الصين تسمح للذكاء الاصطناعي بإدارة عيادة العيون وهنا ما حدث. : تنبيه العلوم

من الصعب تجنب المناقشات حول الذكاء الاصطناعي في الوقت الحالي – ومدى فائدته أو عدمه. العلوم والرعاية الصحية هما من المجالات التي تعد فيها التكنولوجيا بإحداث تحول. نحن نشهد بالفعل استخدام الذكاء الاصطناعي على نطاق واسع من حيث تحليل عمليات المسح، وتصميم الأدوية، والتنبؤ بالمستقبل، لكن الباحثين بقيادة فريق من معهد بكين للعلوم البصرية وأبحاث العيون التحويلية (BERI) في الصين أرادوا المضي قدمًا في نشر الذكاء الاصطناعي – من خلال السماح له بإدارة عيادة للعيون (لا تزال تحت الإشراف). AI-TEC (عيادة تسينغهوا للعيون المعززة بعامل الذكاء الاصطناعي)، وبينما كان الأطباء البشريون لا يزالون مشاركين، تم تصميمه من الألف إلى الياء لتحقيق أقصى قدر من استخدام الذكاء الاصطناعي بدلاً من تثبيت هذه الأدوات فوق الأنظمة والممارسات الحالية. وكما ورد في مجلة Nature Medicine، فإن هذا يعني استخدام الذكاء الاصطناعي في كل شيء بدءًا من الاستشارة المسبقة وحتى متابعة المريض، بما في ذلك فحوصات العين المهمة للغاية. انخفضت النتائج الإيجابية الكاذبة بشكل كبير عند إضافة الصور التي راجعها الخبراء إلى بيانات التدريب. (يان وآخرون، الطب الطبيعي، 2026) كتب الباحثون في ورقتهم المنشورة: “نحن نقدم دروسًا تنفيذية مبكرة في نقل الذكاء الاصطناعي إلى ما هو أبعد من أداء الخوارزمية نحو تحويل سير العمل السريري والتكامل على مستوى النظام، حيث يتم إنشاء القيمة السريرية في النهاية”. ظهرت العديد من النتائج المثيرة للاهتمام من تجربة AI-TEC. أولاً، بدأ الذكاء الاصطناعي بمعدل نجاح منخفض نسبيًا في تحديد الأمراض في فحوصات العين – أمراض مثل الجلوكوما والضمور البقعي المرتبط بالعمر. ومع ذلك، زادت مستويات الدقة بشكل ملحوظ عندما قام أطباء العيون الخبراء بتزويد الذكاء الاصطناعي بـ 1426 صورة عالية الجودة لمسح العين تم تصنيفها بشكل صحيح مع الظروف ذات الصلة. عملت هذه البيانات الجديدة بشكل أفضل من بيانات التدريب الأصلية لما يقرب من 27000 صورة كانت ذات جودة أقل ومصنفة بشكل أقل شمولاً. وقد تم تكليف الذكاء الاصطناعي جزئيًا بتحديد المرض في فحوصات شبكية العين. (Mikael Häggström/CC0 عبر Wikimedia Commons/Public Domain) باستخدام مقياس تشخيصي موحد يسمى AUROC، تمكن الذكاء الاصطناعي من الوصول إلى دقة تزيد عن 0.93 باستخدام بيانات التدريب المحدثة – تقريبًا على قدم المساواة مع أنظمة المسح الحديثة الأخرى. والشيء الآخر الذي وجده الباحثون هو أن الاستخدام السريري لأدوات الذكاء الاصطناعي بدأ مرتفعًا ثم انخفض. في لقطة تم التقاطها بعد خمسة أشهر، استخدم 41 فحصًا فقط من أصل 1113 فحصًا (3.8 بالمائة) في الشهر عمليات AI-TEC المتاحة. وارتفع هذا مرة أخرى إلى 259 فحصًا من أصل 1126 فحصًا (23 بالمائة) في الشهر التالي، بعد أن جعل الباحثون النظام أسرع وأسهل في الاستخدام، مع نقرات أقل ومدخلات يدوية أقل مطلوبة من الموظفين. لم يعتمد على أي أداء خوارزمي فردي ولكنه اعتمد بدلاً من ذلك على جودة البيانات، والتفاعل مع سير العمل، ومشاركة الأطباء، والحوكمة والمراقبة الكافية، والقيمة السريرية القابلة للقياس. “إنها الأيام الأولى لهذا النوع من العيادات المعتمدة على الذكاء الاصطناعي، لكن نتائج هذه التجربة صغيرة النطاق تظهر أنها يمكن أن تكون ناجحة عندما يتم الجمع بين المكونات الصحيحة. ومع ذلك، لا تزال هناك الكثير من التحديات، بما في ذلك حل الطريقة التي يركز بها الذكاء الاصطناعي على النتائج أولاً (هل يعاني المريض “أ” من مرض في العين أم لا)، في حين يركز الأطباء على الأعراض أولاً (يبلغ المريض “أ” عن رؤية ضبابية). وبعبارة أخرى، فإن وجود ذكاء اصطناعي دقيق في تحليل صور المسح الضوئي لا يترجم بالضرورة إلى شيء يحسن رعاية المرضى. في الواقع، قد يكون من الأفضل للاختبارات المستقبلية من هذا النوع عدم التركيز على درجات الأداء الأولية وحدها، كما تشير الدراسة. تم تدقيق هذه المقالة بواسطة فيونا ماكدونالد وتم تحريرها بواسطة فيونا ماكدونالد. وبينما نفخر بعمليتنا، فإننا بشر فقط. إذا اكتشفت خطأ، يرجى إعلامنا بذلك.