حقّقت دراسة حديثة متعددة المراكز على مستوى ألمانيا خطوات كبيرة في تحديد الأمراض الوراثية النادرة وتشخيصها، باستخدام طرق التحليل الجيني المتقدمة.
رصد أمراض وراثية جديدة
واستخدمت الدراسة، التي شملت 16 جامعة ومستشفى جامعياً، بما في ذلك جامعة «بون»، «تسلسل الإكسوم» لفحص المادة الوراثية لـ1577 مريضاً، ما أدى إلى تشخيص حالات 499 فرداً. جدير بالذكر أن 34 من هؤلاء المرضى لديهم أمراض وراثية جديدة لم يُبلّغ عنها سابقاً؛ وهو ما يمثّل مساهمة كبيرة في الفهم والوصف الأوْلي لهذه الأمراض الجديدة.
و«تسلسل الإكسوم» تقنية هندسة وراثية تُستخدم في التحكم بتسلسل جميع مناطق تشفير البروتين للجينات في الجينوم المعروف باسم «الإكسوم».
تقنيات تشخيص متقدمة بالذكاء الاصطناعي
وكانت الدراسة رائدة في استخدام الذكاء الاصطناعي (AI) في تشخيص الأمراض النادرة. ونُشرت نتائجها في مجلة «نتشر جينتكس» (Nature Genetics) في 22 يوليو (تموز) 2024 من فريق بعضوية الدكتورة تيريزا برونيه أحد المؤلفين الرئيسيين من معهد علم الوراثة البشرية معهد الإحصاء الجينومي والمعلوماتية الحيوية لدى جامعة «بون» كلية الطب ومستشفى جامعة «بون» ألمانيا، وزملائها.
واستُخدم نظام الذكاء الاصطناعي «GestaltMatcher»، وهو عبارة عن مجموعة يجري تحديثها باستمرار من الصور الطبية للأفراد المصابين بأمراض نادرة وأنظمة الذكاء الاصطناعي لتفسير هذه البيانات، الذي طوّره الباحثون للمساعدة في تشخيص المتلازمات الوراثية الخلقية من خلال تحليل ملامح الوجه. وقد أثبت هذا النظام فائدته لا سيما في الحالات التي تكون فيها الارتباطات بين النمط الظاهري والآخر الوراثي حاسمة، إذ يمثّل استخدام الذكاء الاصطناعي تقدماً كبيراً في عملية التشخيص السريري؛ ما يتيح إجراء تقييمات أكثر كفاءة ودقة.
مشروع مبتكر لرصد التغيرات الجينية
وكانت الدراسة جزءاً من مشروع «صندوق الابتكار» (TRANSLATE NAMSE) لمدة ثلاث سنوات، الذي يهدف إلى تعزيز رعاية المرضى الذين يعانون من أمراض نادرة من خلال تقنيات التشخيص الحديثة.
وشمل المشروع تحليل بيانات «تسلسل الإكسوم» من 1309 أطفال، وتحديد الأسباب الوراثية في 425 منهم.
واكتشف الباحثون تغيّرات في 370 جيناً مختلفاً، ما يعرّض التنوع الجيني والتعقيد المرتبط بالأمراض النادرة. أما بالنسبة إلى الحالات التي لم تُشخّص فقد جرى التخطيط لمزيد من التحقيقات في إطار مشروع تسلسل الجينوم (MVGenomSeq) وهي تقنيه ستستخدم تسلسل القراءة الطويلة الذي يمكنه تحليل أجزاء أطول من الحامض النووي (دي إن إيه)؛ ما قد يكشف عن التغيرات الجينية التي قد تفشل فيها طرق القراءة الأقصر.
التقييس والنهج متعدد التخصصات
وفي الدراسة الاستطلاعية كان الهدف الرئيسي تقييم القيمة السريرية لـ«تسلسل الإكسوم» في مجموعة الأمراض النادرة للغاية. وكانت أهداف الدراسة الحالية هي إجراء تحقيق منهجي للبيانات الوراثية المظهرية والجزيئية للمرضى الذين خضعوا لـ«تسلسل الإكسوم»، من أجل تحديد نتيجة كل من التشخيصات النادرة للغاية وارتباطات الأمراض الجينية الجديدة وتحديد ما إذا كان الاستخدام التكميلي لأدوات التعلم الآلي والذكاء الاصطناعي قد أدى إلى تحسين فاعلية التشخيص وكفاءته.
وتتعلّق غالبية هذه الحالات باضطرابات معروفة، وكان معظمها نادراً للغاية، ومن خلال عملية التشخيص حُدّد 34 ارتباطاً جديداً، و23 ارتباطاً بين النمط الوراثي والآخر الظاهري خصوصاً في الأفراد الذين يعانون من اضطرابات النمو العصبي؛ لتحديد احتمالية أن يؤدي «تسلسل الإكسوم» إلى تشخيص جزيئي لدى مريض معين، استناداً إلى السمات السريرية المعنية فقط.
الاتجاهات المستقبلية والآثار السريرية
يؤكد التطبيق الناجح لمشروع «تسلسل الجينوم»، خصوصاً في فحوصات الأطفال المبكرة، إمكانات الذكاء الاصطناعي في التشخيص والتدخل المبكر. ويمكن أن يكون هذا مفيداً بوجه خاص في أثناء الفحوصات الروتينية في الأعمار من 21 إلى 24 شهراً، ومن 34 إلى 36 شهراً، إذ يمكن اكتشاف العلامات المبكرة للأمراض النادرة.
كما أظهرت التحليلات الحالية أن مفهوم التشخيص المنظم الجديد سهّل تحديد الاضطرابات الوراثية النادرة للغاية وارتباطات الأمراض الجينية الجديدة على المستوى الوطني، وأن أدوات التعلم الآلي والذكاء الاصطناعي حسّنت فاعلية التشخيص وكفاءته للاضطرابات الوراثية النادرة للغاية.
حقائق
34
من المرضى الخاضعين للدراسة رُصدت لديهم أمراض وراثية جديدة لم يُبلّغ عنها سابقًا
مع ازدياد احتياجات الذكاء الاصطناعي التوليدي، بدأت أوساط قطاع النشر هي الأخرى في التفاوض مع المنصات التي توفر هذه التقنية سعياً إلى حماية حقوق المؤلفين.
«جراح آلي» بذكاء اصطناعي دُرّب على مشاهدة فيديوهات طبية
«تخيل أنك بحاجة إلى إجراء عملية جراحية في غضون بضع دقائق لأنك قد لا تنجو... لا يوجد جراحون في الجوار ولكن يوجد روبوت جراحي مستقل متاح يمكنه إجراء هذا الإجراء باحتمالية عالية جداً للنجاح، هل ستغتنم الفرصة؟» هذا ما أجابني به طالب ما بعد الدكتوراه بجامعة جونز هوبكنز عبر البريد الإلكتروني، لدى سؤالي عن التطوير الجديد.
تعليم الروبوت بمقاطع فيديو للجراحة
لأول مرة في التاريخ، تمكن كيم وزملاؤه من تعليم الذكاء الاصطناعي استخدام آلة جراحة آلية لأداء مهام جراحية دقيقة، من خلال جعلها تشاهد آلاف الساعات من الإجراءات الفعلية التي تحدث في ردهات جراحية حقيقية. ويقول فريق البحث إنه تطور رائد يتجاوز حدوداً طبية محددة ويفتح الطريق لعصر جديد في الرعاية الصحية.
وفقاً لورقتهم البحثية المنشورة حديثاً، يقول الباحثون إن الذكاء الاصطناعي تمكن من تحقيق مستوى أداء مماثل لجراحي البشر دون برمجة مسبقة.
جراحة بتوظيف الروبوت
تدريب على العروض بدلاً من البرمجة
وبدلاً من محاولة برمجة الروبوت بشق الأنفس للعمل -وهو ما تقول ورقة البحث إنه فشل دائماً في الماضي- قاموا بتدريب هذا الذكاء الاصطناعي من خلال شيء يسمى التعلم بالتقليد، وهو فرع من الذكاء الاصطناعي حيث تراقب الآلة وتكرر الأفعال البشرية. سمح هذا للذكاء الاصطناعي بتعلم التسلسلات المعقدة للأفعال المطلوبة لإكمال المهام الجراحية عن طريق تقسيمها إلى مكونات حركية. وتترجم هذه المكونات إلى أفعال أبسط -مثل زوايا المفاصل ومواضعها ومساراتها- والتي يسهل فهمها وتكرارها وتكييفها أثناء الجراحة.
توظيف روبوت «دافنشي» للتدريب
استخدم كيم وزملاؤه نظام دافنشي الجراحي كأيدٍ وعيون لهذا الذكاء الاصطناعي. ولكن قبل استخدام المنصة الروبوتية الراسخة (التي يستخدمها الجراحون حالياً لإجراء عمليات دقيقة محلياً وعن بُعد) لإثبات نجاح الذكاء الاصطناعي الجديد، قاموا أيضاً بتشغيل محاكاة افتراضية. وقد سمح هذا بتكرار أسرع وتحقق من السلامة قبل تطبيق الإجراءات التي تم تعلمها على الأجهزة الفعلية.
«كل ما نحتاجه هو إدخال الصورة، ثم يجد نظام الذكاء الاصطناعي هذا الإجراء الصحيح»، كما يقول كيم. كانت روبوتات دافنشي أيضاً مصدر مقاطع الفيديو التي حللها الذكاء الاصطناعي، باستخدام أكثر من 10000 تسجيل تم التقاطها بواسطة كاميرات المعصم أثناء العمليات الجراحية التي يقودها الإنسان.
تعلّم 3 مهام جراحية
وكان الهدف تعلم ثلاث مهام جراحية: التعامل مع إبرة جراحية وتحديد موضعها، ورفع الأنسجة والتلاعب بها بعناية، والخياطة -كلها مهام معقدة تتطلب تحكماً دقيقاً وحساساً للغاية.
مكنت مجموعة البيانات واسعة النطاق هذه الذكاء الاصطناعي من تعلم الاختلافات الدقيقة بين الإجراءات الجراحية المتشابهة، مثل شدة التوتر المناسب اللازم للتعامل مع الأنسجة دون التسبب في ضرر.
تعد مقاطع الفيديو التدريبية هذه جزءاً صغيراً جداً من مستودع واسع النطاق للبيانات الجراحية. مع ما يقرب من 7000 روبوت دافنشي قيد الاستخدام في جميع أنحاء العالم، هناك مكتبة ضخمة من العروض الجراحية للمراقبة والتعلم منها، والتي يستخدمها فريق البحث الآن لتوسيع ذخيرة الذكاء الاصطناعي الجراحية لدراسة جديدة لم تُنشر بعد.
«في عملنا المتابع، والذي سنصدره قريباً، ندرس ما إذا كانت هذه النماذج يمكن أن تعمل في الإجراءات الجراحية طويلة المدى التي تنطوي على هياكل تشريحية غير مرئية»، يكتب كيم، في إشارة إلى الإجراءات الجراحية المعقدة التي تتطلب التكيف مع حالة المريض في أي وقت معين، مثل إجراء عملية جراحية على جرح داخلي خطير.
التحقق من صحة النموذج المطور
أثناء التطوير، عمل الفريق عن كثب مع الجراحين الممارسين لتقييم أداء النموذج وتقديم ملاحظات حاسمة (خاصة فيما يتعلق بالتعامل الدقيق مع الأنسجة)، والتي قام الروبوت بدمجها في عملية التعلم الخاصة به.
أخيراً، للتحقق من صحة النموذج، استخدموا مجموعة بيانات منفصلة غير مدرجة في التدريب الأولي لإنشاء محاكاة افتراضية، ما يضمن قدرة الذكاء الاصطناعي على التكيف مع السيناريوهات الجراحية الجديدة وغير المرئية قبل الشروع في اختبارها في الإجراءات المادية. أكد هذا التحقق المتبادل قدرة الروبوت على التعميم بدلاً من مجرد حفظ الإجراءات، وهو أمر بالغ الأهمية بالطبع نظراً للعدد المجهول المحتمل الذي قد ينشأ في غرفة العمليات.
جراح آلي «ذو خبرة»
كل شيء سار بشكل جميل إذ تعلم نموذج الروبوت هذه المهام إلى مستوى الجراحين ذوي الخبرة. يقول أكسل كريغر، الأستاذ المساعد في الهندسة الميكانيكية في جامعة جونز هوبكنز والمؤلف الرئيسي للدراسة، في بيان عبر البريد الإلكتروني: «إنه لأمر سحري حقاً أن يكون لدينا هذا النموذج حيث كل ما نقوم به هو تلقيمه مدخلات الكاميرا، ويمكنه التنبؤ بالحركات الروبوتية اللازمة للجراحة». «نعتقد أن هذا يمثل خطوة مهمة إلى الأمام نحو أفق جديد في مجال الروبوتات الطبية».
تطوير رائد
إن أحد مفاتيح هذا النجاح هو استخدام الحركات النسبية بدلاً من التعليمات المطلقة. ففي نظام دافنشي قد لا تنتهي الأذرع الآلية إلى حيث هي مقصودة تماماً بسبب التناقضات الطفيفة في حركة المفصل التي تتراكم على مدار عدة حركات ويمكن أن تؤدي في النهاية إلى أخطاء كبيرة -خاصة في بيئة حساسة مثل الجراحة. كان على الفريق إيجاد حل، لذا بدلاً من الاعتماد على هذه القياسات، قام بتدريب النموذج على التحرك بناءً على ما يلاحظه في الوقت الفعلي أثناء إجراء العملية.
لكن الابتكار الرئيسي هنا هو أن التعلم بالتقليد يزيل الحاجة إلى البرمجة اليدوية للحركات الفردية. قبل هذا الاختراق، كانت برمجة الروبوت للخياطة تتطلب ترميزاً يدوياً لكل حركة بالتفصيل. يقول كيم إن هذه الطريقة كانت أيضاً عرضة للخطأ وتشكل قيداً رئيسياً في تقدم الجراحة الروبوتية. إذ إنها حدت مما يمكن للروبوت فعله بسبب جهود التطوير، والافتقار إلى المرونة التي جعلت من الصعب للغاية على الروبوتات القيام بمهام جديدة.
ومع ذلك، يسمح التعلم بالتقليد للروبوت بالتكيف بسرعة مع أي شيء يمكن مشاهدته، والتعلم على غرار طالب الجراحة. «(نحن) نحتاج فقط إلى جمع بيانات التعلم التقليدي لإجراءات مختلفة، ويمكننا تدريب الروبوت على تعلمها في غضون يومين»، كما يقول كريغر. «هذا يسمح لنا بالتعجيل نحو هدف الاستقلالية مع تقليل الأخطاء الطبية وتحقيق جراحة أكثر دقة».
تقييم مدى النجاح
لقياس مدى نجاح الذكاء الاصطناعي، حدد الباحثون مقاييس الأداء الرئيسية، مثل الدقة في وضع الإبرة والاتساق في التلاعب بالأنسجة باستخدام مجموعة من البيئات الجراحية الوهمية المادية، والتي تضمنت محاكيات الأنسجة الاصطناعية والدمى الجراحية. وكانت النتائج مذهلة. يقول كريغر: «النموذج جيد جداً في تعلم الأشياء التي لم نعلمه إياها. على سبيل المثال، إذا أسقط الإبرة، فسوف يلتقطها تلقائياً ويستمر».
لا تعد هذه القدرة على التكيف مهمة فقط لمواصلة تعلم مهارات جديدة ولكنها أيضاً ضرورية للتعامل مع الأحداث غير المتوقعة في الجراحات الحية، مثل تمزق الشريان أو تغير العلامات الحيوية للمريض فجأة. بالإضافة إلى ذلك، أظهر النموذج كفاءة زمنية محسنة، ما أدى إلى تقليل وقت الانتهاء للمهام الجراحية القياسية مثل الخياطة بنحو 30 في المائة، وهو أمر واعد بشكل خاص للعمليات الحرجة من حيث الوقت.
ويتصور العلماء سيناريو حيث تساعد هذه الروبوتات الجراحين في المواقف عالية الضغط، وتعزيز قدراتهم وتقليل الخطأ البشري. سيؤثر جراحو الذكاء الاصطناعي المستقبليون بشكل كبير على توفر الرعاية الجراحية، مما يجعل التدخلات الطبية عالية الجودة متاحة لعدد أكبر.
اللوائح التنظيمية وأخلاقيات الطب
هناك أيضاً تحديات أخلاقية وتنظيمية يجب معالجتها قبل نشر مثل هذا الذكاء الاصطناعي في بيئات جراحية حقيقية دون إشراف بشري. فالقفزة نحو الروبوتات الجراحية المستقلة تثير مخاوف أخلاقية جديدة.
هناك قضية المساءلة: من سيكون مسؤولاً إذا حدثت مشكلة؟ الشركة التي صنعت الجراح الذكي؟ المهنيون الطبيون الذين يشرفون عليه (إذا كان هناك أي إشراف)؟ هناك أيضاً مسألة موافقة المريض، والتي ستتطلب تثقيف كل من الشخص الذي يخضع للجراحة والأشخاص المحيطين به حول ماهية هذا الذكاء الاصطناعي، وما الذي يمكنهم فعله بالضبط، وما هي المخاطر التي تشكلها الروبوتات مقارنة بالجراحين البشر.
يعترف كيم بأن المستقبل الآن في منطقة رمادية حيث يمكن للجميع مجرد التكهن بما يجب أن يحدث أو سيحدث. ستكون أيدي السلطات التنظيمية مشغولة، من معالجة المساءلة والمخاوف الأخلاقية عند السماح لجراحي الذكاء الاصطناعي بالعمل بشكل مستقل، إلى وضع معايير للحصول على موافقة مستنيرة من المرضى.
ولكن عند الاختيار بين إجراء عملية جراحية طارئة منقذة للحياة بواسطة جراح مستقل أو عدم تلقي العلاج لأن الجراح البشري غير متاح (مثلاً في مكان بعيد أو منطقة متخلفة)، يزعم كيم أن الخيار الأفضل واضح. يمكنني بسهولة أن أتخيل مستقبلاً قريباً حيث يبدأ الناس في اختيار روبوتات الذكاء الاصطناعي على نظرائهم من البشر - في ظل وجود دليل إحصائي على أن جراحي الذكاء الاصطناعي يعملون بأمان.
وبعيداً عن التحديات الأخلاقية والقانونية، هناك حاجة إلى المزيد من العمل لتمكين التنفيذ العملي. ستحتاج المستشفيات إلى الاستثمار في البنية الأساسية التي تدعم جراحة الروبوتات بالذكاء الاصطناعي، بما في ذلك الأجهزة المادية والخبرة الفنية للتشغيل والصيانة. بالإضافة إلى ذلك، سيكون تدريب الفرق الطبية على إدارة العملية أمراً بالغ الأهمية. فالأطباء سيحتاجون إلى فهم الآلة ومتى يكون التدخل ضرورياً، وفي النهاية تحويل الجراحين البشريين من المهام الجراحية المباشرة إلى أدوار تركز على الإشراف والسلامة.
جراحات بسيطة أولاً
على المستوى العملي، يتصور الباحثون تقدماً تدريجياً، بدءاً بجراحات أبسط وأقل خطورة مثل إصلاح الفتق والتقدم تدريجياً إلى عمليات أكثر تعقيداً. سيساعد النهج التدريجي في التحقق من موثوقية الروبوت مع معالجة المخاوف التنظيمية والأخلاقية بمرور الوقت، فضلاً عن مساعدة السكان على الثقة في الذكاء الاصطناعي لإجراء العمليات الحرجة للحياة.
يقول كريغر: «ما زلنا في المراحل الأولى من فهم ما يمكن أن تحققه هذه الآلات حقاً. الهدف النهائي هو الحصول على أنظمة جراحية مستقلة تماماً وموثوقة وقابلة للتكيف وقادرة على إجراء العمليات الجراحية التي تتطلب حالياً اختصاصياً مدرباً تدريباً عالياً».
