كيف ستشعرون لو لجأ طبيبكم إلى نظام ذكاء صناعي مدرّب على تاريخكم الطبّي، بدل معرفته العaيادية، ليساعده في تشخيص مرضكم المحتمل التّالي أو كتابة وصفتكم الطبية؟
بقيت هذه السيناريوهات افتراضية لعقود لأنّ التقنية كانت ضعيفة، كما أن الشكوك أكبر بكثير من المخاطرة بالاعتماد على آلة لتقديم المشورة الطبية. ولكنّ نجاح النماذج اللغوية البارزة مثل «تشات جي.بي.تي»، برنامج الذكاء الصناعي الشهير الذي طوّره مختبر «أوبن إي آي» البحثي، دفع العلماء إلى إعادة النظر بالاحتمالات.
في ديسمبر (كانون الأول) الفائت، قرأتُ في لائحة من الأوراق البحثية حول التعلّم الآلي التي لم تنشر بعدُ، عن «فورسايت»، وهو نموذج تعلّم آلي طبي طوّره باحثون في جامعة «كينغز كوليدج لندن».
يستخدم «فورسايت» برنامج «جي بي تي - 3» الذي يشغّل «تشات جي بي تي»، بالإضافة إلى استخدام سجلّات صحية إلكترونية حقيقية «لتوقّع الأحداث المستقبلية، وتقدير المخاطر، واقتراح تشخيصات بديلة أو التنبؤ بالمضاعفات» لأشخاص افتراضيين أو حقيقيين تعود لهم المعلومات التي تغذّى بها النموذج.
شمل تدريب النموذج بيانات حقيقية غير معرّفة من مستشفى «كينغ كوليدج» جُمعت بين عامي 2010 و2019. وبعدها، اكتشفتُ أنّ «فورسايت» ليس نظام الذكاء الصناعي الطبي الوحيد الموجود اليوم. ففي أواخر العام الماضي، أعلنت شركة «غوغل» عن «ميد – بالم»، نسخة من نموذج «بالم» الشامل الذي طوّرته وغذّته بنصوص من شبكة الإنترنت والكتب ومستندات طبية دقيقة.
خرجت «غوغل» بادعاءات مثيرة للاهتمام حول نموذجها، فقد استطاع ذكاؤها الصناعي الإجابة عن أسئلة طبية شائعة تتطلّب ردوداً طويلة مكتوبة. ووجد أطبّاء حقيقيون أنّ 92.6 في المائة من إجابات «ميد – بالم»، «كانت متوافقة مع الإجماع العلمي»، أي أقلّ بـ0.3 في المائة فقط من توافق إجابات الأطباء البشر.
لفت المختصّون الذين قيّموا قدرات النموذج إلى أنّ الفجوات في بعض الإجابات والمسائل المحتملة المتعلّقة بالسلامة تعني أنّ النموذج «ليس جاهزاً بعد للاستخدام العيادي»، ولكنّهم أكّدوا في المقابل أنّ هذا النوع من الذكاء الصناعي يتقدّم بسرعة.
دفعتني هذه النتائج إلى التساؤل: كم باتت قريبة رؤية أدوات الذكاء الصناعي في العيادات، وما إذا كانت البيانات التي تتغذّى بها فعلاً غير معرّفة، أي سرّية؟ وللاستيضاح، تحدثتُ مع اثنين من مبتكري «فورسايت» اللذين أكّدا لي أنّ البيانات غير معرّفة وأنّهم أزالوا المعلومات التي قد تكشف هوية المرضى، كالأمراض النادرة مثلاً، انطلاقاً من السجلّات الإلكترونية الحقيقية قبل تلقينها للنموذج.
وأكّد جيمس تيو، أحد أعضاء الفريق المطوّر لـ«فورسايت» أنّ «خطر تحديد هوية المريض في نموذج الذكاء الصناعي يبلغ الصفر».
لم يستخدم مصممو «فورسايت» أو حتّى «ميد – بالم» (حتّى اليوم) نماذج الذكاء الصناعي التي طوّروها في الإعدادات العيادية، أي إنّها لم تباشر بعد بتقييم المرضى والحالات الطبية، ولكنّ نتائجها مشجعة. فقد عمد خمسة أطبّاء إلى تقييم توقعات النماذج للمشكلات الصحية المستقبلية لـ34 مريضاً مفترضاً ووجدوا أنّ توقّعاتها الأساسية للحالات كانت ذات صلة في 97 في المائة من الحالات.
لم يحدّد تيو تاريخاً للبدء باستخدام «فورسايت» في العالم الحقيقي، وكشف أنّهم ما زالوا بحاجة إلى سنة لجمع المزيد من البيانات عن دقّة النموذج وقابلية تفسيره، ولكنه رجّح أن تبلغ هذه النماذج مستوى المهارة العيادية قبل أن تتمكّن المؤسسات المختصّة كالوكالة التنظيمية للأدوية ومنتجات الرعاية الصحية في المملكة المتحدة من تقييمها بالشكل الصحيح. وأضاف تيو أنّ «(فورسايت) يحقّق الجدوى التقنية إلى درجة معيّنة، ولذا يبقى على الجهات المنظّمة أن تطوّر إطارات عملها لتصبح قادرة على تقدير ما إذا كان النموذج يرقى إلى الجدوى التنظيمية».
ما زلنا لا نعرف ماهية هذه الأطر ولكنّها ستنظر على الأرجح فيما إذا كانت هذه النماذج تستطيع توليد إجابات دقيقة وموثوقة، وإلى شفافية قراراتها. ويجب أن تثبت هذه النماذج أيضاً أنّها غير منحازة تجاه مجموعة معيّنة من الناس، خصوصاً أن الانحياز يعد من أبرز مشكلات نماذج الذكاء الصناعي نظراً لطريقة تدريبها. يلعب هذا الأمر دوراً بالغ الأهمية في العناية الصحية في المناطق التي تؤثر فيها المجموعات السكانية على النتائج الطبية، حسبما قال ديفيد ليسلي من معهد «آلان تورينغ».
ولفت ليسلي أيضاً إلى أنّ الذكاء الصناعي الطبي يصطدم بمأزق آخر يُعرف بـ«هلوسات الذكاء الصناعي»، حيث قد تُولّد النماذج «نتائج خيالية، وغير موثوقة، وغير منطقية».
هذه الأسئلة جميعها ستُطرح على الوكالة التنظيمية للأدوية ومنتجات الرعاية الصحية عندما يحين الوقت، ولكن إذا شهدت النتائج الأولية التي صدرت عن هذه النماذج المزيد من التحسينات، سيكون السؤال الأساسي «متى» وليس «هل» سيصبح التشخيص الطبي مدعوماً بمساعدة الذكاء الصناعي؟
* «نيو ساينتست»
- خدمات «تريبيون ميديا»
