أظهرت الدراسات الحديثة قدرة أنظمة الذكاء الاصطناعي على التشخيص الطبي للأمراض المهمة
تتواجد أنظمة الذكاء الاصطناعي منذ فترة طويلة، وهي تتطور وتتحسن باستمرار. للذكاء الاصطناعي تطبيقات في مجالات متعددة، وأصبح جزءًا لا يتجزأ من معظمها. ويمكن أن يكون الذكاء الاصطناعي عنصرًا أساسيًا ومفيدًا في العلوم والأبحاث الطبية ، لما له من إمكانات هائلة للتأثير على قطاع الرعاية الصحية.
الذكاء الاصطناعي في التشخيص الطبي؟
يُعدّ الوقت أثمن مورد في الرعاية الصحية، والتشخيص المبكر والدقيق بالغ الأهمية للنتيجة النهائية للمرض. غالبًا ما تكون الرعاية الصحية عملية طويلة ومستهلكة للوقت والموارد، مما يؤخر التشخيص الفعال وبالتالي يؤخر العلاج الصحيح. يمكن للذكاء الاصطناعي أن يُسهم في سد الفجوة بين توفر الموارد وإدارة الوقت من قِبل الأطباء، وذلك من خلال دمج السرعة والدقة في تشخيص المرضى. كما يُمكنه المساعدة في التغلب على قيود الموارد والكوادر الطبية، لا سيما في البلدان ذات الدخل المنخفض والمتوسط. الذكاء الاصطناعي هو عملية تعلم وتفكير تُحاكي البشر من خلال مفهوم يُسمى التعلم العميق. يستخدم التعلم العميق مجموعات واسعة من البيانات لإنشاء أشجار قرارات ذاتيًا. بفضل هذا التعلم العميق، يُمكن لنظام الذكاء الاصطناعي أن يُفكر تمامًا مثل البشر، إن لم يكن أفضل، وبالتالي يُمكن اعتباره مؤهلًا لأداء المهام الطبية. عند تشخيص المرضى، تستمر أنظمة الذكاء الاصطناعي في البحث عن أنماط مشتركة بين المرضى الذين يُعانون من نفس الأمراض. بمرور الوقت، يُمكن لهذه الأنماط أن تُشكل أساسًا للتنبؤ بالأمراض قبل ظهورها.
في دراسة حديثة نُشرت في مجلة Cell ، استخدم باحثون تقنيات الذكاء الاصطناعي والتعلم الآلي لتطوير أداة حاسوبية جديدة لفحص المرضى المصابين بأمراض الشبكية الشائعة التي قد تُسبب العمى، مما يُسرّع التشخيص والعلاج. استخدم الباحثون شبكة عصبية قائمة على الذكاء الاصطناعي لمراجعة أكثر من 200,000 صورة مسح ضوئي للعين، أُجريت بتقنية غير جراحية تُعكس الضوء عن الشبكية لإنشاء تمثيلات ثنائية وثلاثية الأبعاد للأنسجة. ثم وظّفوا تقنية تُسمى "التعلم بالنقل"، حيث تُخزّن المعرفة المكتسبة من حل مشكلة ما بواسطة الحاسوب وتُطبّق على مشاكل أخرى ذات صلة. على سبيل المثال، يمكن لشبكة عصبية مُحسّنة للذكاء الاصطناعي، مُصممة للتعرف على التراكيب التشريحية المُحددة للعين، مثل الشبكية والقرنية والعصب البصري، أن تُحددها وتُقيّمها بسرعة وكفاءة أكبر عند فحص صور العين كاملة. تُمكّن هذه العملية نظام الذكاء الاصطناعي من التعلم تدريجيًا باستخدام مجموعة بيانات أصغر بكثير من الطرق التقليدية التي تتطلب مجموعات بيانات ضخمة، مما يجعلها مُكلفة وتستغرق وقتًا طويلاً.
ركزت الدراسة على سببين شائعين للعمى الدائم، وهما قابلان للعلاج عند اكتشافهما مبكرًا. قورنت التشخيصات المُستمدة من الحاسوب بتشخيصات خمسة أطباء عيون راجعوا نفس الصور الشعاعية. إضافةً إلى التشخيص الطبي، قدمت منصة الذكاء الاصطناعي توصيات بالإحالة والعلاج، وهو ما لم يُجرَ في أي دراسة سابقة. عمل نظام الذكاء الاصطناعي المُدرَّب تمامًا كطبيب عيون مُدرَّب تدريبًا جيدًا، واستطاع اتخاذ قرار في غضون 30 ثانية بشأن إحالة المريض للعلاج من عدمها، بدقة تزيد عن 95%. كما اختُبرت أداة الذكاء الاصطناعي في تشخيص الالتهاب الرئوي لدى الأطفال، وهو سبب رئيسي للوفاة في جميع أنحاء العالم بين الأطفال (دون سن الخامسة)، وذلك بناءً على تحليلات آلية لصور الأشعة السينية للصدر. ومن المثير للاهتمام أن البرنامج الحاسوبي استطاع التمييز بين الالتهاب الرئوي الفيروسي والبكتيري بدقة تزيد عن 90%. هذا أمر بالغ الأهمية لأنه على الرغم من أن الالتهاب الرئوي الفيروسي يتخلص منه الجسم بشكل طبيعي بعد انتهاء دورته، فإن الالتهاب الرئوي البكتيري من ناحية أخرى يميل إلى أن يكون تهديدًا صحيًا أكثر خطورة ويتطلب علاجًا فوريًا بالمضادات الحيوية.
في قفزة نوعية أخرى في أنظمة الذكاء الاصطناعي للتشخيص الطبي، اكتشف العلماء أن صور شبكية العين يمكن تحليلها بواسطة خوارزميات أو برامج التعلم الآلي للتنبؤ بمخاطر الإصابة بأمراض القلب والأوعية الدموية، وذلك من خلال تحديد المؤشرات الدالة على أمراض القلب. وقد تبين أن حالة الأوعية الدموية في العين، التي تظهر في الصور، تتنبأ بدقة بالعمر والجنس والعرق وضغط الدم وأي نوبات قلبية سابقة وعادات التدخين، وكل هذه العوامل مجتمعة تتنبأ بأمراض القلب لدى الفرد.
العين ككتلة معلومات
كانت فكرة النظر إلى صور العين لتشخيص الصحة موجودة منذ بعض الوقت. ثبت جيدًا أن الجدار الداخلي الخلفي للعين البشرية يحتوي على الكثير من الأوعية الدموية التي تعكس الصحة العامة للجسم. من خلال دراسة وتحليل مظهر هذه الأوعية الدموية بكاميرا وميكروسكوب ، يمكن التنبؤ بالكثير من المعلومات حول ضغط دم الفرد أو عمره أو مدخن أو غير مدخن وما إلى ذلك ، وهذه كلها مؤشرات مهمة لصحة قلب الفرد. . أمراض القلب والأوعية الدموية (CVD) هي السبب الأول للوفاة على مستوى العالم ويموت المزيد من الأشخاص بسبب الأمراض القلبية الوعائية مقارنة بأي مرض أو حالة أخرى. ينتشر هذا بشكل أكبر في البلدان المنخفضة والمتوسطة الدخل ويشكل عبئًا كبيرًا على الاقتصاد والبشرية. تعتمد مخاطر الإصابة بأمراض القلب والأوعية الدموية على العديد من العوامل مثل الجينات والعمر والعرق والجنس ، بالإضافة إلى التمارين والنظام الغذائي. يمكن الوقاية من معظم أمراض القلب والأوعية الدموية من خلال معالجة المخاطر السلوكية مثل استخدام التبغ والسمنة وقلة النشاط البدني والنظام الغذائي غير الصحي من خلال إجراء تغييرات كبيرة في نمط الحياة لمواجهة المخاطر المحتملة.
التشخيص الصحي باستخدام صور الشبكية
أظهرت هذه الدراسة، التي أجراها باحثون في جوجل وشركتها المتخصصة في تكنولوجيا الصحة "فيرلي لايف ساينسز"، أن استخدام خوارزمية ذكاء اصطناعي على مجموعة بيانات ضخمة من صور شبكية العين لحوالي 280,000 ألف مريض، مكّن هذه الخوارزمية من التنبؤ بنجاح بعوامل خطر الإصابة بأمراض القلب في مجموعتي بيانات مستقلتين تمامًا، إحداهما تضم حوالي 12000 ألف مريض والأخرى تضم حوالي 1000 مريض، بدقة جيدة نسبيًا. استخدمت الخوارزمية صورة كاملة لشبكية العين لتحديد العلاقة بين الصورة وخطر الإصابة بنوبة قلبية. استطاعت هذه الخوارزمية التنبؤ بحدوث حدث قلبي وعائي بنسبة 70% لدى المريض، بل وتم التمييز بين المدخنين وغير المدخنين في هذا الاختبار بنسبة 71%. كما استطاعت الخوارزمية التنبؤ بارتفاع ضغط الدم الذي يشير إلى وجود مشكلة قلبية، والتنبؤ بضغط الدم الانقباضي - الضغط في الأوعية الدموية عند نبض القلب - ضمن النطاق الطبيعي لمعظم المرضى، سواء كانوا يعانون من ارتفاع ضغط الدم أم لا. ووفقًا للباحثين، فإن دقة هذا التنبؤ تُشابه إلى حد كبير دقة فحص القلب والأوعية الدموية في المختبر، حيث يتم سحب عينة دم من المريض لقياس مستويات الكوليسترول، مع الأخذ في الاعتبار تاريخه المرضي. من المرجح أن تتنبأ الخوارزمية في هذه الدراسة، المنشورة في مجلة Nature Biomedical Engineering ، بحدوث حدث قلبي وعائي كبير - على سبيل المثال، نوبة قلبية.
كان أحد الجوانب المهمة والحاسمة للغاية لهذه الدراسات هو أن الكمبيوتر يمكنه معرفة المكان الذي يبحث فيه في الصورة للوصول إلى التشخيص ، مما يسمح لنا بفهم عملية التنبؤ. على سبيل المثال ، أظهرت الدراسة التي أجرتها Google بالضبط "أي أجزاء من شبكية العين" ساهمت في خوارزمية التنبؤ ، وبعبارة أخرى كيف كانت الخوارزمية تقوم بالتنبؤ. هذا الفهم مهم ليس فقط لفهم طريقة التعلم الآلي في هذه الحالة بالذات ، ولكن أيضًا لتوليد الثقة والإيمان بهذه المنهجية بأكملها من خلال جعلها شفافة.
التحديات
تأتي مثل هذه الصور الطبية مع تحدياتها لأن المراقبة ثم قياس الارتباطات بناءً على هذه الصور ليست مباشرة بسبب العديد من الميزات والألوان والقيم والأشكال وما إلى ذلك في هذه الصور. تستخدم هذه الدراسة التعلم العميق لاستخلاص الروابط والارتباطات والعلاقات بين التغيرات في التشريح البشري (التشكل الداخلي للجسم) والمرض بنفس الطريقة التي يفعل بها أخصائي الرعاية الصحية عندما يربط بين أعراض المرضى ومرض ما . تتطلب هذه الخوارزميات مزيدًا من الاختبارات قبل أن يمكن استخدامها في بيئة سريرية.
على الرغم من المناقشات والتحديات ، يتمتع الذكاء الاصطناعي بإمكانية هائلة لإحداث ثورة في تشخيص الأمراض وإدارتها من خلال إجراء التحليلات والتصنيفات التي تنطوي على كميات هائلة من البيانات التي يصعب على الخبراء البشريين. يوفر أدوات تشخيصية بديلة تعتمد على الصور سريعة وفعالة من حيث التكلفة وغير جراحية. ستكون العوامل المهمة لنجاح أنظمة الذكاء الاصطناعي هي قوة حسابية أعلى وخبرة أكبر لدى الناس. في المستقبل المحتمل ، يمكن تحقيق رؤى وتشخيصات طبية جديدة باستخدام الذكاء الاصطناعي دون توجيه بشري أو إشراف.
***
المصدر (ق)
1. كيرماني وآخرون، 2018. تحديد التشخيصات الطبية والأمراض القابلة للعلاج باستخدام التعلم العميق القائم على الصور. مجلة Cell، 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. بوبلين وآخرون، 2018. التنبؤ بعوامل خطر الإصابة بأمراض القلب والأوعية الدموية من صور قاع العين باستخدام التعلم العميق. مجلة نيتشر للهندسة الطبية الحيوية. 2. https://doi.org/10.1038/s41551-018-0195-0
***
