لن يستبدل الذكاء الاصطناعي أطباء الأشعة، لكنه سيغيّر وظائفهم جذريًا

قبل عشرة أعوام، توقّع عالم بارز في مجال الذكاء الاصطناعي أن تحل أجهزة الكمبيوتر محل الخبراء البشريين في قراءة الصور الطبية. لكن الأمور لم تسر تمامًا على هذا النحو.

في عام 2016، توقّع جيفري هينتون، الذي حاز جائزة نوبل ويُلقّب بـ«الأب الروحي للذكاء الاصطناعي»، أن يجد أطباء الأشعة، وهم الأطباء الذين يقرؤون صور الأشعة السينية والموجات فوق الصوتية وغيرها من الصور للمساعدة في تشخيص الأمراض، أنفسهم وقد استُبدلوا بأجهزة الكمبيوتر خلال خمس سنوات. واليوم، يستطيع مجال الأشعة أن يرد عليه باقتباس الطرفة الشهيرة لمارك توين: «الأنباء عن وفاتي كانت مبالغًا فيها».

في الواقع، تشهد أعداد العاملين في مجال الأشعة نموًا مطردًا، ومن المتوقع أن يرتفع عدد الممارسين بنسبة 26 في المئة أو أكثر خلال العقود الثلاثة المقبلة. لكن ما ربما غاب عن هينتون بشأن ديناميكيات سوق العمل لا ينبغي أن يحجب دقة استشرافه للمستقبل. فقد كان محقًا في أن الأطباء البشريين أصبح لديهم الآن زميل قائم على السيليكون داخل غرفة العمل، يضاهي أداءهم أو يتفوق عليه. وفي الواقع، تُعد الأشعة، وبفارق كبير، المجال الأكثر نشاطًا في الطب فيما يتعلق بالذكاء الاصطناعي، ما يجعلها مؤشرًا مبكرًا على تبني أنظمة اتخاذ القرارات الخبيرة في مختلف مجالات الرعاية الصحية، وربما في مجالات أخرى أيضًا.

حتى أوائل عام 2026، كان نحو ثلاثة أرباع الأجهزة الطبية المدعومة بالذكاء الاصطناعي، والبالغ عددها 1400 جهاز والتي حصلت على موافقة إدارة الغذاء والدواء الأمريكية، مخصصة لمجال الأشعة. وتساعد بعض هذه الأجهزة الأطباء على زيادة كفاءتهم من خلال إعداد مسودات التقارير أو تنبيههم إلى الصور التي تحتاج إلى اهتمام عاجل. لكن أدوات أخرى للذكاء الاصطناعي تمتلك القدرة على تحسين الأداء البشري من خلال اكتشاف تشوهات قد لا تكون مرئية للعين البشرية، أو تفسير الصور بمستوى يضاهي أطباء الأشعة المدربين، وأحيانًا يتفوق عليهم. فعلى سبيل المثال، خلص تحليل شمل 43 تجربة سريرية إلى أن تنظير القولون بمساعدة الذكاء الاصطناعي يكشف عددًا أكبر من السلائل مقارنة بالتنظير التقليدي.

وتكتسب زيادة الدقة أهمية كبيرة، لأن معدلات الخطأ البشري في تفسير الصور التشخيصية تُقدّر في المتوسط بما يتراوح بين 3 و5 في المئة، وهو ما يعادل نحو 40 مليون خطأ في مختلف أنحاء العالم كل عام. ومع ذلك، فإن الحل ليس بسيطًا إلى درجة استبدال البشر بالآلات. فبعد عشرة أعوام من التنبؤ المثير الذي أطلقه هينتون، لم يعد السؤال الأساسي هو ما إذا كان البشر أم الذكاء الاصطناعي يحقق أداءً إحصائيًا أفضل في مهمة معينة، وإنما كيف يمكن الجمع بين الدقة التقنية للذكاء الاصطناعي وخبرة البشر ومرونتهم لتحسين الدقة بما يعود بالنفع على المرضى.

العمل معًا

إن العثور على أفضل طريقة لتصميم نظام تعاوني من هذا النوع ليس أمرًا مباشرًا أو سهلًا. وحتى إذا كان الذكاء الاصطناعي أكثر موثوقية في المتوسط من طبيب أشعة ماهر عند تفسير أنواع معينة من الصور، فإنه سيظل يرتكب بعض الأخطاء التي لن يرتكبها البشر، كما يقول طبيب الأشعة كيرتس لانغلوَتز، مدير مركز الذكاء الاصطناعي في الطب والتصوير الطبي بجامعة ستانفورد. وهذا يضع أطباء الأشعة في موقع تقييم كل قرار يتخذه الذكاء الاصطناعي، والغالبية العظمى من هذه القرارات ستكون صحيحة، وتحديد الحالات النادرة التي يخطئ فيها الخوارزمية.

يقول طبيب الأشعة بول يي، رئيس قسم المعلوماتية الخاصة بالتصوير الذكي في مستشفى سانت جود لأبحاث الأطفال في ممفيس بولاية تينيسي: «يتطلب هذا إعادة توصيل ذهنية كاملة».

لقد اعتاد الأطباء على تجاوز قرارات أجهزة الكمبيوتر وإبطالها، لكن الوضع الحالي مختلف. فقد ظلت التنبيهات الصادرة عن السجلات الطبية الإلكترونية، والتي تطلقها خوارزميات قائمة على قواعد محددة، تحذر الأطباء لعقود من أمور مثل التفاعلات الدوائية التي قد تكون خطرة. ويقول لانغلوَتز إن الأطباء يتجاوزون هذه التحذيرات عادةً في نحو نصف الحالات. ويضيف: «سأتلقى بعض النصائح من الكمبيوتر، وسيتعين عليّ تقييمها في سياق جميع المعلومات الأخرى التي أملكها عن ذلك المريض، ثم اتخاذ أفضل قرار».

وعلى النقيض من ذلك، تستند أنظمة تحليل الصور بالذكاء الاصطناعي في مجال الأشعة عادةً إلى شبكات عصبية يمكنها تحديد الأنواع الفرعية للأورام، ورسم حدود الآفات، وتنفيذ مهام تشخيصية أخرى بدرجة عالية من الدقة. وعلى خلاف الخوارزميات القائمة على القواعد، التي تقدم إجابات أو تنبيهات يستطيع الأطباء تفسيرها بسرعة استنادًا إلى معرفتهم الطبية، يُشار إلى الشبكات العصبية على أنها أنظمة «الصندوق الأسود». وعادةً لا تكشف نماذج الذكاء الاصطناعي هذه عن الكيفية التي توصلت بها إلى قرار معين، ما يجعل مهمة طبيب الأشعة في تحديد ما إذا كان ينبغي له رفض القرار أو تجاوزه أكثر غموضًا بكثير.

يقول تشارلز كان، محرر مجلة Radiology: Artificial Intelligence التابعة للجمعية الإشعاعية لأمريكا الشمالية: «هل هذا بالفعل تشوه، أم أنني أفوّت شيئًا يكتشفه الذكاء الاصطناعي بعقله الدقيق أو أيًا كان ما يملكه؟ وهذا أمر بالغ الصعوبة بالنسبة إلينا».

سلطة الرفض

يضرب لانغلوَتز مثالًا بأداة ذكاء اصطناعي افتراضية تستطيع اكتشاف 95 في المئة من العقيدات الرئوية في صور الأشعة المقطعية للصدر، في حين يُعرف عن أطباء الأشعة أنهم يكتشفون 90 في المئة منها. ويقول: «قد يقول البعض: الذكاء الاصطناعي أفضل من أطباء الأشعة، ولذلك ينبغي أن نستبدل جميع أطباء الأشعة بالذكاء الاصطناعي. لكنني أقول لكم إن طبيب الأشعة سيتمكن من اكتشاف بعض تلك النسبة البالغة 5 في المئة التي أخفقت الآلة في اكتشافها. والسبب هو أن ذكاء الآلة وذكاء الإنسان نوعان مختلفان من الذكاء».

يستطيع الذكاء الاصطناعي فحص كل بكسل في الصورة من دون أن يشعر بالتعب أو يتشتت انتباهه، كما يستطيع مقارنتها بكل صورة أخرى سبق له أن واجهها. وفي المقابل، تتيح معرفة أطباء الأشعة بالأمراض لهم تفسير الصور بطرق لا يستطيع الذكاء الاصطناعي القيام بها.

تقول نينا كوتلر، كبيرة المسؤولين الطبيين عن الذكاء الاصطناعي في شركة موزاييك للتقنيات السريرية: «كيف تتأكد من أنه عندما يفكر الذكاء الاصطناعي وطبيب الأشعة بصورة مختلفة بصورة طبيعية، يقبل طبيب الأشعة قرار الذكاء الاصطناعي في كل مرة يكون فيها صحيحًا، ويرفضه في كل مرة يكون فيها خاطئًا؟ الأمر ليس سهلًا بالضرورة، لكن هناك طرقًا لتحقيق ذلك».

«ذكاء الآلة وذكاء الإنسان نوعان مختلفان من الذكاء».

كورتس لانغلوَتز

بهدف إنشاء فريق مثالي يجمع بين الذكاء الاصطناعي والبشر، يعمل أطباء الأشعة في مختلف أنحاء العالم على تعلم كيفية التعاون مع الذكاء الاصطناعي حتى يتمكنوا هم ومرضاهم من جني فوائده. ويتطلب هذا التعاون التعامل مع التحيزات اللاواعية التي قد تجعل الطبيب يعتمد على الذكاء الاصطناعي بدرجة مفرطة، أو يرفض استجاباته بصورة غير مناسبة. ولذلك، ولكي يعمل أطباء الأشعة مع هذه الأنظمة على النحو الأمثل، يتعين عليهم تقدير مستوى موثوقية الذكاء الاصطناعي بصورة عامة، مع الاحتفاظ في الوقت نفسه بالقدرة على اكتشاف أخطائه.

يقول لانغلوَتز: «من المفيد أن تعرف شيئًا بسيطًا عن كيفية عمل هذه الأنظمة، حتى تتمكن من فهم الحالات التي قد تقودك فيها الخوارزمية إلى استنتاج خاطئ بصورة أفضل».

عندما يرتكب الإنسان أو الآلة خطأً في تفسير صورة طبية يتخذ شكل إجابة بنعم أو لا، فهناك طريقتان محتملتان للخطأ. فالنتيجة السلبية الكاذبة تفشل في اكتشاف وجود المرض، بينما ترى النتيجة الإيجابية الكاذبة مرضًا غير موجود بالفعل.

أما بالنسبة إلى الأمراض غير الشائعة، ومعظم الأمراض غير شائعة نسبيًا، فإن أي أداة تشخيصية تميل إلى إنتاج عدد كبير من النتائج الإيجابية الكاذبة لمجرد أنها تتعامل مع أعداد كبيرة من الأشخاص الذين لا يعانون المرض، ما يمنحها فرصًا أكبر لإطلاق إنذارات كاذبة. ويحتاج الطبيب إلى القدرة على التعرف على هذه النتائج الإيجابية الكاذبة وتجاوزها، مع الاستمرار في التعرف بصورة صحيحة على التشخيصات الصحيحة نسبيًا التي يقدمها الجهاز. ويُطلق على الإفراط في تصديق نتائج الآلة، سواء كانت إيجابية أم سلبية، اسم «تحيز الأتمتة».

لكن من المهم أيضًا تجنب قبول النتائج السلبية الكاذبة. فعلى سبيل المثال، قد يفشل نظام للذكاء الاصطناعي في اكتشاف وجود دم في الدماغ في صورة أشعة مقطعية أو صورة بالرنين المغناطيسي، رغم وجوده بالفعل. ويُطلق على الثقة بهذه الأخطاء اسم «الاطمئنان المفرط إلى الأتمتة».

تقول كوتلر: «هاتان المشكلتان تنبعان في الأساس من السماح للذكاء الاصطناعي بتغيير مستوى شك طبيب الأشعة من دون أن يدرك ذلك». ومع مرور الوقت، قد يبدأ الناس في تصديق إجابات الذكاء الاصطناعي بدرجة مفرطة. وقد وجدت إحدى الدراسات أن حتى أطباء الأشعة ذوي الخبرة شهدوا انخفاضًا كبيرًا في دقة تفسيرهم لتصوير الثدي بالأشعة السينية عندما اتخذوا قراراتهم تحت تأثير تنبؤات غير صحيحة صادرة عن الذكاء الاصطناعي.

ومن ناحية أخرى، فإن مشكلة عدم الثقة بالذكاء الاصطناعي أكثر سهولة في فهمها قليلًا. فكثير من الناس سيكونون بطبيعتهم متشككين في التكنولوجيا الجديدة، ولا سيما التكنولوجيا التي اتُهمت باحتمال الاستيلاء على وظائفهم، إلى أن تثبت جدارتها. ولا يساعد في ذلك أن أنظمة الذكاء الاصطناعي الموثوقة في جوانب أخرى ترتكب أخطاء واضحة تختلف عن الأخطاء البشرية. تقول كوتلر: «لذلك ترى خطأً سخيفًا، أو نتيجة إيجابية كاذبة سخيفة، فتقول: حسنًا، بالطبع الذكاء الاصطناعي ليس ذكيًا، وقد ترفضه بعد ذلك».

وتقترح معالجة هذه التحيزات من خلال مراقبة مدى اتفاق أطباء الأشعة مع زملائهم من أنظمة الذكاء الاصطناعي أو اختلافهم معهم بمرور الوقت، والتدخل إذا بدا أنهم يميلون بدرجة مفرطة إلى أحد الاتجاهين. وتقول كوتلر: «إذا كان أطباء الأشعة يقبلون نتيجة الذكاء الاصطناعي في 99 مرة من أصل 100، ونحن نعلم أن دقته لا تتجاوز 95 في المئة، فإننا نتحدث إلى طبيب الأشعة المعني».

لكن كوتلر تقول إن مجرد إخبار أطباء الأشعة بأن أداة للذكاء الاصطناعي دقيقة في 95 في المئة من الحالات ليس كافيًا. فالتدريب أمر أساسي حتى يعرف الأطباء ما الذي ينبغي عليهم البحث عنه ومتى. فعلى سبيل المثال، يجب أن يعرفوا أن أداة معينة للذكاء الاصطناعي ستخطئ في 30 في المئة من صور الفحوص إذا تحرك المريض داخل جهاز التصوير. ومع ذلك، قال أكثر من ربع الأطباء الذين شاركوا في استطلاع أجرته الجمعية الطبية الأمريكية عام 2026 إنهم لم يتلقوا أي تدريب على الذكاء الاصطناعي، بينما قال 11 في المئة فقط إنهم تلقوا قدرًا كبيرًا من التدريب.

كما تدعو كوتلر إلى أن تقدم أدوات الذكاء الاصطناعي تقديرًا لدرجة الثقة في كل تقييم، بدلًا من تقديم إجابة بسيطة بنعم أو لا، لأنه لا يمكن توقع أن يعرف أي طبيب أشعة التفاصيل الدقيقة لأنظمة ذكاء اصطناعي متعددة. وهذه الأنظمة لن تتوقف إلا عن الازدياد عددًا وتعقيدًا.

يقول لانغلوَتز: «نحن لا نزال في بداية فهم كيفية تحسين النظام الذي يجمع بين الإنسان والآلة». ويضيف أن الشيء المهم الذي ينبغي لأطباء الأشعة إدراكه اليوم هو الشيء نفسه الذي قاله قبل نحو عقد من الزمن ردًا على توقع الأب الروحي للذكاء الاصطناعي: الأمر لا يتعلق بأن الذكاء الاصطناعي سيحل محل أطباء الأشعة. بل إن أطباء الأشعة الذين يستخدمون الذكاء الاصطناعي سيحلون محل أطباء الأشعة الذين لا يستخدمونه.

المصدر