الذكاء الاصطناعي يحدد جينات محتملة مسؤولة عن خطر مرض باركنسون

بعد توظيفه في إدماج البيانات الجينية والبروتينية والدوائية وسجلات المرضى

الذكاء الاصطناعي يحدد جينات محتملة مسؤولة عن خطر مرض باركنسون
TT

الذكاء الاصطناعي يحدد جينات محتملة مسؤولة عن خطر مرض باركنسون

الذكاء الاصطناعي يحدد جينات محتملة مسؤولة عن خطر مرض باركنسون

في دراسة رائدة، استخدم باحثون من مركز «كليفلاند كلينك» للجينوم، في ولاية أوهايو الأميركية، تقنيات متقدمة للذكاء الاصطناعي، للكشف عن عوامل جينية مرتبطة بتطور مرض باركنسون، كما حددوا أدوية مُعتمدة من قِبل إدارة الغذاء والدواء الأميركية محتملة، يمكن إعادة استخدامها لعلاج هذا الاضطراب العصبي التنكسي، ما يمنح أملاً جديداً لملايين المرضى حول العالم.

البيولوجيا النظامية لفهم «باركنسون»

اعتمد الفريق البحثي على منهجية مبتكرة تُسمى البيولوجيا النظامية (systems biology) التي تدمج وتحلل أشكالاً متعددة من البيانات الجينية والبروتينية والدوائية وسجلات المرضى، باستخدام الذكاء الاصطناعي؛ حيث تتيح هذه الطريقة للباحثين تحديد أنماط وارتباطات قد لا تكون واضحة عند تحليل كل مجموعة بيانات على حدة.

ونُشرت الدراسة في مجلة «npj Parkinson's Disease» في 22 يناير (كانون الثاني) 2025، برئاسة فيكسيونغ تشينغ، مدير مركز «كليفلاند كلينك» للجينوم. ورغم أن مرض باركنسون هو ثاني أكثر الاضطرابات التنكسية العصبية شيوعاً بعد الخرف؛ فليس هناك –حالياً- علاجات لإيقاف أو إبطاء تقدمه.

وكان هدف فريق البحث هو إيجاد علاجات تُعدِّل مسار المرض، وتغيير واقع هذه الحالة المُنهكة، كما تقول ليجون دو من مركز «جينوم كليفلاند كلينيك» ومعهد «الطب الجينومي»، والمؤلفة الأولى للدراسة.

كشف الألغاز الجينية لمرض باركنسون

وكان أحد التحديات الرئيسية في أبحاث باركنسون، هو تحديد الطفرات الجينية المسببة للأعراض. فكثير من الطفرات المرتبطة بالمرض توجد في مناطق غير مشفرة من الحمض النووي (دي إن إيه- DNA)، ما يُصعِّب تحديد الجينات المتأثرة. وكما أوضحت الدكتورة دو، فإن المتغيرات في المناطق غير المُشفرة يمكن أن تؤثر على وظيفة الجينات؛ لكن تحديد الجينات المتأثرة في مرض باركنسون هو عقبة كبيرة.

دمج البيانات الجينية والدوائية

وبناء على ذلك، استخدم الباحثون الذكاء الاصطناعي لدمج وتحليل البيانات الجينية والبروتينية والدوائية، وبيانات المرضى، وكشفوا عن أنماط قد لا ترصدها طرق البحث التقليدية.

ثم قام الفريق بمقارنة المتغيرات الجينية المرتبطة بمرض باركنسون مع قواعد بيانات خاصة بالحمض النووي (دي إن إيه) والتعبير الجيني في الدماغ. وهو ما مكَّنهم من تحديد الجينات في الدماغ التي تتأثر بالمتغيرات غير المُشفرة، ثم دمجوا هذه النتائج مع بيانات البروتينات والتفاعلات الجينية لتحديد جينات خطر محتملة، مثل «SNCA» و«LRRK2» التي تُسبب التهابات في الدماغ عند اختلالها.

إعادة استخدام الأدوية الحالية

ومع قيام فريق البحث بتحديد جينات الخطر، حوَّل الفريق انتباهه إلى البحث عن أدوية موجودة يمكنها استهداف هذه الجينات؛ حيث إن تطوير أدوية جديدة من الصفر عملية طويلة ومكلفة، وقد تستغرق حتى 15 عاماً للحصول على الموافقة. وحسبما أفاد به تشينغ، فإن مرضى باركنسون لا يستطيعون الانتظار هذه المدة كلها؛ لكن إعادة استخدام أدوية مُعتمدة قد تُقلص الوقت اللازم لتقديم خيارات علاجية جديدة.

ومن خلال قواعد البيانات الدوائية حدد الباحثون أدوية مرشحة، منها دواء «سيمفاستاتين- simvastatin» الخافض للكولسترول. وبتحليل السجلات الصحية الإلكترونية وجدوا أن الأفراد الذين يتناولون هذا الدواء كانوا أقل عُرضة للتشخيص بمرض باركنسون. كما تضمنت القائمة أدوية مُثبطة للمناعة ومضادة للقلق، ستخضع لمزيد من الاختبارات المعملية.

تسريع الاكتشاف بالذكاء الاصطناعي

وعادة ما تستغرق الطرق التقليدية لتحديد الجينات والبروتينات والأدوية وقتاً طويلاً، وتستهلك موارد كثيفة؛ لكن النهج القائم على الذكاء الاصطناعي سمح للفريق بتبسيط العملية.

وقد استخدم الفريق التحليلات القائمة على «الشبكات التكاملية integrative network-based analyses» (هو نهج متعدد التخصصات يستخدم لدراسة الأنظمة المعقدة من خلال تمثيلها كشبكات من العناصر المترابطة، ويوفر إطاراً لفهم بنية وسلوك وديناميكيات الأنظمة المختلفة من التفاعلات إلى العمليات البيولوجية والبنية التحتية التكنولوجية). وهذه العملية سَرَّعت الاكتشاف بشكل كبير، مما زاد من فرص إيجاد حلول فعالة للمرضى.

أما الخطوة التالية فهي اختبار عقار «سيمفاستاتين» مع أدوية واعدة أخرى مثبطة للمناعة ومضادة للقلق، في دراسات مختبرية، لتقييم فعاليتها في علاج باركنسون. وقد ساهم النهج القائم على الذكاء الاصطناعي في تسريع تحديد العلاجات المحتملة، وإذا نجحت فقد تُقدِّم هذه الأدوية أملاً جديداً بإبطاء أو إيقاف تقدم المرض.

إمكانات تحويلية ذكية

تسلط هذه الدراسة الضوء على الإمكانات الثورية للذكاء الاصطناعي في البحث الطبي؛ خصوصًا في الأمراض المعقدة مثل باركنسون. ومن خلال الجمع بين البيولوجيا النظامية والذكاء الاصطناعي، تمكن الباحثون من الكشف عن الأسس الجينية وتسريع تطوير علاجات مُلحَّة.

ومع ازدياد شيوع الأمراض التنكسية العصبية بسبب تقدم السكان في العمر، تُقرِّبنا مثل هذه الابتكارات من مستقبل يمكن فيه إدارة هذه الأمراض أو حتى علاجها. وتقدم نتائج هذه الدراسة منارة أمل للمرضى وعائلاتهم، وتُظهر كيف يمكن للتكنولوجيا المتطورة تمهيد الطريق لتقدمات طبية غير مسبوقة.


مقالات ذات صلة

جينات مقاومة المضادات الحيوية موجودة حتى في الرئتين السليمتين

علوم جينات مقاومة المضادات الحيوية موجودة حتى في الرئتين السليمتين

جينات مقاومة المضادات الحيوية موجودة حتى في الرئتين السليمتين

نحو 35 في المائة من الأصحاء يحملونها رغم عدم وجود أي تاريخ مرضي، أو أعراض تنفسية لديهم

د. وفا جاسم الرجب (لندن)
يوميات الشرق نتائج الدراسة كشفت عن وجود تقارب جيني واضح مع سكان المنطقة العربية (تصوير: عبد الفتاح فرج)

«الجينوم المصري» يحدد معدلات الطفرات المسببة لـ13 مرضاً بالبلاد

أعلن وزير التعليم العالي والبحث العلمي المصري، الدكتور عبد العزيز قنصوة عن نتائج أضخم دراسة للتسلسل الجيني الكامل.

أحمد حسن بلح (القاهرة)
علوم روابط جديدة بين الجينات… والأمراض والاستجابة للعلاج

روابط جديدة بين الجينات… والأمراض والاستجابة للعلاج

نحو طب «شخصي» أكثر دقة

د. وفا جاسم الرجب
علوم عملية دقيقة لحقن صبغة في شريان جنين للدجاج

كيف تحوّل بيضةَ دجاجة مصنعاً للأدوية؟

استخدام البيض قد يُخفّض تكلفة العلاجات إلى أقل من عُشر تكلفتها الحالية أو أقل

كارل زيمر (نيويورك)
علوم صورة تعبيرية عن الأبحاث حول هندسة إنتاج خلايا مناعية داخل جسم الإنسان

«كريسبر» داخل الجسم: حقنة بسيطة قد تحل محل أعقد علاجات السرطان

نجح لأول مرة في مكافحة أورام الساركوما إضافة إلى اللوكيميا، والورم النخاعي المتعدد

د. وفا جاسم الرجب (لندن)

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟
TT

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

ما السبب الحقيقي لفشل مبادرات الذكاء الاصطناعي في المؤسسات؟

عندما طرح «تشات جي بي تي» في نوفمبر (تشرين الثاني) 2022، كان رد الفعل فورياً وقوياً: إنه يعمل! ولأول مرة، اختبر ملايين الأشخاص الذكاء الاصطناعي ليس بوصفه وعداً بعيد المنال، بل بوصفه شيئاً مفيداً وبديهياً. وحتى مع عيوبه، فقد ظهر أنه يتمتع بقدرات مذهلة.

حدس صحيح واستنتاج خاطئ

كان هذا الحدس صحيحاً. أما الاستنتاج الذي تلاه فكان خاطئاً. لأن ما ينجح ببراعة مع فرد أمام لوحة المفاتيح، أثبت عدم فاعليته بشكل مفاجئ داخل المؤسسة.

الشركات لا تُدار باللغة

بعد عامين، وبعد مليارات الدولارات من الاستثمارات، وعدد لا يحصى من التجارب، وتدفق مستمر من «المساعدين» الأذكياء، يتبلور واقع مختلف: الذكاء الاصطناعي التوليدي استثنائي في إنتاج اللغة... لكن الشركات لا تُدار باللغة: بل تُدار بالذاكرة والسياق والتغذية الراجعة والقيود.

وهذه هي الفجوة. ولهذا السبب تفشل الكثير من مبادرات الذكاء الاصطناعي في المؤسسات بهدوء. إذ حتى مع الانتشار الواسع، هناك تأثير محدود... وشعور متزايد بالتكرار.

فشل 95 % من المشاريع التجريبية

ليست هذه قصة عن تقنية فشلت في اكتساب زخم، بل على العكس تماماً.

وأظهر تحليل مدعوم من معهد ماساتشوستس للتكنولوجيا، والذي حظي باهتمام واسع، أن نحو 95 في المائة من المشاريع التجريبية للذكاء الاصطناعي التوليدي في المؤسسات تفشل في تحقيق نتائج ملموسة، حيث لا يصل سوى 5 في المائة منها إلى مرحلة الإنتاج المستدام. وتشير تغطيات أخرى للنتائج نفسها إلى النمط نفسه: تجارب مكثفة، وتحول محدود.

والتفسير واضح: المشكلة ليست في الحماس، ولا حتى في القدرة، بل في أن توظيف الأدوات لا يُترجم إلى تغيير عملي حقيقي... ليست هذه مشكلة للتبني، بل مشكلة هيكلية.

المفارقة المزعجة: ذكاء اصطناعي... لكن لا شيء يتغير

داخل معظم الشركات اليوم، يتعايش واقعان: من جهة، يستخدم الموظفون أدوات مثل «تشات جي بي تي» باستمرار. فهم يصيغون ويلخصون ويبتكرون ويسرّعون عملهم بطرق تبدو طبيعية وفعالة.

من جهة أخرى، تكافح مبادرات الذكاء الاصطناعي الرسمية في المؤسسات للتوسع خارج نطاق المشاريع التجريبية الخاضعة لرقابة دقيقة. يصف التحليل نفسه المتعلق بمعهد ماساتشوستس للتكنولوجيا فجوةً متزايدةً في «التعلم»: يجد الأفراد فائدة وقيمةً بسرعة، لكن المؤسسات تفشل في دمج هذه القيمة في سير العمل ذي الأهمية. والنتيجة هي ما يشبه «الذكاء الاصطناعي الخفي»: يستخدم الأفراد ما يُجدي نفعاً، بينما تستثمر الشركات فيما لا يُجدي.

الخطأ الأساسي: التعامل مع نموذج اللغة كنظام تشغيل

تركز معظم تفسيرات هذا الفشل على التنفيذ: بيانات غير دقيقة، حالات استخدام غير واضحة، نقص في التدريب. كل هذا صحيح، لكنه ثانوي.

المشكلة الحقيقية أبسط وأكثر جوهرية: نماذج اللغة الكبيرة مصممة للتنبؤ بالنصوص. هذا كل شيء. كل شيء آخر، من الاستدلال إلى التلخيص والمحادثة، إلخ، هو خاصية ناشئة عن هذه القدرة.

الأدوات الذكية التوليدية لا تعمل ضمن الواقع

لكن الشركات لا تعمل كسلاسل من النصوص. إنها تعمل كأنظمة متطورة ذات حالة وذاكرة وتوابع وحوافز وقيود... هذا هو التناقض. كما ذكرتُ سابقاً، هذا هو العيب البنيوي الأساسي للذكاء الاصطناعي: نماذج اللغة لا «ترى» العالم. فهي لا تحتفظ بحالة مستمرة. ولا تتعلم من ردود الفعل الواقعية إلا إذا صُممت خصيصاً لذلك... إنها تُنتج لغة مقنعة عن الواقع، لكنها لا تعمل ضمنه.

إجابات متميزة منفصلة عن النظام الفعلي

لا يمكنك إدارة شركة بناءً على تنبؤات الكلمات.اطلب من نموذج اللغة ما يلي:

-«زيادة مبيعاتي»

-«تصميم استراتيجية دخول السوق»

- «تحسين أداء الفريق»

وستحصل على إجابة. غالباً ما تكون جيدة جداً. إجابة منظمة، بليغة، ومقنعة. ولكنها منفصلة تماماً تقريباً عن النظام الفعلي الذي من المفترض أن تؤثر فيه.

وذلك لأن نموذج اللغة لا يستطيع تتبع مسار المبيعات، أو إدارة الحوافز، أو دمج بيانات إدارة علاقات العملاء، أو التكيف بناءً على النتائج. إذ يمكنه وصف استراتيجية، لكنه لا يستطيع تنفيذها.

وتؤكد نتائج معهد ماساتشوستس للتكنولوجيا هذه النقطة: أدوات الذكاء الاصطناعي التوليدي فعّالة في المهام الفردية المرنة، لكنها تعجز عن العمل في بيئات المؤسسات التي تتطلب التكيف والتعلم والتكامل. وبعبارة أخرى: يمكن للأداة الذكية كتابة المذكرة، لكنها لا تستطيع إدارة الشركة.

زيادة قدرات الحوسبة لن تحل المشكلة

كان ردّ فعل القطاع حتى الآن متوقعاً: بناء نماذج أكبر، ونشر بنية تحتية أوسع، وتوسيع نطاق كل شيء. لكن التوسع لا يُصلح خللاً في التصميم. إذا كان النظام يفتقر إلى أساس واقعي، فلن تُوفّر له المزيد من المعايير هذا الأساس. وإذا كان يفتقر إلى الذاكرة، فلن تُوفّر له المزيد من الرموز الذاكرة. وإذا كان يفتقر إلى حلقات التغذية الراجعة، فلن تُنشئها المزيد من مراكز البيانات.

يُضخّم التوسع ما هو موجود، لكنه لا يُنشئ ما هو مفقود. وما هو مفقود هنا ليس المزيد من اللغة، بل المزيد من العالم.

المرحلة المقبلة... نظم ذكية ضمن بيئات حقيقية

لن تُحدّد المرحلة التالية من الذكاء الاصطناعي المؤسسي بواجهات دردشة أفضل أو نماذج لغوية أكثر قوة، بل ستُحدّد بشيء آخر تماماً: أنظمة قادرة على الحفاظ على الحالة، والاندماج في سير العمل، والتعلم من النتائج، والعمل ضمن قيود.

أنظمة لا تُولّد نصوصاً فحسب، بل تعمل ضمن بيئات حقيقية. لهذا السبب؛ لن يُبنى مستقبل الذكاء الاصطناعي في الشركات على نماذج اللغة وحدها، بل على بنى تُدمجها ضمن نماذج أكثر ثراءً للواقع.

أقول ما يعرفه الكثيرون بالفعل... ولكن نادراً ما يقولونه: هناك زخم كبير، واستثمارات ضخمة، وسرديات كثيرة مبنية على فكرة أن توسيع نطاق نماذج اللغة سيحل كل شيء في النهاية. هذا لن يحدث.

فرصة حقيقية

هذه ليست نهاية الذكاء الاصطناعي المؤسسي، بل هي نهاية مفهوم خاطئ. فنماذج اللغة ليست بنية مؤسسية، بل هي طبقة واجهة. طبقة قوية، لكنها غير كافية بمفردها. الشركات التي تُدرك هذا أولاً لن تُحسّن فقط من استخدام الذكاء الاصطناعي، بل ستُنشئ شيئاً مختلفاً جذرياً.

مجلة «فاست كومباني»


الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل
TT

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

الموظفون الأميركيون يستخدمون الذكاء الاصطناعي للتعلّم أثناء العمل

يتنافس الموظفون على تطوير مهاراتهم في الذكاء الاصطناعي. ووفقاً لتقرير جديد، فإنهم يستخدمونه أيضاً لتعزيز تعلمهم، سواءً كان ذلك لطلب مساعدة إضافية منه لتوضيح المفاهيم وحل المشكلات، أو لاكتساب مهارات جديدة، كما كتبت سارة بريغل (*).

تحسين المهارات

يستند التقرير إلى نتائج استطلاع أجرته شركة «فراكتل» لصالح الكلية الأميركية للتعليم (ACE)، شمل أكثر من 1000 موظف أميركي يستخدمون أدوات الذكاء الاصطناعي في عملهم اليومي.

وكما هو متوقع، تستخدم نسبة كبيرة من الموظفين الذكاء الاصطناعي لتحسين مهاراتهم. فقد أفاد 63 في المائة منهم بأنهم استخدموا الذكاء الاصطناعي لتعلم مهارات لم يتلقوا تدريباً رسمياً عليها من مؤسساتهم.

القلق من دقة المعلومات

ومع ذلك، أعرب 65 في المائة منهم عن قلقهم بشأن دقة الذكاء الاصطناعي. إلا أن 23 في المائة من الموظفين لا يزالون يعدّون الذكاء الاصطناعي خيارهم الأول عندما يحتاجون إلى تعلم شيء جديد.

فوائد سرعة الإجابات

قد يعود جزء من ذلك إلى سرعة توفير الذكاء الاصطناعي للإجابات: إذ قال ما يقرب من نصف الموظفين (46 في المائة) إنهم يستخدمون الذكاء الاصطناعي للبحث عن الإجابات لأنه أسرع من طلب المساعدة.

التعلّم سراً لتفادي الاتهامات بالجهل

وربما الأهم من ذلك، أن استخدام هذه التقنية يعني أيضاً أن الموظفين لا يضطرون إلى الاعتراف بجهلهم بشيء ما. فقد قال ما يقرب من ثلثهم (29في المائة) إنهم يستخدمون الذكاء الاصطناعي لتعلم مهارات جديدة دون الإفصاح عن ذلك. ويُعدّ المديرون أكثر عرضةً لهذا الأمر: إذ اعترف 32 في المائة منهم بأنهم يتعلمون سراً.

وبشكل عام، قال 69 في المائة من الموظفين إن استخدام الذكاء الاصطناعي حسّن إنتاجيتهم، وقال أكثر من 55 في المائة إنه ساعدهم على الشعور بمزيد من الثقة في وظائفهم.

الذكاء الاصطناعي نقطة انطلاق

ومع ذلك، فبينما يستخدم الموظفون الذكاء الاصطناعي بوضوح لسدّ فجوة ما، فإنهم ليسوا راضين تماماً عن قدراته التعليمية. فقد قال 7 في المائة فقط من الموظفين إنهم يشعرون بأن تعلم المهارات من الذكاء الاصطناعي كافٍ، وقال 39 في المائة إنهم يعدّون التدريب الذي يحصلون عليه من الذكاء الاصطناعي نقطة انطلاق لمزيد من التعلم.

الذكاء الاصطناعي يحفّز للانخراط في دورات تدريبية

أفاد ما يقارب نصف المشاركين (48 في المائة) بأنهم التحقوا بدورات تدريبية بعد أن عرّفهم الذكاء الاصطناعي على مواضيع معينة رغبوا في استكشافها بتعمق. والأكثر إثارة للإعجاب، أن 80 في المائة من العاملين أكدوا استمرارهم في التعلم بشكل أو بآخر بعد تعلمهم شيئاً ما باستخدام الذكاء الاصطناعي.

مع أن الذكاء الاصطناعي قد لا يحل محل التدريب العملي تماماً، فإنه يمثل حالياً نقطة انطلاق لغالبية العاملين الساعين لاكتساب مهارات جديدة.

* مجلة «فاست كومباني»


لسانك لا يكذب… «بصمة تنبئية» للأمراض

حين يقرأ الذكاء الاصطناعي ما لا تراه العين
حين يقرأ الذكاء الاصطناعي ما لا تراه العين
TT

لسانك لا يكذب… «بصمة تنبئية» للأمراض

حين يقرأ الذكاء الاصطناعي ما لا تراه العين
حين يقرأ الذكاء الاصطناعي ما لا تراه العين

في حضارات وادي الرافدين، حيث تشكّلت البدايات الأولى للطب المنهجي، لم يكن التشخيص يعتمد على أجهزة، أو تحاليل مختبرية، بل على ملاحظة الجسد نفسه. كان الطبيب ينظر، ويتأمل التفاصيل التي قد تبدو عابرة، ومن بينها اللسان.

حين كان اللسان مفتاح التشخيص

معاينة اللسان

لم يكن طلب الطبيب من المريض أن يمد لسانه إجراءً شكلياً، بل خطوة أساسية في قراءة ما يجري داخل الجسد: تغيّر اللون، جفاف السطح، أو ظهور طبقة غير طبيعية؛ كلها إشارات ذات دلالة تُفسَّر ضمن فهم مبكر للصحة والمرض.

اليوم، يعود هذا المشهد القديم بصيغة مختلفة تماماً. فبدل أن يقف الطبيب وحده أمام المريض، تقف معه خوارزميات الذكاء الاصطناعي، وتحلل صورة اللسان بدقة رقمية، وتبحث عن أنماط قد لا تراها العين البشرية. فهل يمكن أن يعود التشخيص القديم... عبر أكثر أدوات العصر تطوراً؟

خريطة بيولوجية مصغّرة

يُعد اللسان من أكثر أعضاء الجسم ثراءً بالمعلومات البيولوجية، فهو يعكس حالة الدورة الدموية، ومستوى الترطيب، والتوازن البكتيري في الفم، بل وحتى بعض الاضطرابات الجهازية. فاللون الشاحب قد يرتبط بفقر الدم، والاحمرار الزائد بالالتهاب، في حين أن الطبقة البيضاء أو الصفراء قد تعكس تغيّرات في الميكروبيوم الفموي، ذلك العالم المجهري الذي يعيش على سطح اللسان.

بهذا المعنى لم يعد اللسان مجرد عضو للكلام، أو التذوق، بل نافذة حيوية على توازن داخلي معقّد.

حين يلتقي الميكروبيوم بالخوارزمية

في السنوات الأخيرة بدأ الباحثون ينظرون إلى اللسان باعتبار أنه نظام بيئي متكامل يرتبط فيه الميكروبيوم الفموي بعدد من الأمراض المزمنة... من السكري وأمراض القلب، وصولاً إلى اضطرابات أيضية معقّدة.

اضطرابات الكبد والأمراض المزمنة

في هذا السياق أظهرت دراسة نُشرت عام 2025 في مجلة «Chinese Medicine»، بقيادة فريق بحثي من الصين، أن تحليل صور اللسان باستخدام الذكاء الاصطناعي وربطها بتركيب الميكروبيوم يمكن أن يكشفا أنماطاً دقيقة مرتبطة باضطرابات في وظائف الكبد، مع قدرة لافتة على التمييز بين الحالات المرضية.

وفي تطور أحدث، طرح باحثون عام 2026 مفهوماً جديداً عُرف بـ«عمر اللسان» (Tongue Age)، يجمع بين تحليل مظهر اللسان وتركيب الميكروبيوم، لتقدير العمر البيولوجي، ومخاطر الإصابة بأمراض مزمنة.

اللسان «بصمة تنبئية»

وتشير هذه الأبحاث إلى أن اللسان قد يحمل بصمة تنبئية لصحة الإنسان تتجاوز الفحص الظاهري التقليدي. وأظهرت أبحاث حديثة من جامعة ستانفورد في الولايات المتحدة أن الدمج بين الصور الطبية والبيانات الحيوية يفتح آفاقاً جديدة لاكتشاف الأمراض قبل ظهور أعراضها بسنوات.

هنا لا تتحدث الخوارزمية بلغة التشخيص التقليدي، بل بلغة الأنماط الخفية، أنماط لم نكن نبحث عنها، لكنها كانت موجودة طوال الوقت.

حين ينتقل التشخيص إلى الهاتف

من الملاحظة إلى النمط

الفرق بين الطبيب القديم والخوارزمية الحديثة ليس في المبدأ، بل في الاتساع. الطبيب يرى إشارة واحدة، ويؤولها ضمن خبرته، أما الذكاء الاصطناعي فإنه يرى آلاف الإشارات في اللحظة نفسها، ويربط بينها داخل شبكة معقّدة من العلاقات.

وبينما كان التشخيص قائماً على الملاحظة المدعومة بالحدس، أصبح اليوم قائماً على البيانات المدعومة بالخوارزميات.

من العيادة إلى الهاتف... حين يصبح التشخيص مستمراً

لم تعد هذه التقنيات حبيسة المختبرات. فقد بدأت نماذج تحليل صور اللسان تنتقل إلى أدوات أبسط، بل وحتى إلى الهواتف الذكية. وفي هذا النموذج الجديد قد يتحول فحص اللسان من إجراء يتم داخل العيادة إلى عملية مستمرة تعمل في الخلفية، وترصد التغيرات الدقيقة قبل أن يشعر بها الإنسان.

وهنا يتغير معنى التشخيص نفسه. لم يعد حدثاً مؤقتاً، بل عملية ديناميكية لا تتوقف...

حدود الفهم... وحدود الثقة

رغم هذا التقدم، يبقى هناك فرق جوهري بين «الرؤية» و«الفهم». فالذكاء الاصطناعي قادر على اكتشاف الأنماط، لكنه لا يدرك السياق الإنساني الذي يمنح هذه الأنماط معناها.

قد يشير تغيّر في اللسان إلى مرض كامن، لكنه قد يكون أيضاً نتيجة غذاء معيّن، أو حالة عابرة. وهنا يظل دور الطبيب محورياً، ليس في رؤية العلامة فقط، بل في فهمها، وتفسيرها ضمن سياق الإنسان الكامل.

بين وادي الرافدين والذكاء الاصطناعي

إذا عدنا إلى الوراء، نجد أن أطباء وادي الرافدين أدركوا أن الجسد يرسل إشارات خفية، وأن مهمة الطبيب هي قراءتها. اليوم يعيد الذكاء الاصطناعي إحياء هذه الفكرة، لكن بدقة أعلى، ونطاق أوسع. ومع ذلك يبقى السؤال الجوهري كما كان: من يقرأ الإشارة... ومن يفهمها؟

الخلاصة: ما الذي لم نتعلم قراءته بعد؟

في زمن أصبح فيه الهاتف قادراً على تحليل صورة اللسان، لم يعد التشخيص حكراً على العيادة. لكن هذا التقدم يطرح سؤالاً أعمق: هل أصبحنا نرى أكثر... أم نفهم أقل؟

فاللسان، كما كان قبل آلاف السنين، لا يكذب. لكن التحدي الحقيقي لا يكمن فيما يكشفه، بل في قدرتنا على تفسيره. ولهذا، لم يعد السؤال: ماذا يخبرنا اللسان؟ بل أصبح: ما الذي تراه الخوارزميات فيه... ولم نتعلم بعد كيف نقرأه نحن؟