AI من OpenAI تتفوق على الأطباء في التشخيص — لكن العلماء يتوخون الحذر
أصاب نموذج لغوي (LLM) من OpenAI في تشخيص 82% من حالات حقيقية في قسم الطوارئ، مقابل 79% و70% للأطباء. لكن الباحثين يحذّرون: لا يوجد معيار موحّد للتقييم، وكثيرًا ما تختلق روبوتات الدردشة نصائح طبية. يرى الباحثون أن AI يجب أن تكون مساعدًا للطبيب، لا الإجابة النهائية.
معالج بواسطة الذكاء الاصطناعي من IEEE Spectrum AI؛ بتحرير Hamidun News
تفوّق نموذج لغوي من OpenAI على الأطباء في دقة التشخيص للمرة الأولى، وذلك على بيانات حقيقية من أقسام الطوارئ. نُشرت الدراسة في مجلة Science في 30 أبريل.
ماذا أظهرت الدراسة
حلّل نموذج o1-preview من OpenAI السجلات الطبية لـ76 حالة حقيقية في قسم الطوارئ. وفي مراحل مختلفة من العلاج — عند الدخول، وبعد فحص الطبيب، وبعد النقل إلى قسم آخر — وضع النموذج تشخيصه بالتوازي مع طبيبين. وأصاب التشخيص أكثر منهما: ففي المرحلة النهائية بلغت نسبة التشخيصات الصحيحة 82% مقابل 79% و70% للأطباء.
ومن اللافت أن البشر والنموذج حققوا نتائج أفضل كلما توفرت معلومات أكثر. لكن AI حافظت على تفوقها في جميع المراحل، حتى مع بيانات ناقصة.
- 82% دقة في التشخيص مقابل 79% و70% لدى الأطباء
- أُجري الاختبار على سجلات حقيقية من أقسام الطوارئ
- حلّل النموذج مجموعات كاملة من التفاصيل
- تحسّنت نتائجه مع كل معلومة جديدة
لكن الأطباء يتوخون الحذر
يسارع مؤلفو الدراسة أنفسهم إلى التوضيح: AI لا تحلّ محل الأطباء. يقول المؤلف المشارك أرجون مانراي من كلية الطب بجامعة هارفارد: «لا أعتقد أن نتائجنا تعني أن AI ستزيح الأطباء». ويضيف زميله آدم رودمان، المحاضر في الطب في بوسطن: «النتائج رائعة، لا تفهموني خطأ، لكنني قلق قليلًا من الطريقة التي قد تُستخدم بها».
والمشكلة الرئيسية أنه لا يوجد معيار موحّد لتقييم نماذج LLM في المهام الطبية. فبعض الباحثين يعدّون الأمر نجاحًا إذا ذكر النموذج 5 من أصل 7 تشخيصات محتملة، بينما يعدّه آخرون فشلًا تامًا. أي أن النتيجة نفسها تُقيَّم بطرق مختلفة.
مشكلة موثوقية روبوتات الدردشة
تُظهر دراسات موازية أن روبوتات الدردشة كثيرًا ما تخطئ في الأسئلة الطبية. فما يقارب نصف الإجابات يحتوي على أخطاء: مصادر مختلقة، ونصائح غير دقيقة، وعرض واثق للمعلومات الخاطئة. ويبدو النموذج مقنعًا بالقدر نفسه سواء كان على صواب أم على خطأ.
«تُستخدم هذه النماذج كل يوم، وثمة مخاطر معيّنة لا يقيسها أحد ولا يخفّفها»، — آريا راو، Harvard
والمهمة أصعب على الطبيب: فعندما يقدّم النموذج استشارة، يحتاج الطبيب إلى أن يحدّد بسرعة هل هي صحيحة أم هلوسة. ولا شك أن الطبيب أقدر على تمييز المعلومات المهمة، لكن كشف الخطأ داخل إجابة مقنعة تحدٍّ حقيقي.
ماذا يعني هذا
أطلقت OpenAI بالفعل ChatGPT للأطباء ولقطاع الرعاية الصحية. والتقنية تتحرك أسرع مما يستطيع القطاع الطبي تنظيمه واختباره. والمطلوب تجارب سريرية حقيقية وسير عمل واضح، يستخدم فيه الطبيب AI مساعدًا في الاجتماعات الطبية، لا إجابة نهائية.
سرعة الابتكار مهمة، لكن المسؤولية أهم.
- 21 نوفمبر 2026وكلاء OpenAI ينجزون بمفردهم 46% من المهام البحثية التي تستغرق من ساعتين إلى 4 ساعات، مقارنة بـ 23% سابقًا
- 21 نوفمبر 2026OpenAI تراجع موجّهات النظام لـ GPT-6.2: أسئلة أقل واختبارات أقل
- 21 نوفمبر 2026CoreWeave مدينة بـ47 مليار دولار مقابل رقائق Nvidia وتخسر 709 ملايين دولار في ربع واحد
- 21 نوفمبر 2026Apple تعدّ وكيل ذكاء اصطناعي وتصعّب الوصول على الوكلاء الآخرين: الإذن الآن في 14 خطوة بدلًا من 4
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ماذا أظهرت الدراسة؟
حلّل نموذج o1-preview من OpenAI السجلات الطبية لـ76 حالة حقيقية في قسم الطوارئ. وفي مراحل مختلفة من العلاج — عند الدخول، وبعد فحص الطبيب، وبعد النقل إلى قسم آخر — وضع النموذج تشخيصه بالتوازي مع طبيبين. وأصاب التشخيص أكثر منهما: ففي المرحلة النهائية بلغت نسبة التشخيصات الصحيحة 82% مقابل 79% و70% للأطباء. ومن اللافت أن البشر والنموذج حققوا نتائج أفضل كلما توفرت معلومات أكثر. لكن AI حافظت على تفوقها في جميع المراحل، حتى مع بيانات ناقصة.
ما أبرز التفاصيل حول لكن الأطباء يتوخون الحذر؟
يسارع مؤلفو الدراسة أنفسهم إلى التوضيح: AI لا تحلّ محل الأطباء. يقول المؤلف المشارك أرجون مانراي من كلية الطب بجامعة هارفارد: «لا أعتقد أن نتائجنا تعني أن AI ستزيح الأطباء». ويضيف زميله آدم رودمان، المحاضر في الطب في بوسطن: «النتائج رائعة، لا تفهموني خطأ، لكنني قلق قليلًا من الطريقة التي قد تُستخدم بها». والمشكلة الرئيسية أنه لا يوجد معيار موحّد لتقييم نماذج LLM في المهام الطبية. فبعض الباحثين يعدّون الأمر نجاحًا إذا ذكر النموذج 5 من أصل 7 تشخيصات محتملة، بينما يعدّه آخرون فشلًا تامًا.
ما أبرز التفاصيل حول مشكلة موثوقية روبوتات الدردشة؟
تُظهر دراسات موازية أن روبوتات الدردشة كثيرًا ما تخطئ في الأسئلة الطبية. فما يقارب نصف الإجابات يحتوي على أخطاء: مصادر مختلقة، ونصائح غير دقيقة، وعرض واثق للمعلومات الخاطئة. ويبدو النموذج مقنعًا بالقدر نفسه سواء كان على صواب أم على خطأ. «تُستخدم هذه النماذج كل يوم، وثمة مخاطر معيّنة لا يقيسها أحد ولا يخفّفها»، — آريا راو، Harvard والمهمة أصعب على الطبيب: فعندما يقدّم النموذج استشارة، يحتاج الطبيب إلى أن يحدّد بسرعة هل هي صحيحة أم هلوسة.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.