مستشفى Boston Children's يستخدم الذكاء الاصطناعي من OpenAI لتشخيص الأمراض النادرة

طبّق مستشفى Boston Children's، أحد أكبر المراكز الطبية للأطفال في الولايات المتحدة، نظام ذكاء اصطناعي قائمًا على تقنيات OpenAI لتشخيص الأمراض النادرة. وخلال فترة التشغيل ساعد النظام على كشف أكثر من 40 مرضًا نادرًا، وخفّف بصورة ملحوظة العبء عن الكادر الطبي.

لماذا تشكّل الأمراض النادرة المشكلة الرئيسية؟

تصيب الأمراض الوراثية والجينية النادرة نسبة ضئيلة من السكان، لكن تشخيصها صعب. فقد يتنقّل الطفل بين الأطباء لسنوات، ويخضع لعلاج لا يجدي نفعًا، إلى أن يلاحظ أحدهم نمطًا غير مألوف من الأعراض. وفي الولايات المتحدة يُعدّ المرض نادرًا إذا كان عدد المصابين به أقل من 200 ألف شخص، وهذا يعني آلاف التشخيصات المختلفة.

كيف يعمل المساعد الذكي؟

دمج Boston Children's نظامًا قائمًا على GPT يحلّل الصورة السريرية للمريض: الأعراض ونتائج الفحوص وتاريخ تطوّر المرض. يُدخل الطبيب البيانات، فيقارنها الذكاء الاصطناعي خلال ثوانٍ بقاعدة معارف الأمراض النادرة، ويقترح عدة فرضيات تشخيصية مع شرح منطقها.

النظام لا يتخذ القرار، فهذا من اختصاص الطبيب. لكنه يسرّع المرحلة الأولى: البحث عن المرض النادر بين آلاف الاحتمالات.

• تحليل البيانات السريرية في الوقت الفعلي
• مقارنة الأعراض بقاعدة الأمراض النادرة
• شرح سبب طرح النظام لهذه الفرضية تحديدًا
• التكامل مع السجل الطبي الإلكتروني

النتيجة: أكثر من 40 حالة مشخَّصة

يُعدّ هذا تحسّنًا تاريخيًا للمستشفى. فأكثر من 40 مرضًا نادرًا كان يمكن أن يبقى غير معروف لسنوات صار يُشخَّص الآن خلال أسابيع أو أشهر. وبالنسبة لكل أسرة يعني ذلك علاجًا دقيقًا بدلًا من الرعاية الأعراضية.

والأهم أن كثيرًا من هؤلاء الأطفال يعيشون في ولايات أخرى، ووصلوا إلى Boston Children's بناءً على توصية. فالذكاء الاصطناعي لم يحسّن التشخيص داخل المستشفى فحسب، بل جعله مقصدًا لأعقد الحالات.

«نرى النتيجة في حياة الأسر. حين نكتشف أخيرًا المرض النادر، يحصل الأهل

على إجابات ويستطيعون بدء العلاج اللازم».

تخفيف العبء عن الأطباء وتحسين الرعاية

ثمة أثر آخر ذو طابع تشغيلي. فسابقًا كان طبيب الأمراض النادرة يقضي ساعات في مراجعة الأدبيات الطبية، واستشارة مختصين من مستشفيات أخرى، وإعادة جمع التاريخ المرضي. أما الآن فالتحليل الأول من مهمة الذكاء الاصطناعي، إذ يقترح من 5 إلى 10 فرضيات مع تفسيرات خلال دقائق.

يتحقق الطبيب من الفرضيات ويدقّقها، وأحيانًا يطلب فحوصات إضافية. وبذلك يصبح عمله أعمق: فبدل البحث عن إبرة في كومة قش، صار يتحقق من صحة فرضية. وهذا لا يجعل العمل أسرع فحسب، بل أدق أيضًا.

ماذا يعني ذلك؟

بالنسبة لطب الأمراض النادرة، هذا نموذج أولي للمستقبل: الذكاء الاصطناعي مساعدًا للطبيب لا بديلًا عنه. فالنظام يضيّق نطاق البحث، والطبيب هو من يضع التشخيص. وقد يعني ذلك للرعاية الصحية في الولايات المتحدة تقليص حالات التأخر في التشخيص وخفض الإجراءات غير الضرورية.