درس بصري من الحمام: هل يمكنه سد اللحظة التي تفوّتها الذكاء الاصطناعي الطبي؟

غالبًا لا تكمن أصعب جوانب التشخيص المبكر للسرطان في أن الآفة غير موجودة تمامًا، بل في أنها لا تظهر إلا كإشارة تصويرية شديدة الدقة. عندما يبحث أطباء الأشعة عن عقيدات رئوية بين عدد كبير من الصور المقطعية، وعندما يُطلب من نماذج الذكاء الاصطناعي تمييز الشذوذ وسط الضجيج والظلال والتباينات التشريحية الطبيعية، يصبح السؤال: ما نوع الدلائل البصرية التي تُرى، وما الذي يُفلت قبل أن يصل إلى الحكم الواعي؟

أفادت صحيفة The Times of India بأن Gregory DiGirolamo، من College of the Holy Cross في ووستر بولاية ماساتشوستس الأميركية، يقود بحثًا يستخدم قدرة الحمام على التعرّف البصري لاستكشاف ما إذا كان بإمكان الذكاء الاصطناعي الطبي التقاط الشذوذات التصويرية المرتبطة بالسرطان في وقت أبكر. ولا يهدف هذا العمل إلى تحويل الحمام إلى قارئ سريري للصور، بل إلى الاستفادة من حساسيته لأنماط الصور، ومراقبة كيف يتعلم النظام البصري الحيوي التمييز بين الشاذ والطبيعي في صور CT.

وذكر التقرير أن فريق البحث درّب 6 حمامات على مشاهدة مقاطع قصيرة من صور CT للرئة والحكم على ما إذا كانت تحتوي على عقيدات رئوية. حصلت بعض الحمامات على مكافأة غذائية عند التعرّف إلى الصور التي تحتوي على عقيدات، بينما حصلت حمامات أخرى على المكافأة عند التعرّف إلى الصور الطبيعية؛ ومع تقدم التدريب، لم تتعلم التصنيف فحسب، بل تمكنت أيضًا من تطبيق خبرتها على صور مسح لم ترها من قبل.

الأمر الأكثر إثارة للتفكير هو أن الباحثين قالوا إن الحمام أظهر، من دون تدريب خاص، قدرة على التعرّف إلى شذوذات رئوية أخرى مثل النفاخ الرئوي والعقيدات ذات مظهر الزجاج المصنفر. وترتبط العقيدات ذات مظهر الزجاج المصنفر أحيانًا بسرطان الرئة المبكر، لكنها لا تشبه العقيدات الرئوية النموذجية في مظهرها التصويري؛ وإذا كان ما ورد في التقرير صحيحًا، فهذا يشير إلى أن بعض الشذوذات قد تتشارك سمات بصرية أعمق، وقد لا يكون من السهل بالضرورة على البشر وصف هذه السمات بلغة واضحة.

تشير أبحاث DiGirolamo السابقة ذات الصلة أيضًا إلى معضلة سريرية أخرى: قد يكون الأطباء قد تعرضوا بصريًا لمنطقة مشتبه بها، ومع ذلك يصنفون الصورة في القراءة النهائية على أنها طبيعية. وذكر التقرير أنه عندما يشاهد أطباء الأشعة صور CT تحتوي على عقيدات رئوية مشتبه بها، قد تتوقف أعينهم أحيانًا بالقرب من الآفة، وتظهر تغيّرات في الحدقة، حتى لو لم يصنفوا الصورة لاحقًا على أنها شاذة. وهذا يدفع الباحثين إلى الاشتباه في أن الدماغ قد يلتقط بعض الإشارات على مستوى غير واعٍ، لكن هذه الإشارات لا تنجح بالضرورة في الدخول إلى القرار السريري.

إذا أُريد تحويل هذه الرؤية إلى أدوات ذكاء اصطناعي، فإن المفتاح لا يتمثل فقط في تغذية النموذج بمزيد من الصور، بل في إدخال الفجوة بين الصور، وحركة العين، والاستجابات الفسيولوجية، والتشخيص النهائي ضمن التدريب. في السيناريو المثالي، يمكن للذكاء الاصطناعي أن ينبّه الطبيب أثناء القراءة إلى المناطق الشاذة التي مرّ عليها البصر من دون أن تُوسم بوضوح، بما يساعد على تقليل خطر التشخيص الفائت؛ لكن مثل هذا النظام لا يزال بحاجة إلى اختباره باستخدام مجموعات بيانات صارمة، وتحقق خارجي، وسير عمل سريري حقيقي، لإثبات أنه يحسن جودة التشخيص بدلًا من زيادة إرهاق الإنذارات.

لا تزال المعلومات المتاحة علنًا محدودة للغاية في الوقت الحالي. لم يقدم التقرير الورقة البحثية الكاملة، ولا بيانات أداء تتجاوز حجم العينة، ولا طرق المقارنة، ولا معدلات الأحكام الخاطئة، ولا مسارًا تنظيميًا، كما لا توجد مصادر موثوقة أخرى عن الحدث نفسه تتيح التحقق المتقاطع. لذلك، من الأنسب فهم هذا البحث بوصفه مسارًا بحثيًا مثيرًا للاهتمام: قد يساعد الحمام العلماء على تفكيك نقاط العمى في التعرّف البصري، لكن ما ينبغي أن يدخل المستشفيات فعليًا لا بد أن يكون أدوات مساعدة خضعت للتحقق السريري وتتسم بحدود مسؤولية واضحة.