Do Medical Foundation Models Generalize on the African Brain?

تخيل عالماً يمتلك فيه الأطباء مساعداً فائق الذكاء، قد قرأ ملايين الكتب الطبية واطلع على عدد لا يحصى من صور الأشعة السينية والمسوحات. يُطلق على هذا المساعد اسم "النموذج التأسيسي" (Foundation Model). فكر في الأمر كطالب عبقري قضى طفولته بأكملها في الدراسة داخل أكثر المكتبات تقدماً وتجهيزاً في أمريكا الشمالية وأوروبا. إنه بارع للغاية في رصد الأنماط في مسوحات الدماغ، مثل اكتشاف ورم أو تحديد ما إذا كان الشخص يعاني من الخرف. ولكن هنا تكمن المشكلة: هذا الطالب لم يزر حقاً مكتبة في أفريقيا قط. هو لا يعرف كيف تبدو الكتب هناك، أو إذا كانت الإضاءة مختلفة، أو إذا كانت خلفيات المرضى مختلفة.

السؤال الكبير الذي يسأله العلماء هو: إذا حاول هذا الطالب المتفوق مساعدة طبيب في نيجيريا أو غيرها من الدول الأفريقية، فهل سيظل ذكياً بنفس القدر؟ أم أنه سيصاب بالارتباك لأن "الكتب" (مسوحات الدماغ) تبدو مختلفة؟ هذا أمر بالغ الأهمية، لأنه إذا كانت أدوات الذكاء الاصطناعي الذكية هذه تعمل جيداً فقط لمجموعات معينة من الناس، فقد ترتكب أخطاءً عن غير قصد، مما يؤدي إلى عدم عدالة في الرعاية الصحية. أراد الباحثون معرفة ما إذا كانت هذه الأدمغة الرقمية عالمية حقاً أم أن لديها نقطة عمياء تجاه المرضى الأفارقة.

---

اختبار مسح الدماغ العظيم

في هذه الدراسة، قرر فريق من الباحثين وضع هذه "النماذج التأسيسية" تحت الاختبار النهائي. أخذوا نوعين مختلفين تماماً من مساعدي الذكاء الاصطناعي وطلبوا منهم القيام بمهمتين مختلفتين باستخدام مسوحات دماغ لمرضى أفارقة.

المهمة الأولى كانت لعبة المحقق: هل يمكن للذكاء الاصطناعي النظر إلى مسح دماغي وتخمين ما إذا كان الشخص يعاني من الخرف (مرض يؤثر على الذاكرة) أم أنه سليم؟ استخدموا مجموعة بيانات من نيجيريا لهذا الغرض.
المهمة الثانية كانت لعبة التلوين: هل يمكن للذكاء الاصطناعي النظر إلى مسح ورسم خط خارجي مثالي حول ورم دماغي؟ استخدموا مجموعة بيانات من أفريقيا جنوب الصحراء الكبرى.

ولكي يرى ما إذا كان الذكاء الاصطناعي عادلاً، قام الباحثون أيضاً بإعطاء نفس الاختبارات للذكاء الاصطناعي باستخدام مسوحات دماغية من الولايات المتحدة وهولندا. أرادوا معرفة ما إذا كان أداؤه سيكون أفضل على البيانات "الأصلية" (الولايات المتحدة/أوروبا) أم أنه يستطيع التعامل مع البيانات "الجديدة" (أفريقيا) بنفس الكفاءة.

نتائج لعبة المحقق: "لا يوجد تحسن كبير"

عندما تعلق الأمر بلعبة المحقق (تصنيف الخرف)، كانت النتائج مخيبة للآمال نوعاً ما. وجد الباحثون أن نماذج الذكاء الاصطناعي الفاخرة والمُدربة مسبقاً لم تقدم أي ميزة حقيقية مقارنة بذكاء اصطناعي أساسي تم بناؤه من الصفر خصيصاً لهذه المهمة.

• في البيانات النيجيرية، حصل أفضل نموذج تأسيسي (BrainIAC) على درجة 0.86 (مقياس لمدى جودة التخمين الصحيح).
• أما الذكاء الاصطناعي الأساسي المبني من الصفر، فقد حصل على درجة 0.85.

الأمر يشبه إعطاء وصفة لم يسبق له رؤيتها لشيف عالمي؛ قد يبلي بلاءً حسناً، لكنه ليس بالضرورة أفضل من طباخ محلي يعرف المكونات المحلية تمام المعرفة. ويشير الباحثون إلى أنه بالنسبة لرصد الأشياء الدقيقة مثل الخرف، فإن هذه النماذج الضخمة المُدربة مسبقاً لا تقدم ميزة كبيرة، سواء كان المريض من أفريقيا أو من أوروبا.

نتائج لعبة التلوين: "واو، إنهم يتألقون!"

ولكن بعد ذلك، انتقل الباحثون إلى لعبة التلوين (تجزئة الورم)، وتغيرت القصة تماماً. هنا، كانت النماذج التأسيسية نجوم روك حقيقيين.

• تمكن أحد النماذج، ويُدعى MedSAM2، من الحصول على درجة 0.86 في بيانات الأورام الأفريقية.
• أما الذكاء الاصطناعي الأساسي المبني من الصفر؟ فقد عانى، حيث حصل على درجة 0.21 فقط عند النظر إلى أنواع مختلفة من صور المسح. وحتى عند النظر إلى أفضل نوع من الصور فقط، وصلت درجة الذكاء الاصطناوي الأساسي إلى 0.55 فقط.

الأمر كما لو أن النماذج التأسيسية قد تدربت بالفعل على رسم الأشكال ملايين المرات، لذا عندما رأت ورماً جديداً، استطاعت رسم الخطوط الخارجية بدقة مذهلة فوراً. أما الذكاء الاصطناعي الأساسي، الذي لم يرَ ورماً من قبل، فكان مجرد يخمن بشكل عشوائي. هذا التحسن الهائل حدث لكل من البيانات الأفريقية والبيانات الأوروبية، مما يشير إلى أن هذه النماذج بارعة في العثور على الأورام وتحديد حدودها في أي مكان.

المفاجأة الكبرى: لم يتم العثور على "تحيز"

الجزء الأكثر إثارة في القصة هو ما لم يجده الباحثون. كانوا يخشون أن يكون الذكاء الاصطناعي "منحازاً" — أي أنه سيكون أسوأ بكثير في فهم الأدمغة الأفريقية لأنه تدرب في الغالب على الأدمغة الأوروبية.

لكن النتائج أظهرت أن الذكاء الاصطناعي لم يكن منحازاً بطبيعته ضد المرضى الأفارقة.

• عندما قارن الباحثون الدرجات، وجدوا أن الفرق بين مدى جودة أداء الذكاء الاصطناعي على البيانات الأفريقية مقابل البيانات الأوروبية كان صغيراً وغير متسق. أحياناً كان الأداء أفضل قليلاً في أحدهما، وأحياناً في الآخر.
• السبب الرئيسي وراء تفوق الذكاء الاصطناعي في البيانات الأوروبية لم يكن لأن البيانات "أفضل" أو لأن الذكاء الاصطناعي "يفضلها". بل ببساطة لأن هناك المزيد منها. فعندما أعطوا الذكاء الاصطناعي المزيد من الأمثلة التدريبية من أوروبا، أصبح أفضل. ولكن عندما ساواوا عدد الأمثلة (إعطاؤه 150 من أفريقيا و150 من أوروبا)، كان الأداء متماثلاً تقريباً.

المشكلة الحقيقية: نقص البيانات

إذاً، ما هي المشكلة الحقيقية؟ تشير الورقة البحثية إلى أن المشكلة ليست في أن الذكاء الاصطناعي عنصري أو منحاز؛ بل المشكلة هي أنه لا توجد ببساطة مسوحات دماغ أفريقية كافية لتعليم الذكاء الاصطناعي بشكل صحيح.

أشار الباحثون إلى أن مجموعات البيانات الأفريقية التي استخدموها كانت صغيرة جداً. على سبيل المثال، احتوت مجموعة بيانات الخرف على 50 شخصاً فقط، بينما احتوت المجموعة الأوروبية على 97. أما مجموعة بيانات الأورم، فقد احتوت على 146 مسحاً من أفريقيا مقابل 625 ضخمة من أوروبا.

خلصت الدراسة إلى أن هذه النماذج التأسيسية يمكنها التعميم على الأدمغة الأفريقية بفعالية. ليس لديها "نقطة عمياء" متأصلة. ومع ذلك، نظرًا لقلة عدد المسوحات الأفريقية المتاحة، فمن الصعب التأكد بنسبة 100%، ولا يمكن للنماذج أن تتعلم بقدر ما يمكنها إذا توفرت المزيد من البيانات. العائق الأكبر ليس ذكاء الذكاء الاصطناعي، بل هو نقص البيانات المتنوعة وعالية الجودة من المستشفيات الأفريقية للتدريب والاختبار.

باختصار، مساعدو الذكاء الاصطناعي الأذكياء مستعدون لمساعدة الأطباء الأفارقة، لكننا بحاجة إلى تزويدهم بمزيد من مسوحات الدماغ الأفريقية ليدرسوها حتى يصبحوا أفضل في أداء مهامهم.