اهلا  – بيري ثالر

نموذج لغوي كبير يتفوق في القرارات السريرية، حتى في وتيرة العمل السريعة لغرفة طوارئ محاكية
إذا دخلت إلى غرفة الطوارئ (ER) بعد 10 سنوات، فستواجه نوعًا جديدًا من مقدمي الرعاية: نظام ذكاء اصطناعي (AI) مصمم لمنحك تشخيصًا بشكل أسرع ومساعدة فريق الرعاية الخاص بك على اتخاذ قرارات أكثر استنارة. أثناء جلوسك في غرفة الانتظار، سيتم توصيلك بجهاز قياس ضغط الدم الذي تتم مراقبته باستمرار وبشكل مستقل. طوال هذا الوقت، سيستمع وكيل الذكاء الاصطناعي أثناء حديثك أنت وطبيبك عن أعراضك، وسيكون جاهزًا للتنبيه إلى أي أخطاء يرتكبها طبيبك أو اقتراح الخطوات التالية.
قد تصبح هذه الرؤية للرعاية الصحية الطارئة بمساعدة الذكاء الاصطناعي حقيقة واقعة قريبًا. في دراسة جديدة، أظهر الباحثون أن نوعًا من الذكاء الاصطناعي يُعرف باسم النموذج اللغوي الكبير (LLM) غالبًا ما تفوق على الأطباء في تشخيص الحالات المعقدة والتي قد تهدد الحياة، بما في ذلك انخفاض تدفق الدم إلى القلب، حتى في المراحل السريعة للرعاية الحقيقية في غرف الطوارئ عندما تكون المعلومات محدودة، وفقًا لما أفادوا به اليوم في مجلة ساينس (Science). في حالات الطوارئ المبكرة، حدد النموذج التشخيص الصحيح أو القريب جدًا منه في حوالي 67% من الحالات، مقارنة بنحو 50% إلى 55% للأطباء. وهذه التكنولوجيا لا تزداد إلا تحسنًا.
تقول شريا جوهري، عالمة الكمبيوتر في معهد دانا–فاربر للسرطان والتي لم تشارك في البحث الجديد: "إن تقييم الذكاء الاصطناعي في الطب يتطلب كلاً من العمق والشمول عبر مختلف المهام والبيئات السريرية"، وقد تمكن هؤلاء المؤلفون من دمج كليهما في هذه الدراسة. ومع ذلك، تشير إلى أن التبني الواسع لأنظمة الذكاء الاصطناعي هذه في الرعاية الصحية سيتوقف على معرفة السياقات التي تكون فيها أكثر موثوقية.
اختبر الفريق الذي يقف وراء الدراسة الجديدة مدى دقة نموذج لغوي كبير متقدم، وهو نموذج "o1" من شركة "OpenAI"، في تشخيص المرضى المصابين بحالات من جميع الأنواع. تطلبت خمس من المهام من النموذج قراءة ملفات طبية مختارة يدويًا واقتراح تشخيص، أو اختيار الخطوات التالية، أو تقدير احتمالية حدوث تغيير معين في الصحة المستقبلية. في جميع التمارين الخمسة، كان أداء نموذج "o1" مشابهًا لأداء الأطباء أو متفوقًا عليهم. يقول آدم رودمان، المؤلف المشارك للورقة البحثية وطبيب الباطنة في مركز بيث إسرائيل ديكونيس الطبي، إن الفجوة بين النموذج والبشر كانت قوية للغاية في جميع المهام لدرجة أن المؤلفين شعروا بالقلق من ألا يصدق أحد النتائج. في إحدى المهام، حصل نموذج "o1" على درجة مثالية في التفكير السريري – بناءً على مدى جودة شرحه للتفكير التشخيصي والخطوات التالية – في 98% من الحالات التي فحصها، في حين لم يتمكن الأطباء المعالجون من فعل ذلك سوى في 35% من الوقت.
الاختبار النهائي للنموذج اللغوي الكبير، والذي اعتبره توماس باكلي، المؤلف المشارك وعالم الكمبيوتر في جامعة هارفارد، "الأهم" من بينها، تطلب تشخيص مرضى غرف الطوارئ في ثلاث نقاط مختلفة من رعايتهم. عندما يدخل المريض إلى غرفة الطوارئ، يجب عليه أولاً شرح أعراضه لممرضة الاستقبال، ثم يقوم الطبيب بتقييمه، وأخيرًا يجب على الطبيب اتخاذ قرار بشأن مسار العمل المناسب. كل خطوة محفوفة بالأخطاء المحتملة، حيث يواجه المرضى غالبًا صعوبة في شرح أعراضهم، وقد يتعامل الأطباء أنفسهم مع العديد من الحالات شديدة التوتر في وقت واحد. تعتبر قرارات الفرز المبكرة صعبة بشكل خاص لأن الأطباء السريريين يجب عليهم التصرف بسرعة، ويمكن أن يكون للأخطاء عواقب وخيمة وفورية. فالطبيب الذي يخلط بين عدوى الدم ونزلة البرد العادية، على سبيل المثال، قد يرسل المريض إلى المنزل بدون مضادات حيوية – وهو قرار قد يكون قاتلاً.
استخدم الباحثون حالات لمرضى حقيقيين ذهبوا إلى غرفة الطوارئ في مستشفى "بيث إسرائيل" وقدموا معلومات إلى نموذج "o1" بزيادات تدريجية تعكس نقاط الرعاية الثلاث عندما يصف المرضى حالاتهم. ويشير باكلي إلى أنه على عكس التجارب الأخرى، بحثت هذه التجربة بشكل مباشر في كيفية تفاعل النموذج اللغوي الكبير مع بيانات "عشوائية وغير مرتبة في العالم الحقيقي" والتي يمكن أن تكون غير مكتملة أو متحيزة. في وقت مبكر من عملية رعاية الطوارئ، عندما يسجل المريض دخوله إلى غرفة الطوارئ ويقدم معلومات محدودة حول مرضه، حدد نموذج "o1" تشخيصًا دقيقًا أو قريبًا في 67% من الوقت – بزيادة تتجاوز 10% مقارنة بطبيبين أُعطيا نفس الحالات. على الرغم من أن الفجوة تقلصت قليلاً عندما توفرت المزيد من المعلومات، إلا أن النموذج اللغوي الكبير ظل متفوقًا على الأطباء بنسبة تتراوح بين 2% و 10% في المراحل اللاحقة من مسار الرعاية.
ومن الجدير بالذكر أن نموذج "o1" من "OpenAI" قد تم إصداره لأول مرة في أواخر عام 2024. يقول باكلي: "يُعد هذا بمثابة تاريخ قديم الآن في زمن التعلم الآلي". لهذا السبب، يعتبر إريك سترونج، طبيب الباطنة في جامعة ستانفورد والذي لم يشارك في الدراسة، أن عُمر النموذج الذي اختبره الباحثون "غير ذي صلة" لأن النماذج الأحدث من المرجح أن تؤدي بنفس الجودة، إن لم يكن أفضل بكثير.
يشعر الخبراء الذين يدرسون الاستخدامات المحتملة للذكاء الاصطناعي في الرعاية الصحية بفضول واهتمام شديدين تجاه هذه النتائج. يقول دانييل ماكدوف، عالم الكمبيوتر في شركة جوجل والذي لم يساهم في العمل الجديد: "إن رؤية [النموذج] يُختبر في بيئة حقيقية ... أمر مثير". وتوافقه جوهري الرأي، مشيدةً بالمؤلفين لتقييمهم مهارات التشخيص والتفكير لدى نموذج "o1" "بطريقة لا يمكن لأي تجربة فردية أن تحققها".
ومع ذلك، يقول رودمان إن الدراسة لا تحلل كيف سيتصرف النموذج اللغوي الكبير في مواجهة تاريخ مرضي يمتد لأكثر من بضع ساعات، كما تتطلب العديد من الحالات. تعتبر الإقامات في غرف الطوارئ قصيرة نسبيًا، لذا حتى التجربة الواقعية لا يمكن مقارنتها بعملية التشخيص في البيئات الأخرى. ويحذر قائلاً: "لا أعتقد أن النموذج الحالي سيعمل مع مريض داخل المستشفى لديه معلومات تمتد لأيام وأيام. أعتقد أن الأداء سينخفض". بالإضافة إلى ذلك، زودت الدراسة نموذج "o1" بمعلومات الحالة المكتوبة فقط ولم تتضمن مدخلات غير نصية مثل التصوير الطبي، والتي تعد أساسية للعديد من التشخيصات الحقيقية بما في ذلك جلطات الدم والسرطانات.
يقول رودمان إن فريقه يُجري بالفعل تجارب جديدة تطلب من النموذج تقييم المرضى باستخدام معلومات واقعية أوسع على المدى الطويل. ويقول الخبراء إن التحدي التالي هو تحديد ما إذا كانت هذه الأنظمة قادرة على تحسين رعاية المرضى الحقيقية خارج الاختبارات الخاضعة للرقابة. يقول ماكدوف: "نحن بحاجة إلى فهم كيف يمكن لهذه النماذج أن تلعب دورًا مع تطور رعاية الشخص بمرور الوقت".