الذكاء الاصطناعي الاستدلالي يتجاوز أسئلة الأطباء، لكن باب العيادة السريرية لا يعني غرفة الفحص

غالباً ما تكون أصعب لحظات غرفة الطوارئ ليست في نقص البيانات، بل في ضرورة ترتيب الاحتمالات الأكثر خطورة بسرعة، وتحديد المؤشرات الأجدر بالمتابعة، وسط تاريخ مرضي مضطرب ونتائج فحوص وضغط الوقت. وقد نقلت دراسة جديدة هذا العمل الاستدلالي الذي يواجهه الأطباء يومياً إلى سيناريوهات نصية بحتة لاختبار نماذج اللغة الكبيرة، وجاءت النتائج لتجعل الأوساط الطبية مضطرة إلى التعامل بجدية أكبر مع سؤال: قد لا يكتفي الذكاء الاصطناعي بتنظيم السجلات الطبية، بل ربما بدأ يقترب من صميم العملية التي يفكر بها الأطباء في المرض.

وفقاً لما أوردته «الغارديان»، وجدت دراسة قادتها جامعة هارفارد ومركز بيث إسرائيل ديكونيس الطبي، ونُشرت في «Science»، أن نموذج الاستدلال o1 من OpenAI أدى أداءً أفضل من الأطباء في عدة معايير للاستدلال السريري، وشملت المهام إصدار أحكام تشخيصية في الطوارئ بناءً على سجلات مرضية مكتوبة. وشدد فريق البحث والتقارير الخارجية على حد سواء على أن ذلك ليس دليلاً على السماح للذكاء الاصطناعي بممارسة الكشف الطبي مستقلاً، بل هو محطة واضحة في الذكاء الاصطناعي الطبي الحيوي: فالنماذج تنتقل من «الإجابة عن أسئلة المعرفة الطبية» إلى استدلال سريري أكثر تعقيداً.

تُظهر النسخة الأولية من هذه الدراسة أن الفريق قيّم OpenAI o1-preview، وأن الاختبار غطى خمس فئات من مهام استدلال الأطباء: توليد التشخيص التفريقي، وعرض الاستدلال التشخيصي، والتشخيص التفريقي في سيناريوهات الفرز في الطوارئ، والاستدلال الاحتمالي، واستدلال التدبير العلاجي. وقد قيّم أطباء خبراء مخرجات النموذج وفق أدوات سيكومترية وأدوات تقييم قائمة، وقارنوها بضوابط بشرية تاريخية ومعايير لنماذج لغوية كبيرة أقدم؛ وهذا يجعل الدراسة لا تنظر فقط إلى ما إذا كان النموذج قد أجاب إجابة صحيحة، بل تحاول أيضاً قياس كيف يبني أسبابه، ويرتب الاحتمالات، ويقترح الخطوة التالية.

لم تكن النتائج انتصاراً شاملاً. فقد أشار ملخص النسخة الأولية إلى أن o1-preview حقق تقدماً واضحاً في توليد التشخيص التفريقي، وجودة الاستدلال التشخيصي، واستدلال التدبير العلاجي؛ لكنه لم يُظهر التحسن نفسه في الاستدلال الاحتمالي والتشخيص التفريقي في فرز الطوارئ. وبعبارة أخرى، يجيد النموذج بسط التشخيصات المحتملة وشرح مسار الاستدلال، لكن ذلك لا يعني أنه بات قادراً على ضبط معايرة المخاطر، والأولويات السريرية، واتخاذ القرار تحت ضغط الطوارئ الحقيقي بصورة مستقرة.

كما وضعت تغطية لاحقة من «ذا أتلانتيك» هذه الدراسة ضمن السياق الأوسع لإدخال الذكاء الاصطناعي إلى المستشفيات: إذ يتزايد الطلب في الممارسة السريرية على التلخيص الآلي، والبحث في السجلات الطبية، ودعم القرار، والمساعدة في الفرز، وستسرّع الدراسات ذات الدرجات العالية من خيال المؤسسات الطبية وشركات التكنولوجيا. ومع ذلك، ذكرت تلك التغطية أن Adam Rodman، أحد مؤلفي الدراسة، حذر في مؤتمر صحفي من أن هذا لا يزال اختباراً أكاديمياً، ولا يثبت أن ChatGPT أو أدوات ذكاء اصطناعي أخرى جاهزة لتصبح جزءاً من الرعاية الطبية القياسية.

تظهر القيود في تصميم الدراسة نفسه. فهذه المهام تتمحور حول بيانات نصية، ما يجعل التحكم في المدخلات والتقييم أسهل، لكنها تتجنب أيضاً تعابير الوجه الغامضة الشائعة في العيادات الحقيقية، وإضافات المرضى اللاحقة، وملاحظات التمريض، وقيود الموارد الطبية، وتحديد المسؤولية. وحتى إذا تفوق النموذج على الأطباء في نصوص الحالات، فقد تظهر فجوات عندما تكون البيانات غير مكتملة، أو تختلف طريقة صياغة التعليمات، أو يتغير توزيع الفئات السكانية، أو تكون هناك حاجة إلى التفاعل مع المريض.

الخطوة التالية الحقيقية ليست دفع الذكاء الاصطناعي إلى الخط الأمامي، بل وضعه داخل إطار سريري قابل للاختبار والمساءلة: أي نوع من الأطباء ينبغي أن يساعد، وفي أي نقطة من مسار العمل يقدم المشورة، ومن يكتشف الأخطاء ويتحملها، وهل يلزم خضوعه لمراجعة من جهات تنظيمية مثل FDA، وكيف تراقب المستشفيات الانحياز والأذى بعد إدخاله. وتكمن أهمية هذه الدراسة في أنها تنقل السؤال من «هل يفهم الذكاء الاصطناعي الطب؟» إلى طبقة أكثر حدة: عندما يصبح الذكاء الاصطناعي قادراً على الورق على محاكاة جزء من استدلال الأطباء بل وتجاوزه، فهل يستطيع النظام الصحي تصميم طرق استخدام حذرة بما يكفي؟