نماذج التنبؤ المدعومة بالذكاء الاصطناعي تستعد لتطوير الرعاية الصحية بشكل هائل

هدف الذكاء الاصطناعي هو تمكين الآلات من محاكاة أفكار وسلوك الإنسان، بما يشمل التعلم، والاستدلال، والتنبؤ. في صميم هذا المسعى تكمن نمذجة تعتمد على الذكاء الاصطناعي، والتي تُعد الأساس لإنشاء أنظمة آلية وذكية.

لبناء مثل هذه النماذج، تُستخدم مجموعة متنوعة من التقنيات، والتي تُعد حاسمة لإنشاء أنظمة ذكية قابلة للتطبيق في قطاعات واقعية متعددة، بما في ذلك المالية، والرعاية الصحية، والزراعة، والأمن السيبراني، وغيرها.

غالبًا ما يستخدم تطوير هذه النماذج أنواعًا مختلفة من التحليلات—الوصفية، التشخيصية، التنبؤية، والوصائية—اعتمادًا على طبيعة المشكلة ومتطلبات حلها.

اليوم، نركز على التحليلات التنبؤية، التي تستكشف البيانات لتتنبأ بما سيحدث في المستقبل. من خلال الاستفادة من كميات هائلة من البيانات، يفسر النموذج الأنماط القابلة للتعرف، مما يُسهل التنبؤات الدقيقة ويساعد على اتخاذ قرارات مستنيرة. 

انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي.

القدرة الفريدة للذكاء الاصطناعي على التعرف على الاتجاهات

يتمتع الذكاء الاصطناعي بهذه القدرة الفريدة على التعرف على الاتجاهات ضمن مجموعة من المتغيرات. ذلك لأن التكنولوجيا، على عكس البشر، يمكنها معالجة كميات هائلة من البيانات بسرعة، ثم تحديد الأنماط والاتجاهات ومعرفة ما تعنيه. 

يتم ذلك من خلال خوارزميات التعلم الآلي التي يقوم نموذج الذكاء الاصطناعي بأداء مهمته، وهي التنبؤ بالمخرجات بناءً على البيانات المقدمة.

عند تحليل اتجاه ما، عادةً ما تُستخدم الشبكات العصبية المستوحاة من وظائف الدماغ البشري بسبب قدرتها على التعلم والتكيف. الخوارزميات الأخرى للتعلم الآلي الأساسية في تحليل الاتجاهات هي آلات الدعم الناقل (SVM) التي تصنف البيانات إلى فئات متميزة، وغابات عشوائية (Random forests) التي تجمع بين عدة أشجار قرار لتكوين نماذج تنبؤية قوية. الشبكة البايزية هي أخرى تستخدم نماذج رسومية احتمالية لتمثيل الاعتمادات الإحصائية بين مجموعة من المتغيرات. 

في مجال الرعاية الصحية، يتيح الاستفادة من هذه الخوارزميات لبناء نماذج تنبؤ مدعومة بالذكاء الاصطناعي توفير رعاية وخطط علاجية فردية أفضل وأكثر تخصيصًا.

لهذا، يقوم الذكاء الاصطناعي بفرز بيانات الرعاية الصحية المتنوعة لتقديم الاتجاهات الناشئة في تقدم الأمراض. وهذا يمكّن المتخصصين الطبيين من معالجة المشكلات الصحية مسبقًا وتكييف استراتيجيات العلاج، مما يعيد تشكيل رعاية المرضى.

إمكانات قدرة الذكاء الاصطناعي على اكتشاف الأنماط في الرعاية الصحية

الآن، دعونا نلقي نظرة على الاستخدام الفعلي لقدرة التقنية على التعرف على الاتجاهات ضمن مجموعة من المتغيرات.

أداة مراقبة الذكاء الاصطناعي لاكتشاف الإنتان قبل ظهور الأعراض

في دراسة حديثة دراسة، وجد الباحثون أنهم قادرون على التنبؤ بنجاح بعدوى الإنتان لدى المرضى ذوي المخاطر العالية وإنقاذ الأرواح باستخدام خوارزمية ذكاء اصطناعي جديدة. 

الإنتان هو سبب رئيسي للوفاة والمرض في جميع أنحاء العالم. تحت هذا الشرط، يستجيب جهاز المناعة في الجسم بشكل مفرط للعدوى، مما يسبب ضررًا لأنسجته وأعضائه.

في الولايات المتحدة، كل عام، يصاب ما لا يقل عن 1.7 مليون بالغ بالإنتان، ويموت حوالي 350,000 نتيجة لهذه العدوى الدموية المهددة للحياة. وفي الوقت نفسه، يُقدر أن 48.9 مليون شخص يتأثرون بالإنتان سنويًا على مستوى العالم، منها ما يقرب من 11 مليون يموتون.

مع ذلك، يعتزم الباحثون من كلية الطب بجامعة كاليفورنيا سان دييغو تغيير هذه الأرقام من خلال الاستفادة من الذكاء الاصطناعي.

وفقًا للدراسة التي نُشرت في النسخة الإلكترونية من مجلة Digital Medicine، طور الباحثون خوارزمية ذكاء اصطناعي تسمى COMPOSER. تستخدم البيانات في الوقت الفعلي لتخبر مسبقًا إذا كان المريض يعاني من الحالة قبل ظهور العلامات السريرية، من خلال العمل “بصمت وبأمان خلف الكواليس”. 

يقوم النموذج بمراقبة كل مريض باستمرار بحثًا عن أي علامات للإنتان، وفقًا لما ذكره المشارك في الدراسة غابرييل واردي، د.، رئيس قسم الرعاية الحرجة في قسم طب الطوارئ بجامعة كاليفورنيا سان دييغو (UCSD).

التعرف المبكر على الإنتان أمر حاسم لأن التدخلات تكون أكثر فائدة عندما تُطبق في وقت مبكر من مسار المرض.

اُستخدم النموذج في أقسام الطوارئ بجامعة كاليفورنيا سان دييغو هيلث، وهو النظام الطبي الأكاديمي الوحيد في المنطقة، لتحديد المرضى المعرضين لخطر عدوى الإنتان وقد خفض الوفيات بنسبة 17٪.

طريقة عمله هي أنه بعد تسجيل مريض في قسم الطوارئ، يبدأ COMPOSER بمراقبة أكثر من 150 متغيرًا مختلفًا للمريض قد تكون مرتبطة بالإنتان. تشمل هذه المتغيرات الديموغرافيا، التاريخ الطبي، العلامات الحيوية، ونتائج التحاليل.

إذا تم العثور على مريض يمتلك عدة متغيرات، مما ينتج عنه خطر مرتفع للإنتان، تُخطِر الخوارزمية طاقم التمريض عبر السجل الإلكتروني للمستشفى. ثم يراجع الطاقم ذلك مع الطبيب للتأكيد وتحديد خطط العلاج المناسبة للمريض.

“هذه الخوارزميات المتقدمة للذكاء الاصطناعي يمكنها اكتشاف الأنماط التي لا تكون واضحة للعين البشرية في البداية.” 

– شميم نيماتي، د.ف., مشارك في الدراسة ومدير التحليلات التنبؤية وأستاذ مشارك في المعلوماتية الطبية الحيوية بكلية الطب بجامعة كاليفورنيا سان دييغو

وأضاف أيضًا:

“يمكن للنظام النظر إلى هذه العوامل الخطرة وتقديم تنبؤ عالي الدقة للإنتان.”

الدراسة، التي تم تمويلها من قبل المعاهد الوطنية للصحة، مكتبة الطب الوطنية، ومركز جوان وإروين جاكوبس للابتكار الصحي بجامعة كاليفورنيا سان دييغو، فحصت أكثر من 6,200 دخول مريض قبل وبعد نشر خوارزمية الذكاء الاصطناعي في أقسام الطوارئ بالمستشفى.

إنها أول دراسة استخدمت نموذج تعلم عميق للذكاء الاصطناعي وأبلغت عن تحسين في نتائج المرضى. يستخدم النموذج الشبكات العصبية الاصطناعية لتحديد عوامل خطر معقدة ومتعددة في المرضى بدقة وأمان.

“بفضل هذا النموذج الذكي، يمكن لفرقنا تقديم علاج إنقاذ حياة للمرضى بشكل أسرع.”

تم تفعيل COMPOSER لأول مرة قبل أكثر من عام، في ديسمبر 2022. يُستخدم حاليًا في العديد من وحدات المرضى داخل المستشفى عبر جامعة كاليفورنيا سان دييغو هيلث، وفي المستقبل، سيبدأ الحرم الشرقي لجامعة كاليفورنيا سان دييغو هيلث أيضًا في استخدامه.

مؤخرًا، أعلن مركز الرعاية الصحية عن تعيين أول مسؤول رئيسي للذكاء الاصطناعي الصحي. كما أطلق تجربة pilot حيث تقوم أنظمة السجلات الصحية الإلكترونية السحابية إبيك وChatGPT بصياغة ردود رسائل أكثر تعاطفًا تلقائيًا حتى يتمكن الأطباء ومقدمو الرعاية من التركيز على رعاية المرضى.

“إن دمج تقنية الذكاء الاصطناعي في السجل الصحي الإلكتروني يساعد على تحقيق وعد الصحة الرقمية.” 

– كريستوفر لونغهورت، مشارك في الدراسة والمدير التنفيذي لمركز جاكوبس للابتكار الصحي والرئيس الطبي التنفيذي والرئيس الرقمي في جامعة كاليفورنيا سان دييغو هيلث

برنامج لتحليل البيانات الجينومية للتنبؤ بالأمراض بدقة

مثال آخر على نماذج التنبؤ المدعومة بالذكاء الاصطناعي التي تساعد قطاع الرعاية الصحية يمكن رؤيته في دراسة نُشرت الأسبوع الماضي. تم إنشاء البرنامج الفريد من نوعه في روتجرز هيلث يُدعى IntelliGenes يجمع بين الذكاء الاصطناعي والتعلم الآلي للمساعدة في التنبؤ بالأمراض لدى الأفراد. يفحص النموذج البيانات الجينومية للعثور على مؤشرات حيوية متعلقة بالصحة لإنتاج تنبؤات مخصصة للمرضى بالإضافة إلى تمثيل بصري لها.

توفر البيانات المتعددة الجينوم معلومات عن التركيب الجيني الفطري للمريض وتملك القدرة على اكتشاف مؤشرات حيوية جديدة بناءً على خطر المرض. أشارت الدراسة إلى:

“نعتقد أن الاستخدام المتناغم لعدة خوارزميات ذكاء اصطناعي يوفر نتائج أكثر دقة، ويستخلص استنتاجات مفيدة، وتنبؤات دقيقة حول المشكلات الواقعية مقارنةً باستخدام خوارزمية ذكاء اصطناعي واحدة بمفردها.”

وجدت الدراسة أيضًا أن آلات الدعم الناقل (SVM) وغابة عشوائية (RF) هما أكثر خوارزميات التعلم الآلي نجاحًا في إجراء تنبؤات ذات دقة عالية وحل مشكلات الانحدار والتصنيف.

حاليًا، لا توجد أدوات ذكاء اصطناعي متاحة للتحقق من الجينوم البشري بالكامل، خاصةً للأفراد غير المتخصصين في المجال. لذلك، طور الباحثون IntelliGenes، الذي يمكن لأي شخص استخدامه، بما في ذلك أولئك الذين لا يمتلكون معرفة كبيرة بتقنيات المعلوماتية الحيوية أو لا يتوفر لديهم حواسيب ذات أداء عالٍ.

باستخدام مجموعة من خوارزميات التعلم الآلي، يهدف باحثو روتجرز هيلث إلى كشف معلومات عادةً ما تغفل عنها الإحصاءات الكلاسيكية وتقنيات المعلوماتية الحيوية التقليدية.

ثم طبق الباحثون IntelliGenes في دراسة أخرى لاكتشاف مؤشرات حيوية جديدة وتنبؤ بأمراض القلب والأوعية الدموية (CVDs) بدقة عالية.

الاستخدام السليم لمنهجيات الذكاء الاصطناعي والتعلم الآلي، وفقًا للدراسة، يمكن أن يزودنا برؤى وفهم جديد لأمراض القلب والأوعية الدموية. وهذا بدوره سيمكن من توفير علاجات مخصصة أفضل.

بدأت الدراسة بمعالجة مسبقة مكثفة لبيانات التعبير الجيني ثم استخدمت ثلاثة اختبارات إحصائية لتقييم الفروق في التعبير الترنسكريبي (دراسة مجموعة RNA الكاملة) والفروق بين الخصائص السريرية لمرضى CVD وتلك الخاصة بالأشخاص الأصحاء.

في أبحاثهم، اكتشف الفريق 18 مؤشرًا ترنسكريبيًا ذات أهمية عالية في فئة مرضى CVD. تم استخدامها بعد ذلك لتنبؤ المرض بدقة تصل إلى 96٪. تم أيضًا التحقق من صحة هذه النتائج باستخدام السجلات السريرية المجمعة من المرضى في العينة.

“هناك إمكانات هائلة في تقاطع مجموعات البيانات والتطورات المذهلة في الذكاء الاصطناعي والتعلم الآلي.”

– زيشان أحمد، المؤلف الرئيسي للدراسة. أحمد هو عضو هيئة تدريس في معهد روتجرز للصحة، سياسة الرعاية الصحية والشيخوخة (IFH) وأستاذ مساعد في الطب بكلية روبرت وود جونسون الطبية

وفقًا له، لا يقتصر دور النموذج على دعم الكشف المبكر المخصص لكل من الأمراض الشائعة والنادرة لدى الأفراد فحسب، بل يفتح أيضًا الأبواب أمام أبحاث أوسع ستؤدي في النهاية إلى تدخلات وعلاجات جديدة.

الذكاء الاصطناعي ليس بعد حلاً مثالياً!

كما رأينا، تتمتع النماذج المدعومة بالذكاء الاصطناعي بمزايا كبيرة في مجال الرعاية الصحية. لديها القدرة على اكتشاف الأمراض مبكرًا بدقة عالية وإنقاذ العديد من الأرواح. ومع ذلك، فهي ليست الحل النهائي، ليس بعد، على الأقل. يمكن ملاحظة ذلك في دراسة نُشرت في وقت سابق من هذا الشهر أظهرت أن تطبيق الذكاء الاصطناعي في العالم الحقيقي يؤدي إلى حدوث أخطاء.

نُشرت في وقت سابق من هذا الشهر في مجلة Modern Pathology، وتُعد هذه الدراسة الأولى التي تفحص كيف يؤثر التلوث في الأنسجة على نماذج تعلم الذكاء الاصطناعي.

في هذه الدراسة، قام الباحثون بتدريب ثلاثة نماذج ذكاء اصطناعي لتحليل شرائح الميكروسكوب لأنسجة المشيمة، مع مهام تشمل تحديد تلف الأوعية الدموية، تقدير عمر الحمل، وتصنيف الآفات الماكروسكوبية. بالإضافة إلى ذلك، تم تدريب نموذج رابع لاكتشاف سرطان البروستاتا في عينات الأنسجة من خِزعات الإبر.

لاختبار متانتها، عرّض الباحثون كل نموذج لأجزاء صغيرة من نسيج ملوث—مثل الدم ونسيج المثانة—مُستخرجة عشوائيًا من شرائح أخرى. كان الهدف محاكاة الظروف الواقعية حيث غالبًا ما تكون الملوثات موجودة.

عند تقييم أداء نماذج الذكاء الاصطناعي، تم اكتشاف أن جميع النماذج الأربعة حولت تركيزها إلى الملوثات النسيجية بدلاً من التركيز على مهامها الأساسية. أدى هذا الانحراف إلى عدم دقة تحديد عمر الحمل، تشخيص سرطان البروستاتا، تحديد الآفات، وتقييم تلف الأوعية الدموية. ذلك لأن الذكاء الاصطناعي يواجه مجموعة متنوعة من المواد في العالم الحقيقي لم يتم تدريبه عليها، على عكس البيئات النظيفة والمحاكاة التي يتم التدريب فيها.

“تُظهر نتائجنا أن الذكاء الاصطناعي الذي يعمل بشكل رائع في المختبر قد يواجه فشلًا كبيرًا في العالم الحقيقي. يجب أن يظل المرضى يتوقعون أن الخبير البشري هو المتخذ النهائي للقرارات في التشخيصات المستندة إلى الخزعات والأنسجة الأخرى. يخشى أخصائيو علم الأمراض — وتأمل شركات الذكاء الاصطناعي — أن الحواسيب ستحل محل وظائفنا. ليس بعد.”

– المشارك في الدراسة د. جيفري جولدستين

ليس الأمر مقتصرًا على الذكاء الاصطناعي فقط، بل حتى أخصائيي علم الأمراض الذين تم تدريبهم على اكتشاف ذلك، فإن تلوث الأنسجة يُعد مشكلة شائعة إلى حد كبير. ومع ذلك، تشير الدراسة إلى أن الأطباء والباحثين غير المتخصصين في علم الأمراض غالبًا ما يكونون مندهشين من ذلك. وأشارت إلى أنه في أي يوم، من بين 80 إلى 100 شريحة يتم فحصها يوميًا من قبل أخصائي علم الأمراض، يتوقع أن يكون 2-3 منها ملوثة، ويتم تدريبهم على تجاهل ذلك.

وفقًا للدراسة، تعمل نماذج الذكاء الاصطناعي بطريقة مشابهة لما يفعله البشر عند فحص الأنسجة على الشرائح. عند فحص الأنسجة على الشرائح، يمكن للبشر النظر فقط إلى حقل محدود داخل المجهر ثم الانتقال إلى حقل جديد وتجميع كل المعلومات التي تم جمعها لإصدار تشخيص.

ومع ذلك، وجد أن الذكاء الاصطناعي يُضلَل بسهولةً بسبب الملوثات حيث يتعين عليه اتخاذ قرار ما الذي يجب الانتباه إليه وما لا يجب. “هذا صراع صفر-مجموع”، كما صرح جولدستين، مدير علم الأمراض ما قبل الولادة وأستاذ مساعد في علم الأمراض ما قبل الولادة وتشريح الجثث في كلية فينبرغ للطب البحثية، جامعة نورثويسترن، موضحًا:

“إذا كان يولي اهتمامًا للملوثات النسيجية، فإنه يولي اهتمامًا أقل للأنسجة الخاصة بالمريض التي يتم فحصها.”

وفقًا لمؤلفي الدراسة، يجب على الممارسين العمل على قياس وتحسين مشكلة عدم قدرة نماذج الذكاء الاصطناعي على ترميز الشوائب البيولوجية.

مع ذلك، جعلت النتائج جولدستين “واثقًا من أن تقييمات الذكاء الاصطناعي للمشيمة قابلة للتنفيذ”، واصفًا تدمير الذكاء الاصطناعي بـ “عقبة سرعة”. وهذا يعني ببساطة، “نحن على الطريق نحو دمج أفضل لتقنيات التعلم الآلي في علم الأمراض”، أضاف.

الشركات التي يمكن أن تستفيد من نماذج التنبؤ المدعومة بالذكاء الاصطناعي

مع إظهار نماذج الذكاء الاصطناعي واعدة كبيرة، دعونا الآن نرى أي الشركات ستستفيد منها أكثر:

1. Google DeepMind

هي شركة فرعية للعملاق التقني جوجل تهدف إلى حل مسألة الذكاء من أجل “تقدم العلم وفائدة البشرية”. 

في الآونة الأخيرة، كشف باحثو Google DeepMind أنهم طوروا مساعدًا للذكاء الاصطناعي للأطباء يُدعى Articulate Medical Intelligence Explorer (AMIE) يمكنه المساعدة في تشخيص المرضى. ورقة أخرى من المنظمة اقترحت WARM لمعالجة مشكلة استغلال المكافآت في نماذج اللغة الكبيرة (LLMs).

مع تداول أسهمها عند 152.59 دولارًا، بارتفاع 8.94٪ منذ بداية العام، في وقت كتابة هذه السطور، تمتلك جوجل (GOOGL) قيمة سوقية تبلغ 1.9 تريليون دولار. سجلت الشركة إيرادات (TTM) قدرها 297 مليار دولار مع ربحية السهم (EPS) (TTM) تبلغ 5.21 ومضاعف السعر إلى الأرباح (P/E) (TTM) يبلغ 29.19.

2. Siemens Healthineers

الشركة الرائدة في مجال الرعاية الصحية تراهن على الذكاء الاصطناعي لتحويل صناعة الرعاية الصحية. طورت Siemens Healthineers (SHL.SW ) (SHL.DE ) 84 منتجًا مدعومًا بالذكاء الاصطناعي حتى نوفمبر 2023 وتمتلك أكثر من 800 براءة اختراع متعلقة بهذه التقنية.

انفصلت عن الشركة الأم Siemens، وتُعد مزود حلول الرعاية الصحية ذات قيمة سوقية تبلغ 63 مليار دولار، حيث تُتداول أسهمها عند 51.68 دولارًا. تمتلك Siemens Healthineers ربحية السهم (EPS) (TTM) قدرها 1.35 ومضاعف السعر إلى الأرباح (P/E) (TTM) يبلغ 38.28.

فكرة ختامية

كما رأينا، يحمل الذكاء الاصطناعي وعدًا هائلًا في تحليل الاتجاهات، ومع تقدم التقنية، سنشهد رؤى أكثر دقة وقابلة للتنفيذ بالإضافة إلى الابتكار عبر القطاعات. في مجال الرعاية الصحية، تُدمج نماذج التنبؤ المدفوعة بالذكاء الاصطناعي البيانات والرؤى والتدخلات لتخصيص الرعاية الصحية وتحسين النتائج. 

انقر هنا لتتعرف على التآزر المتزايد بين الذكاء الاصطناعي وعلم الأعصاب.