تتطور أجيال الذكاء الاصطناعي بسرعة في مجال الطب

[إعلان 1]

تم برمجة الذكاء الاصطناعي من قبل مهندسي الكمبيوتر في أواخر القرن العشرين، ونشأ على أساس مجموعة من التعليمات (القواعد) التي أنشأها البشر، مما يسمح للتكنولوجيا بحل المشاكل الأساسية.

ملاحظة المحرر: هناك العديد من الصناعات التي تتأثر بتدفق التكنولوجيا الجديدة في عصر المعلومات. مع تأثير الأتمتة وعلوم الكمبيوتر والذكاء الاصطناعي، فإن الكيانات مثل الأطباء والمستشفيات وشركات التأمين والصناعات المرتبطة بالرعاية الصحية ليست استثناء. ولكن في مجال الرعاية الصحية وحده، كان للذكاء الاصطناعي تأثير أكثر إيجابية من الصناعات الأخرى.

الجيل الأول

يمكنك أن تتخيل أن الطريقة التي يتم بها تدريب الذكاء الاصطناعي في هذا الوقت تشبه نهج طلاب الطب، حيث يتم أيضًا تعليم أنظمة الذكاء الاصطناعي مئات الخوارزميات لترجمة أعراض المرضى إلى تشخيصات. ويعتبر هذا هو الجيل الأول الذي يدمج قواعد الرعاية الصحية في أنظمة الذكاء الاصطناعي.

تطبيقات الذكاء الاصطناعي تساعد الأطباء على تحديث المعلومات في الوقت الفعلي

تشبه خوارزميات اتخاذ القرار الطريقة التي تنمو بها الشجرة، بدءًا من الجذع (مشكلة المريض) وتتفرع من هناك. على سبيل المثال، إذا اشتكى المريض من سعال شديد، فسوف يقوم الطبيب أولاً بفحص الحمى. سيكون هناك مجموعتان من الأسئلة اعتمادًا على حالة الحمى / عدم وجود حمى. ومن الإجابة الأولية، سيؤدي ذلك إلى المزيد من الأسئلة حول الحالة الطبية. وهذا بدوره يؤدي إلى مزيد من الانقسام. في نهاية المطاف، كل فرع هو تشخيص، والذي يمكن أن يتراوح من الالتهاب الرئوي البكتيري أو الفطري أو الفيروسي إلى السرطان أو قصور القلب أو العشرات من أمراض الرئة الأخرى.

بشكل عام، يستطيع الجيل الأول من الذكاء الاصطناعي التعرف على المشاكل، لكنه لا يستطيع تحليل وتصنيف السجلات الطبية. ونتيجة لذلك، لم تتمكن الأشكال المبكرة من الذكاء الاصطناعي من أن تكون دقيقة مثل الأطباء الذين جمعوا بين العلوم الطبية والحدس والخبرة. وبسبب هذه القيود، نادرًا ما يتم استخدام الذكاء الاصطناعي المبني على القواعد في الممارسة السريرية في أوقات أخرى.

الأتمتة الكاملة

مع بداية القرن الحادي والعشرين، بدأ العصر الثاني للذكاء الاصطناعي مع الذكاء الاصطناعي الضيق (ANI)، وهو الذكاء الاصطناعي الذي يحل مجموعات محددة من المهام. لقد مهد ظهور الشبكات العصبية التي تحاكي بنية الدماغ البشري الطريق لتقنية التعلم العميق. تعمل ANI بشكل مختلف جدًا عن سابقتها. بدلاً من توفير قواعد محددة مسبقًا من قبل الباحثين، تستخدم أنظمة الجيل الثاني مجموعات بيانات ضخمة لتمييز الأنماط التي قد تستغرق وقتًا طويلاً من البشر للقيام بها.

في أحد الأمثلة، قام الباحثون بإدخال آلاف من صور الأشعة السينية إلى نظام ANI، أظهر نصفها وجود أورام خبيثة، بينما أظهر النصف الآخر وجود أورام حميدة. يمكن للنموذج التعرف بشكل فوري على العشرات من الاختلافات في الحجم والكثافة والتظليل في صورة الأشعة السينية، مع تعيين عامل تأثير لكل اختلاف يعكس احتمال الإصابة بالأورام الخبيثة. ومن المهم أن نلاحظ أن هذا النوع من الذكاء الاصطناعي لا يعتمد على القواعد العامة (بعض القواعد العامة) مثلما يفعل البشر، بل يعتمد بدلاً من ذلك على الاختلافات الدقيقة بين الفحوصات الخبيثة والطبيعية التي لا يعرفها أخصائي الأشعة ولا مصمم البرمجيات.

على عكس الذكاء الاصطناعي المبني على القواعد، تتفوق أدوات الذكاء الاصطناعي من الجيل الثاني أحيانًا على الحدس البشري في دقة التشخيص. ومع ذلك، فإن هذا الشكل من الذكاء الاصطناعي يظهر أيضًا قيودًا خطيرة. أولاً، كل تطبيق لديه مهمة محددة. وهذا يعني أن النظام المدرب على قراءة صور الثدي بالأشعة السينية لا يستطيع تفسير صور مسح الدماغ أو الأشعة السينية للصدر. أكبر قيود ANI هو أن النظام لا يكون جيدًا إلا بقدر جودة البيانات التي تم تدريبه عليها. ومن الأمثلة الواضحة على الضعف عندما اعتمدت شركة UnitedHealthcare على الذكاء الاصطناعي الضيق لتحديد المرضى الأكثر مرضًا وتقديم خدمات طبية إضافية لهم. وعند تصفية البيانات، اكتشف الباحثون لاحقًا أن الذكاء الاصطناعي قد قام بافتراض كارثي. إن المرضى الذين يتم تشخيصهم على أنهم أصحاء فقط بسبب سجلاتهم الطبية يتلقون القليل من الرعاية الطبية، في حين يتم تصنيف المرضى الذين يستخدمون الكثير من الرعاية الطبية على أنهم غير أصحاء...

وستسمح الأجيال المستقبلية من الذكاء الاصطناعي للناس أيضًا بتشخيص الأمراض والتخطيط للعلاجات تمامًا مثل أي طبيب. حاليًا، اجتازت أداة الذكاء الاصطناعي التوليدية (MED-PALM2 من Google) اختبار ترخيص الطبيب بدرجة مستوى الخبراء. يمكن الآن للعديد من أدوات الذكاء الاصطناعي الطبية الأخرى كتابة تشخيصات مماثلة لتشخيصات الأطباء. ومع ذلك، لا تزال هذه النماذج تتطلب إشرافًا طبيًا وليست قادرة على استبدال الأطباء. ولكن بالمعدل الحالي للنمو الهائل، فمن المتوقع أن تصبح هذه التطبيقات أقوى بما لا يقل عن 30 مرة خلال السنوات الخمس المقبلة. ومن المتوقع أن تضع الأجيال المستقبلية من الأدوات مثل ChatGPT الخبرة الطبية في أيدي الجميع، وهو ما سيؤدي إلى تغيير العلاقة بين الطبيب والمريض بشكل جذري.

تم تجميعها بواسطة فييت لي

[إعلان 2]
مصدر