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

قدّمت Alibaba DAMO Academy نموذج MAOSS، وهو نموذج ذكاء اصطناعي يبحث عن علامات مرض الكبد الدهني في صور الأشعة المقطعية العادية دون مادة تباين، ويساعد على انتقاء المرضى مبكرًا للتشخيص المعمّق. وتكمن أهمية هذه الحالة في المجال الطبي في أنها لا تدور حول «الذكاء الاصطناعي بدلًا من الطبيب»، بل حول استخلاص فائدة أكبر من الفحوص الموجودة أصلًا.

لماذا يهم هذا الأمر

قد لا يسبّب مرض الكبد الدهني، الذي تطلق عليه الأدبيات الإنجليزية بشكل متزايد اسم steatotic liver disease، أعراضًا لفترة طويلة. ولهذا يصل المرضى إلى الطبيب في كثير من الأحيان وهم في مرحلة التليّف أو تشمّع الكبد، حين تضيق نافذة التدخل المبكر بشكل ملحوظ. ووفق بيانات Alibaba DAMO Academy، يصيب المرض حاليًا نحو 30% من سكان العالم، وقد ترتفع النسبة إلى 55,7% بحلول عام 2040. والموجات فوق الصوتية العادية والمؤشرات المصلية ليست دائمًا حساسة بما يكفي، أما الطرق الأدق فلا تتوافر في جميع العيادات والمستشفيات. وهذه هي الفجوة التي يستهدفها MAOSS.

طُوّر النموذج بالتعاون مع Shengjing Hospital of China Medical University وNanjing Drum Tower Hospital، ونُشرت نتائجه في Nature Communications. ويجمع النظام بين عدة أنواع من البيانات: صور الأشعة المقطعية غير المعزّزة بمادة تباين، ومؤشرات الدم، وخصائص محسوبة مثل نسيج الكبد وكثافته وشكله. والفكرة ألّا تضطر المستشفى إلى شراء أداة جديدة نادرة، بل أن يُدرَّب تدفق الفحوص المعتاد بحيث يشير إلى من لا ينبغي السماح له بالمغادرة دون فحص إضافي.

ما الذي يستطيع MAOSS فعله

وفق ما ورد في ورقة Nature Communications، دُرّب النموذج واختُبر على عدة مجموعات بيانات، بدءًا من مجموعة داخلية تضم 2071 حالة وصولًا إلى مجموعة واقعية تضم 18 504 فحوص. وحُلّلت بصورة منفصلة مجموعة من 1192 مريضًا، لم تكن المهمة فيها مجرد البحث عن التنكس الدهني، بل انتقاء الأشخاص الأكثر عرضة لمسار أشدّ، أي التهاب الكبد الدهني والتليّف الواضح. وأهمية هذا التصميم أنه يُظهر أن النظام لم يُختبر في ظروف مخبرية فقط، بل في ظروف أقرب إلى التدفق السريري المعتاد.

وفيما يلي أبرز النتائج:

• ارتفعت نسبة المرضى المعرّضين لخطر مرتفع الذين جرى اكتشافهم من 16,6% إلى 52,4%
• بلغت قيمة AUC لمراحل التنكس الدهني المختلفة 0,904–0,917
• كان متوسط AUC لدى أخصائيي الأشعة دون مساعدة النموذج 0,709
• عند استخدام MAOSS كمساعد، ارتفعت دقة الأطباء إلى 0,798

أما الجانب الأكثر إثارة للاهتمام فهو أن النموذج يبحث عن الإشارة حيث قد يكون المريض قد جاء لسبب آخر تمامًا. فإذا أُجريت للشخص أشعة مقطعية قياسية، يمكن للنظام استخدام هذه الصورة لإجراء فحص انتهازي إضافي (opportunistic screening) دون الحاجة إلى إجراء مستقل مكلف. وهذه حجة قوية بالنسبة للأنظمة الصحية، لأن كلفة التطبيق لا تتوقف عند الخوارزمية فحسب، بل تتعلق كذلك بضرورة تغيير مسار المريض. وتحاول Alibaba هنا الاندماج في البنية التحتية القائمة.

ليس بديلًا عن الطبيب

في طرح Alibaba، ليس النموذج «طبيب كبد رقميًا»، بل أداة لدعم اتخاذ القرار. فهو لا يحلّ محل التشخيص أو الخزعة أو التقييم السريري أو المتابعة اللاحقة للمريض، بل يساعد على الانتباه مبكرًا إلى من قد يفوّتهم المسار القياسي. ويبدو هذا النهج عمليًا: فالنموذج لا يَعِد بطب مستقل، بل يقلّل نسبة الحالات الفائتة ويجعل الانتقاء المبكر أقل كلفة. وينسجم ذلك مع استراتيجية DAMO Academy الأوسع، التي تروّج بالفعل للفحص المبكر عن السرطان بالذكاء الاصطناعي، وتعلن عن شمول أكثر من 50 مليون شخص بفحوص طبية بالذكاء الاصطناعي في عشر دول ومناطق.

غير أنه لا ينبغي المبالغة في تقدير النتيجة. فالأمر يتعلق بتحقق بأثر رجعي (retrospective) ونشر بحثي، لا بأن النموذج أصبح معيارًا عالميًا موحّدًا للمستشفيات في أنحاء العالم. وأي أداة من هذا النوع تتطلب تحققًا محليًا، وضبطًا بما يلائم تدفق المرضى في كل مؤسسة، ومسؤولية واضحة للطبيب. وإلا فقد تصطدم حتى المقاييس القوية على الورق بالإنذارات الكاذبة، أو بإرهاق الاختصاصيين، أو بمشكلات في تفسير النتائج في الممارسة الفعلية.

ماذا يعني هذا

تُظهر قصة MAOSS الاتجاه الذي يتحرك فيه الذكاء الاصطناعي الطبي بأسرع وتيرة: ليس نحو المساعدين الحواريين، بل نحو أنظمة هادئة تستخلص إشارة إضافية من بيانات جُمعت أصلًا. وإذا توسّع هذا النهج، فقد تتحول الأشعة المقطعية العادية تدريجيًا من مجرد صورة لشكوى راهنة إلى مرشّح مبكر للأمراض المزمنة التي لا تزال تُكتشف اليوم في وقت متأخر أكثر مما ينبغي.