تُعد العين البشرية نافذة على الجسد، لكن النظر من خلالها يتطلب يداً ثابتة وعيناً مدربة. لعقود من الزمن، اعتمد الأطباء على تقنية مسح تسمى التصوير المقطعي للتماسك البصري، أو (OCT)، للنظر داخل الشبكية، وهي الطبقة الحساسة للضوة في خلفية العين. تقوم هذه الآلة بالتقاط آلاف الصور المقطعية العرضية، وتكديسها لإنشاء خريطة ثلاثية الأبعاد مفصلة للبنية الداخلية للعين. لقد أحدثت هذه التقنية ثورة في كيفية رصد الأطباء لأمراض مثل اعتلال الشبكية السكري أو التنكس البقعي، مما سمح لهم برؤية المشكلات قبل وقت طويل من فقدان المريض لبصره. ومع ذلك، ورغم قدرة الآلة على التقاط هذه البيانات الغنية، فإن عملية تحويل تلك الصور إلى تشخيص تظل مهمة يدوية بطيئة. إذ يتعين على المتخصص أولاً التحقق مما إذا كان المسح واضحاً بما يكفي للاستخدام، ثم البحث في مئات الشرائح الفردية للعثور على الشرائح القليلة التي تظهر علامات الخلل، وأخيراً تجميع تلك الأجزاء لتشكيل صورة كاملة لصحة المريض. هذا سير العمل الشاق والمستهلك للوقت يخلق عنق زجاجة، مما يجعل من الصعب فحص مجموعات كبيرة من السكان أو تقديم رعاية متسقة في الأماكن التي يندر فيها الأطباء الخبراء.

لطال de حاول الباحثون بناء ذكاء اصطناعي للمساعدة في هذه المهمة، لكن معظم المحاولات السابقة كانت تشبه فريقاً من المتخصصين الذين يعرفون فقط كيفية القيام بوظيفة صغيرة واحدة. فقد يكون برنامج حاسوبي واحد جيداً في اكتشاف الصور الضبابية، بينما يكون برنامج آخر ممتازاً في تحديد مرض معين في شريحة واحدة من المسح. لم تستطع أي من هذه الأنظمة التعامل مع الرحلة بأكملها من الصورة الخام إلى التشخيص النهائي بمفردها. وغالباً ما عانت هذه الأنظمة من حقيقة أن أمراض العين هي ثلاثية الأبعاد، حيث تختبئ في المساحات بين الشرائح، كما تعثرت عندما واجهت الواقع الفوضوي والمتنوع لبيانات المستشفيات الحقيقية. تقدم دراسة جديدة نظاماً صُمم لتغيير هذا الوضع عبر أتمتة العملية بأكملها، محاكياً الطريقة التي يفكر بها الخبير البشري في حالة طبية من البداية حتى النهاية.

قام الفريق وراء هذا العمل، بقيادة باحثين من عدة مراكز طبية كبرى في الصين، بتطوير نظام يسمونه "FOCUS". يعتمد هذا الإطار على "نموذج أساسي"، وهو نوع من الذكاء الاصطناعي الذي تم تدريبه مسبقاً على كمية هائلة من البيانات البصرية العامة، مما يمنحه فهماً واسعاً للأشكال والأنماط قبل أن يرى مسحاً للعين. قام الباحثون بضبط هذا "الدماغ القوي" لفهم صور الشبكية، لكن الابتكار الحقيقي يكمكن في كيفية تنظيم النظام؛ فبدلاً من مجرد النظر إلى صورة واحدة في كل مرة، يعمل FOCUS كعملية متكاملة. أولاً، يتحقق تلقائياً من جودة المسح، ليقرر ما إذا كانت الصورة واضحة بما يكفي للوثوق بها. وإذا كانت الصورة جيدة، ينتقل إلى الخطوة التالية: مسح حجم العين بالكامل للكشف عن أي تشوهات. وأخيراً، يقوم بتوليف جميع المعلومات من آلاف الشرائح لإجراء تشخيص واحد شامل للمريض.

ولاختبار مدى نجاح هذا النهج، درب الباحثون النظام على بيانات من 3,300 مريض، وهي مجموعة ضخمة تضم أكثر من 40,000 شريحة صور فردية. ثم وضعوا النظام تحت الاختبار على مجموعة منفصلة مكونة من 1,345 مريضاً من أربعة مستشفيات مختلفة، باستخدام أنواع مختلفة من أجهزة (OCT) لضمان قدرته على التعامل مع التنوع في العالم الحقيقي. كانت النتائج مذهلة؛ فقد حدد النظام الصور عالية الجودة بدقة تقترب من 99% من المرات. وعند البحث عن علامات المرض، اكتشف التشوهات بدقة تزيد عن 97%. والأهم من ذلك، عندما تعلق الأمر بإجراء تشخيص نهائي للمريض، حقق دقة تقارب 94%. وقد صمدت هذه الأرقام حتى عندما تم اختبار النظام على بيانات من مدن ومستشفيات مختلفة، مما أظهر قدرته على التكيف مع البيئات الجديدة دون الحاجة إلى إعادة تدريبه من الصفر.

كما قارن الباحثون أداء ذكائهم الاصطناعي بأداء الأطباء البشريين لمعرفة كيف يتفوقون. وفي اختبارات شملت الكشف عن التشوهات، كان أداء النظام يضاهي، وفي بعض الحالات يتفوق على، مجموعة من فنيي طب العيون ذوي الخبرة. وعندما يتعلق الأمر بتشخيص أمراض معينة، طابق النظام أداء لجنة مكونة من تسعة أطباء تتباين مستويات خبرتهم. وفي الواقع، كان الذكاء الاصطناعي أكثر اتساقاً من البشر؛ حيث أشارت الدراسة إلى أن الأطباء الخبراء يواجهون أحياناً صعوبة في التمييز بين حالات معينة عند النظر إلى صور (OCT) وحدها، وغالباً ما يحتاجون إلى الاعتماد على اختبارات أخرى أو التاريخ المرضي للتأكد. ومع ذلك، استطاع الذكاء الاصطناعي رصد الاختلافات الهيكلية الدقيقة عبر الحجم ثلاثي الأبعاد للعين والتي قد يغفل عنها البشر، مما يؤدي إلى قرارات أكثر توحيداً.

يكمن جزء رئيسي من نجاح هذا النظام في كيفية تعامله مع الطبيعة ثلاثية الأبعاد للعين. فغالباً ما كانت أدوات الذكاء الاصطناعي السابقة تعامل كل شريحة من المسح كحدث منعزل، مما يفقدها السياق الذي يربط بينها. يستخدم FOCUS طريقة تسمح له بتقدير أهمية كل شريحة بشكل ديناميكي؛ فهو يتعلم التركيز على الشرائح المحددة التي تحتوي على أقوى الأدلة على المرض مع تجاهل الشرائح الغامضة أو غير ذات الصلة. يشبه هذا الأمر كيف يقوم خبير بشري بتصفح كومة من الأوراق، فيمر سريعاً على الأوراق المملة ويتوقف ليقرأ بعناية فقط الصفحات التي تحتوي على المعلومات الهامة. ومن خلال تجميع هذه النتائج بذكاء، يبني النظام تشخيصاً موثوقاً دون الحاجة إلى معالجة الحجم ثلاثي الأبعاد بالكامل بطريقة مكلفة حاسوبياً.

وتقر الدراسة أنه رغم كون النتائج واعدة، إلا أن النظام ليس منتجاً نهائياً جاهزاً لكل عيادة. فالبيانات المستخدمة لتدريب واختبار النظام جاءت أساساً من مراكز طبية في الصين، مما يعني أن النظام قد يحتاج إلى مزيد من التحقق لضمان عمله بنفس الكفاءة مع أشخاص من خلفيات عرقية مختلفة أو في أنظمة رعاية صحية مختلفة. بالإضافة إلى ذلك، تم الاختبار على بيانات جُمعت من مستشفيات كان المرضى فيها معروفين مسبقاً بوجود مشاكل في العين، وهو سيناريو مختلف عن فحص عامة السكان الأصحاء حيث تكون الأمراض أقل شيوعاً. كما يشير الباحثون إلى أن النسخة الحالية من النظام لا تتضمن بعد القدرة على إنشاء تقارير مكتوبة أو إجراء محادثة مع الطبيب، وهي ميزات قد تضيفها النسخ المستقبلية باستخدام أدوات لغوية متقدمة.

وعلى الرغم من هذه القيود، يمثل هذا العمل خطوة كبيرة للأمام في مجال التصوير الطبي. فهو يتجاوز عصر الأدوات المعزولة التي تؤدي مهاماً فردية، ويثبت أن نظاماً موحداً يمكنه أتمتة سير عمل سريري معقد ومتعدد الخطوات. ومن خلال النجاح في سد الفجوة بين بيانات الصور الخام والتشخيص النهائي للمريض، أظهر الباحثون أنه من الممكن بناء ذكاء اصطناعي يحاكي تفكير المتخصص البشري. ويقدم هذا النهج مخططاً لمستقبل يمكن فيه تقديم رعاية عالية الجودة للعين بشكل أكثر كفاءة واتساقاً، مما قد يوفر فحصاً بمستوى الخبراء للمجتمعات التي تفتقر حالياً إلى الوصول إلى الأطباء المتخصصين. إن هذا النظام لا يحل محل الطبيب، بل يزيل الحواجز المملة والمتكررة التي تمنع تحول الفحص واسع النطاق إلى واقع، مما يمهد الطريق لعصر جديد من رعاية العين المؤتمتة والمتاحة للجميع.