تبني الذكاء الطبي يسبق أدلة الفاعلية السريرية

Key Points

1. تتوسع المستشفيات في استخدام الذكاء الاصطناعي، بينما تظل أدلة تحسينه نتائج المرضى محدودة.
2. إنذارات الإنتان المتكررة تكشف كيف يتراجع أداء النماذج عند اصطدامها بسير العمل السريري.
3. ضعف التحقق والرقابة غير المتكافئة قد يفاقمان الأخطاء والتحيز والفوارق بين المؤسسات الصحية.

الحدث

يتسارع انتشار الذكاء الاصطناعي في المستشفيات والعيادات والأبحاث بوتيرة تتجاوز الأدلة على قيمته السريرية الفعلية، ما يضع أثره في نتائج المرضى تحت تدقيق متزايد. واختبرت الطبيبة كايلا سيكريست هذه الفجوة خلال بدء إقامتها في مستشفى بميشيغان، حيث كان نظام لرصد الإنتان يفحص السجلات كل 15 دقيقة ويرسل تنبيهات عند ظهور مؤشرات خطر. لكن كثرة الإنذارات دفعت الأطباء تدريجيا إلى تجاهلها والتوقف عن التعامل معها بإلحاح، وحولت أداة يفترض أن تخفف العبء إلى مصدر جديد لإرهاق التنبيهات. وعرفت سيكريست لاحقا أن النظام نُشر في مئات المستشفيات من دون اختبارات واسعة في بيئات سريرية واقعية.

التفاصيل

• معيار الفاعلية: يركز المطورون عادة على الدقة الإحصائية، لكن جيس مورلي، الباحثة في مركز ييل للأخلاقيات الرقمية، ترى أن المعيار الأهم هو تأثير الأداة في نتائج المرضى. واستشهد إريك توبول بدراسة عام 2024 رصدت اكتشاف اختصاصيي الجهاز الهضمي سلائل أكثر بكثير عند استخدام الذكاء الاصطناعي في تنظير القولون.
• مكاسب معلنة: قالت أوبن إيه آي إن شبكة أدفنت هيلث الأميركية خفضت 80% من وقت بعض المهام الإدارية باستخدام «تشات جي بي تي للرعاية الصحية». وخلصت مراجعة مستقلة لتجربتها مع «بيندا هيلث» الكينية إلى انخفاض أخطاء التشخيص 16% بين الأطباء المستخدمين للمساعد. وتُختبر أدوات أخرى لمراقبة المرضى والتنبؤ بمخاطر الأمراض وتطوير الأدوية.
• فجوة الشفافية: قال أندرو وونغ، الطبيب والباحث بجامعة ميشيغان، إن تقييم مزاعم الكفاءة وتحسين سير العمل والوفورات يتطلب معلومات عن التدريب والبيانات والتطوير والتحقق المستقل. وفي أبحاث أوتريخت، افتقرت 20 من 21 خلاصة أوصت بالاستخدام اليومي إلى تحقق خارجي.
• اختبار تنظيمي: وجد تقرير لجامعة ستانفورد أن إدارة الغذاء والدواء الأميركية أجازت 258 جهازا طبيا مدعوما بالذكاء الاصطناعي في 2025. ولم يتطلب معظمها تجارب سريرية جديدة، بينما استند 2.4% فقط إلى نوع الأدلة التجريبية المطلوبة عادة للأدوية. وتعقّد قابلية النماذج التوليدية للتحديث أو إعادة التدريب أو الاستبدال الاختبارات التقليدية، كما قد تفتقر تقارير الشركات إلى البيانات اللازمة لتحليل مستقل بعد التسويق.
• قدرات متفاوتة: أظهر بحث قادته بايج نونغ عام 2024 أن أكثر بقليل من نصف المستشفيات المشمولة قيّمت أدوات الذكاء الاصطناعي بحثا عن التحيز قبل تخصيص الموارد أو رعاية المرضى. وقد تفتقر المستشفيات الريفية محدودة الموظفين إلى القدرة على إجراء هذا التقييم.
• تحيز البيانات: درس زياد أوبيرماير نظاما يخصص الموارد اعتمادا على الإنفاق الصحي السابق مؤشرا للاحتياجات المقبلة. ولأن الإنفاق قد يعكس فرص الوصول إلى الرعاية لا الحاجة الطبية، فقد يتجاهل مرضى حصلوا تاريخيا على رعاية أقل، بينهم بعض الأقليات العرقية وغير الناطقين بالإنجليزية.

بين السطور

الفاصل الحاسم ليس قدرة النموذج على التنبؤ داخل المختبر، بل ما يحدث بعد إدخاله إلى سير العمل: هل تنخفض الأخطاء، وتتحسن النتائج، وتتحقق كفاءة قابلة للقياس رغم ضغط الطواقم وتعقيد حالات المرضى؟ فالنجاح الإحصائي لا يساوي تلقائيا منفعة سريرية.

ماذا بعد؟

ينتظر أن تحسم الجهات البريطانية قبول مقترح اللجنة الوطنية لتنظيم الذكاء الاصطناعي في الرعاية الصحية، الذي يربط الترخيص المشروط بإثبات السلامة والفاعلية والمراقبة المستمرة. وتدرس الجهات الأميركية استخدام أدلة ناتجة من التطبيق الواقعي في الموافقات المستقبلية.