الذكاء الاصطناعي الطبي · global
إيقاف السجل الطبي قبل التشخيص: Protege تطلق تقييماً للاستدلال التشخيصي بالذكاء الاصطناعي
256 حالة راجعها أطباء، لاختبار قدرة الذكاء الاصطناعي على تحديد الأمراض من سجلات طبية لم تُدوَّن فيها الإجابة بعد. يقترب هذا الاختبار أكثر من قيود المعلومات في الممارسة التشخيصية، لكن قدرته على تقصير رحلة المرضى في طلب الرعاية لا تزال تحتاج إلى أدلة سريرية.
قد تكون دلائل المرض متناثرة بالفعل في سجلات الزيارات الطبية السابقة وتقارير الفحوص، من دون أن تتجمع بعد في تشخيص واضح. فهل يستطيع الذكاء الاصطناعي قراءة هذه الإشارات؟ أعلنت Protege في 21 أكتوبر عن تقييم Disease Odyssey، الذي يقتطع السجلات الطبية عند نقطة تسبق تدوين التشخيص، لاختبار قدرة النماذج على تحديد الأمراض الآخذة في التطور، ناقلاً أسئلة الذكاء الاصطناعي الطبي من المعرفة الطبية إلى تفسير سجلات طبية محددة.
يضم هذا التقييم الاستعادي 256 حالة قبلها أطباء، تغطي 129 فئة تشخيصية وفق ICD-10، ويقارن بين أربعة نماذج متقدمة. وبحسب وثائقه على GitHub، أُزيلت جميع البيانات المسجلة في يوم أول توثيق للتشخيص المستهدف وما بعده؛ أما نتائج الفحوص، فلا تُحتفظ بها إلا إذا كان كلٌّ من تاريخ أخذ العينة وتاريخ النتيجة سابقاً لنقطة القطع. ويهدف هذا الحد الزمني إلى منع النموذج من الإجابة استناداً إلى معلومات لم تكن متاحة آنذاك.
قُدِّم السجل الطبي نفسه بصيغتين: إجابة مفتوحة واختيار إجابة واحدة من ستة خيارات، وأجاب كل نموذج ثلاث مرات عن كل صيغة. وتقول Protege إن النماذج الأربعة جميعها حققت أداءً أفضل في أسئلة الاختيار من متعدد مقارنة بالإجابة المفتوحة؛ ولخّص إعلان آخر للشركة عن إطلاق الخدمة نسبة صحة التشخيص بأنها تتراوح بين 51% و67%، وذكر أمراضاً مثل انقطاع النفس النومي وفقر الدم. تصف هذه الأرقام الأداء ضمن حالات وشروط تقييم محددة، ولا يمكن اعتبارها مباشرةً مقياساً للدقة في الزيارات الطبية اليومية.
كشف التقييم أيضاً أن تحديد «الإجابة الخاطئة» ليس سهلاً بالضرورة. فقد عرضت Protege حالة لانقطاع النفس النومي: لم تطابق أيٌّ من إجابات النماذج المفتوحة التشخيص المرجعي، لكن الأطباء المراجعين رأوا أن الأمراض الأخرى التي اقترحتها النماذج تستند أيضاً إلى مبررات معقولة. فقد يدعم السجل الطبي عدة تفسيرات في الوقت نفسه؛ ومن ثم فإن اشتراط أن يصيب النموذج تشخيصاً واحداً دُوِّن لاحقاً قد يؤدي إلى احتساب حكم سريري معقول على أنه إجابة تستوجب خصم نقاط.
لإتاحة فحص منهجية الاختبار، نشرت Protege على GitHub النصوص الكاملة للتعليمات الموجَّهة إلى النماذج في صيغتي الأسئلة، وكذلك تعليمات النموذج اللغوي الكبير المستخدم لتقييم الإجابات المفتوحة ووثائق احتساب الدرجات. لكن السجلات الطبية والتشخيصات المرجعية والخيارات ومراجعات الأطباء ومخرجات النماذج لم تُنشر، كما يقتصر استخدام المعيار على التقييم، ولا يُتاح للتدريب أو الضبط الدقيق. يساعد نشر قواعد الأسئلة على فهم طريقة القياس، إلا أن الباحثين الخارجيين لا يزالون غير قادرين على إعادة إنتاج النتائج بالكامل اعتماداً على المستودع وحده.
يشكّل Disease Odyssey أيضاً جزءاً من خدمة جديدة أطلقتها Protege للتقييم المستقل للذكاء الاصطناعي الطبي. وتقول الشركة إن البيانات تأتي من شبكتها من مقدمي الرعاية الصحية، وإن خبراء سريريين يراجعون الأسئلة والإجابات، وإنها تبذل ما في وسعها لتجنب التداخل بين بيانات الاختبار وبيانات تدريب النماذج. وهذه توضيحات يقدمها مزوّد التقييم بشأن إجراءاته، ولا يمكن اعتبارها بعدُ دليلاً خارجياً على استبعاد تداخل البيانات تماماً.
بالنسبة إلى المرضى، يتجاوز الاختبار الحقيقي الدرجات: هل تؤدي الإشارات التي يقدمها الذكاء الاصطناعي إلى إجراء الفحوص المناسبة وتقليل التأخر، وهل قد تزيد الإنذارات الكاذبة والإجراءات غير الضرورية؟ الحالات الحالية منتقاة، ولا تمثل عينة لجميع سياقات الزيارات الطبية، كما لم يُختبر التعاون بين الأطباء والذكاء الاصطناعي ضمن الرعاية المستمرة. يقدم هذا التقييم نقطة انطلاق ملموسة لفحص القدرة التشخيصية؛ أما قدرته على تحسين نتائج المرضى، فلا تزال تتطلب تتبّع كيفية تغيير التنبؤات للقرارات الطبية الفعلية.