عرضت علي بابا نموذج MAOSS للذكاء الاصطناعي للكشف المبكر عن مرض الكبد الدهني

قدمت أكاديمية Alibaba DAMO MAOSS — نموذج ذكاء اصطناعي يكتشف علامات مرض الكبد الدهني في فحوصات التصوير المقطعي بدون مادة تباين روتينية ويساعد على اختيار المرضى مبكراً لتشخيص متعمق. بالنسبة للطب، هذه حالة مهمة لا تتعلق بـ "الذكاء الاصطناعي بدلاً من الطبيب"، بل تتعلق بكيفية استخلاص قيمة أكبر من الفحوصات الموجودة بالفعل.

لماذا هذا مهم

مرض الكبد الدهني، الذي يُطلق عليه بشكل متزايد steatotic liver disease في الأدبيات الإنجليزية، يمكن أن يبقى بدون أعراض لفترة طويلة. لهذا السبب، يأتي المرضى غالباً إلى الطبيب فقط في مرحلة التليف أو تليف الكبد، عندما تضيق نافذة التدخل المبكر بشكل ملحوظ. وفقاً لأكاديمية Alibaba DAMO، يؤثر المرض حالياً على حوالي 30% من سكان العالم وقد ينمو إلى 55.

7% بحلول عام 2040. الموجات فوق الصوتية الروتينية والمؤشرات الدموية ليست دائماً حساسة بما يكفي، والطرق الأكثر دقة غير متوفرة في جميع العيادات. تستهدف MAOSS هذه الفجوة تماماً.

تم تطوير النموذج بالتعاون مع مستشفى Shengjing التابعة لجامعة China Medical University ومستشفى Nanjing Drum Tower، وتم نشر النتائج في Nature Communications. يجمع النظام عدة أنواع من البيانات: فحوصات التصوير المقطعي بدون مادة تباين والمؤشرات الدموية والميزات المحسوبة مثل الملمس والكثافة وشكل الكبد. الفكرة هي عدم إجبار المستشفى على شراء أداة جديدة نادرة، بل تحسين مسار الفحص الروتيني الموجود بالفعل بحيث يشير إلى من لا يمكن إطلاق سراحهم بدون اختبارات إضافية.

ماذا تستطيع MAOSS أن تفعل

وفقاً للمقالة في Nature Communications، تم تدريب النموذج والتحقق منه على عدة مجموعات بيانات: من مجموعة داخلية تضم 2071 حالة إلى مجموعة حقيقية من 18504 فحص. تم تحليل مجموعة من 1192 مريضاً بشكل منفصل، حيث لم تكن المهمة مجرد كشف الدهون الكبدية، بل تحديد الأشخاص المعرضين لخطر التطور الأكثر حدة — التهاب الكبد الدهني وتليف الكبد الشديد. هذا التصميم مهم: فهو يُظهر أن النظام تم اختباره ليس فقط في ظروف المختبر، بل بالقرب من مسار سريري نموذجي.

تبدو النتائج الرئيسية كما يلي:

• ارتفعت نسبة المرضى عالي الخطورة المكتشفين من 16.6% إلى 52.4%
• AUC لمراحل مختلفة من الدهون الكبدية كان 0.904–0.917
• متوسط AUC لأطباء الأشعة بدون مساعدة النموذج كان 0.709
• مع استخدام MAOSS كمساعد، ارتفعت دقة الطبيب إلى 0.798

النقطة الأكثر إثارة للاهتمام مختلفة: النموذج يجد إشارة حيث قد يأتي المريض لسبب تماماً مختلف. إذا كان لديه شخص بالفعل فحص تصوير مقطعي قياسي، يمكن للنظام استخدام هذا الفحص للفحص الانتقائي الإضافي دون الحاجة إلى إجراء منفصل مكلف. بالنسبة لأنظمة الرعاية الصحية، هذه حجة قوية لأن تكلفة التنفيذ غالباً ما تعتمد ليس فقط على الخوارزمية، بل أيضاً على الحاجة إلى تغيير مسار المريض. هنا تحاول Alibaba الاندماج في بنية تحتية موجودة بالفعل.

ليس بدلاً من الطبيب

في عرض Alibaba، هذا ليس "طبيب كبد رقمي"، بل أداة لدعم اتخاذ القرار. لا تحل MAOSS محل التشخيص والخزعة والتقييم السريري والإدارة اللاحقة للمريض، بل تساعد على ملاحظة مبكراً أولئك الذين قد يفتقدهم المسار القياسي. يبدو هذا النهج براغماتياً: النموذج لا يعد بالطب المستقل، بل يقلل من نسبة الحالات المفقودة ويجعل الفحص المبكر أرخص.

هذا يتماشى جيداً مع الإستراتيجية الأوسع لأكاديمية DAMO، التي تروج بالفعل لفحص السرطان القائم على الذكاء الاصطناعي وتقول إن أكثر من 50 مليون شخص تم تغطيتهم بفحوصات طبية للذكاء الاصطناعي في عشر دول ومناطق. لكن يجب أيضاً عدم الإفراط في تقدير النتيجة. هذا يتعلق بالتحقق بأثر رجعي والنشر البحثي، وليس بأن النموذج أصبح بالفعل معياراً عالمياً للمستشفيات في جميع أنحاء العالم.

أي أداة من هذا القبيل تتطلب تحققاً محلياً وتكييفاً مع مسار المريض المحدد ومساءلة واضحة للطبيب. وإلا، حتى المقياس القوي على الورق قد يواجه إيجابيات كاذبة أو حمل زائد على المتخصصين أو مشاكل في التفسير في الممارسة الفعلية.

ماذا يعني هذا

تُظهر قصة MAOSS إلى أين يتحرك الذكاء الاصطناعي الطبي بأسرع ما يمكن: ليس نحو المساعدات الحوارية، بل نحو أنظمة صامتة تستخلص إشارة إضافية من البيانات المجمعة بالفعل. إذا تم تكييس هذا النهج، فقد يتحول فحص التصوير المقطعي الروتيني تدريجياً من مجرد صورة للشكوى الحالية إلى مرشح مبكر للأمراض المزمنة التي غالباً ما يتم ملاحظتها في الوقت الحالي بشكل متأخر جداً.