبة 75% لأبرز ثلاثة تشخيصات، و56% للتشخيص المدرج في المرتبة الأولى. بعبارة أخرى، فإن إدراج قائمة واسعة من الأسباب المحتملة واختيار التشخيص الصحيح منذ البداية قدرتان مختلفتان؛ كما استندت بعض التشخيصات النهائية إلى تقدير الأطباء السريري، ولم تُؤكَّد جميعها بالفحوص.

وكان التحضير قبل الزيارة ملاحظة أخرى أقرب إلى واقع العمل. ففي 44 حالة قرأ فيها الأطباء سجلات المحادثات قبل المعاينة وقدموا ردودًا ذات صلة، أفاد 33 ردًا بأن السجلات ساعدت في التحضير، وأشار 25 إلى أنها قد تغيّر طريقة تعاملهم مع الحالة. ويقدم ذلك مؤشرًا إيجابيًا على تجربة الاستخدام، لكنه لا يثبت بعد أن الذكاء الاصطناعي اختصر وقت الزيارة أو أتاح للمرضى نتائج صحية أفضل.

ولا تزال هناك فجوة في أداء النظام عند الانتقال من التشخيص إلى التدبير. فقد أظهرت تقييمات الدراسة تفوق خطط التدبير التي وضعها الأطباء على خطط AMIE من حيث الجدوى العملية والفعالية من حيث التكلفة. ولم يكن الذكاء الاصطناعي آنذاك قادرًا على الاطلاع على السجلات الطبية الإلكترونية أو إجراء فحص بدني؛ ويحد غياب التاريخ المرضي السابق والعلامات الجسدية والمعلومات المتاحة أثناء المعاينة من القدرة على تطبيق التوصيات على كل مريض على حدة.

تنقل هذه الدراسة، التي موّلتها Alphabet، تقييم الذكاء الاصطناعي الطبي من السيناريوهات المحاكاة إلى سير عمل رعاية مرضى فعليين، لكن حجمها الصغير، واقتصارها على مركز واحد، وغياب مجموعة مقارنة تتلقى الرعاية المعتادة، تجعلها غير كافية حتى الآن لإثبات الفائدة السريرية أو سلامة الاستخدام المستقل. ودعت Google أيضًا في إعلانها إلى إجراء تجارب أكبر حجمًا. وتكمن الخطوة التالية الحاسمة في اختبار ما إذا كانت أدوات ما قبل الزيارة من هذا النوع قادرة على مواصلة تخفيف العبء لدى مرضى مختلفين وفي بيئات رعاية متنوعة، مع الحفاظ على جودة الرعاية.

References

  1. ASCO AI in Oncology
  2. Google Research
  3. Google Research
  4. Google