تخيل أنك تحاول التنبؤ بالطقس. يمكنك النظر إلى متوسط درجة الحرارة لكوكب الأرض بأكمله وتخمين حالة الطقس في بلدتك غداً. هكذا يعالج الأطباء أمراض القلب اليوم في كثير من الأحيان: يستخدمون مخططات ضخمة تعتمد على آلاف الأشخاص لتخمين ما قد يحدث لك. لكنك لست شخصاً عادياً؛ فقلبك هو آلة فريدة ومعقدة لها سماتها الخاصة، وتاريخها، وأسلوبها. الآن، تخيل لو كان بإمكانك بناء نسخة افتراضية مثالية لقلبك داخل جهاز كمبيوتر. هذه النسخة لن تكتفي بالجلوس هناك؛ بل ستتعلم من قلبك الحقيقي، وتحدث نفسها في كل مرة تقيس فيها نبضة أو تجري تصويراً بالرنين المغناطيسي. هذا هو حلم "التوأم الرقمي". إنه يشبه امتلاك شخصية في لعبة فيديو هي في الواقع "أنت"، مما يسمح للأطباء باختبار العلاجات على النسخة الافتراضية قبل لمس النسخة الحقيقية. السؤال الكبير الذي يطرحه العلماء هو: كيف نبني هذا القلب الافتراضي ليكون سريعاً بما يكفي ليكون مفيداً، ودقيقاً بما يكفي ليكون موثوقاً، وذكياً بما يكفي لفهم الواقع الفوضوي للبيولوجيا البشرية؟

هذه الورقة، التي كتبها إيمانويل لويلي وفرانسيس تشيكويتو، هي دليل إرشادي حول كيفية بناء هذه القلوب الرقمية. يستكشف المؤلفان "المحركات" المختلفة التي يمكننا استخدامها لتشغيل هذه التوائم الرقمية، مقارنين بين النماذج التقليدية القائمة على الفيزياء وأدوات الذكاء الاصطناعي (AI) الحديثة والمتألقة. هما لا يكتفيان بسرد الخيارات فحسب؛ بل يعملان كـ "ميكانيكي" يفحص مرآباً مليئاً بالسيارات المختلفة، مشيرين إلى أي منها سريع ولكنه هش، وأيها بطيء ولكنه موثوق، وأيها قد يكون الهجين المثالي للمهمة.

تجد الورقة أنه بينما النماذج القديمة "القائمة على الفيزياء" تشبه صانع الساعات الماهر — فهي تفهم تماماً كيف يعمل كل ترس ونبض — إلا أنها بطيئة للغاية وتتطلب معلومات مثالية لتعمل. ومن ناحية أخرى، فإن نماذج "الذكاء الاصطناعي" القائمة على البيانات هي مثل سيارة السباق: فهي سريعة جداً ويمكنها التعلم من الخبرة، لكنها أحياناً تخرج عن الطريق لأنها لا تفهم حقاً قوانين الفيزياء. يقترح المؤلفان أن المسار الأفضل ليس اختيار أحدهما، بل بناء توائم "هجينة". تحاول هذه النماذج الجديدة الجمع بين سرعة الذكاء الاصطناعي وقواعد الفيزياء. كما يسلطان الضوء على أنه رغم امتلاكنا لأفكار رائعة، إلا أن أمامنا طريق طويل قبل أن نتمكن من استخدام هذه التوائم الرقمية في كل مستشفى، لأننا بحاجة للتأكد من أنها آمنة، وعادلة، وقادرة على التعامل مع البيانات الفوضوية والمشوشة لأجسام البشر الحقيقية.

الطريقة القديمة: صانع الساعات الماهر

لفترة طويلة، حاول العلماء بناء قلوب رقمية باستخدام الفيزياء الصرفة. فكر في هذا الأمر كصانع ساعات يعرف بالضبط كيف يتفاعل كل ترس ونبض وبندول في الساعة. تستخدم هذه النماذج معادلات رياضية معقدة (مثل قواعد تدفق السوائل والكهرباء) لمحاكاة كيفية حركة الدم أو انقباض عضلات القلب.

توضح الورقة أن هذه النماذج ممتازة لأنها "قابلة للتفسير". إذا تنبأ النموذج بشيء غريب، يمكنك تتبع السبب وصولاً إلى ترس أو نبض محدد في الرياضيات. ومع ذلك، فهي بطيئة للغاية. إن تشغيل محاكاة لسيناريو واحد فقط قد يستغرق ساعات أو حتى أياماً. الأمر يشبه محاولة بناء ساعة يدوياً لكل مريض على حدٍ؛ إنه أمر بطيء جداً ليكون مفيداً في مستشفى مزدحم. بالإضافة إلى ذلك، تحتاج هذه النماذج إلى بيانات عالية الجودة ومثالية لتعمل. فإذا كانت البيانات فوضوية أو ناقصة، يرتبك صانع الساعات ويتعطل النموذج.

الطريقة الجديدة: المتعلم السريع

ثم جاء الذكاء الاصطناعي (AI). إذا كانت نماذج الفيزياء هي صانع الساعات الحذر، فإن نماذج الذكاء الاصطناعي هي مثل متدرب فائق السرعة يتعلم من خلال مراقبة بناء آلاف الساعات. هذه النماذج، التي تُسمى غال باستمرار "تعلم الآلة" أو "التعلم العميق"، لا تحتاج لمعرفة قواعد الفيزياء؛ بل تنظر فقط إلى كميات هائلة من البيانات وتكتشف الأنماط.

تشير الورقة إلى أن نماذج الذكاء الاصطناعي هذه رائعة من حيث السرعة. فبمجرد تدريبها، يمكنها تقديم تنبؤات في طرفة عين. كما أنها بارعة في التعامل مع البيانات الفوضوية. ولكن هناك فخ: فهي عبارة عن "صناديق سوداء". لا يمكنك دائماً معرفة لماذا قدمت توقعاً معيناً. والأهم من ذلك، أنها أحياناً تكسر قوانين الفيزياء. قد يتنبأ الذكاء الاصطناعي بأن الدم يتدفق للخلف أو أن القلب ينبض بدون كهرباء، فقط لأنه رأى نمطاً غريباً في البيانات. يحذر المؤلفان من أن الاعتماد فقط على هذه النماذج أمر محفوف بالمخاطر لأنها قد تفشل عندما تواجه مريضاً لم "تره" من قبل.

المنطقة المثالية: المحرك الهجين

إذن، ما هو الحل؟ تقترح الورقة أن المستقبل يكمن في النماذج "الهجينة". تخيل سيارة تمتلك محركاً قوياً (ذكاء اصطناعي) ولكن يتم توجيهها بواسطة نظام تحديد مواقع (GPS) صارم يعرف قوانين الفيزياء (القواعد).

يناقش المؤلفان نوعين رئيسيين من هذه الهجن:

1. الشبكات العصبية المستوحاة من الفيزياء (PINNs): وهي نماذج ذكاء اصطناعي تُجبر على الامتثال لقوانين الفيزياء أثناء تعلمها. الأمر يشبه تعليم المتدرب أنه مهما رأى، لا يمكن للماء أن يتدفق للأعلى. يساعد هذا النماذج على البقاء دقيقة حتى عندما تكون البيانات شحيحة.
2. الشبكات العصبية الرسومية (GNNs): القلب والأوعية الدموية تشبه شبكة ضخمة من الطرق والتقاطعات. صُممت شبكات (GNNs) لفهم هذه الشبكات. فبدلاً من النظر إلى القلب بأكمله ككتلة واحدة، تنظر إلى كيفية اتصال الأجزاء المختلفة (العُقد) ببعضها البعض (الحواف). وهذا مثالي لنمذجة كيف يؤثر انسداد في أحد الشرايين على تدفق الدم في شريان آخر.

تجد الورقة أن هذه النهج الهجينة هي الأكثر واعدية لأنها تحاول الحصول على أفضل ما في العالمين: سرعة الذكاء الاصطناعي وموثوقية الفيزياء. ومع ذلك، لا تزال هذه النماذج قيد التطوير. يشير المؤلفان إلى أن هذه النماذح لا تزال تحت الاختبار في عمليات المحاكاة ولم تحل تماماً مشكلة كونها سريعة بما يكفي للاستخدام في الوقت الفعلي في كل مستشفى.

العقبات: لماذا لا يمكننا استخدامها بعد؟

حتى مع هذه الأدوات الرائعة الجديدة، فإن الورقة واضحة جداً في أننا لم نصل بعد. هناك عدة عقبات كبيرة:

• مشكلة "الصندوق الأسود": يحتاج الأطباء إلى الثقة في الكمبيوتر. إذا قال الذكاء الاصطناعي: "هذا المريض يحتاج إلى جراحة"، لكنه لا يستطيع شرح السبب، فقد لا يستمع إليه الأطباء. تؤكد الورقة أننا بحاجة إلى نماذج يمكنها شرح منطقها.
• مشكلة البيانات: لتدريب هذه النماذج، نحتاج إلى الكثير من البيانات. لكن بيانات المرضى غالباً ما تكون فوضوية، أو غير مكتملة، أو خاصة. تشير الورقة إلى أنه إذا تم تدريب نموذج على بيانات من نوع واحد من المستشفيات، فقد لا يعمل للمرضى في مستشفى آخر.
• فحص السلامة: قبل أن يمكن استخدام التوأم الرقمي على شخص حقيقي، يجب أن يجتاز اختبارات سلامة صارمة. تذكر الورقة أننا بحاجة لإثبات أن هذه النماذج دقيقة ليس فقط للشخص العادي، بل "لك أنت". ويتضمن ذلك التحقق مما إذا كان النموذج يعمل لمختلف الأعمار، وأنواع الأجسام، والأمراض.
• عامل "عدم اليقين": تشدد الورقة على أننا بحاجة لمعرفة مدى تأكد النموذج. إذا تنبأ النموذج بنوبة قلبية، فيجب أن يقول أيضاً: "أنا متأكد بنسبة 90%"، أو "أنا متأكد بنسبة 50% فقط". إذا لم يفعل ذلك، فقد يرتكب الأطباء أخطاءً خطيرة.

المستقبل: خارطة طريق نحو العيادة

تختتم الورقة برسم مسار للمضي قدماً. تقترح أننا يجب أن نركز على بناء توائم "نمطية" (Modular) — حيث يتم نمذجة أجزاء مختلفة من القلب بأدوات مختلفة، وتتواصل جميعها مع بعضها البعض. على سبيل المثال، يمكن لجزء تدفق الدم أن يستخدم نموذج ذكاء اصطناعي سريع، بينما يستخدم جزء عضلة القلب نموذج فيزياء دقيق.

يسلط المؤلفان الضوء أيضاً على الحاجة إلى قواعد ولوائح أفضل. تماماً كما لدينا قواعد لبناء الجسور والطائرات، نحتاج إلى قواعد لبناء القلوب الرقمية. وهما يدعوان إلى مزيد من التعاون بين المهندسين والأطباء والجهات التنظيمية لضمان أن تكون هذه الأدوات آمنة، وعادلة، وجاهزة للعالم الحقيقي.

باختصار، هذه الورقة هي خريطة للمشهد الحالي للتوائم الرقمية للقلب والأوعية الدموية. تخبرنا أنه بينما نمتلك أدوات مذهلة مثل الذكاء الاصطناعي والنماذج الفيزيائية، فإن السحر الحقيقي يحدث عندما نجمع بينهما. إن الرحلة من مجرد محاكاة حاسوبية رائعة إلى أداة منقذة للحياة في المستشفى هي رحلة طويلة ومليئة بالتحديات، لكن المؤلفين يعتقدون أنها رحلة تستحق القيام بها. الهدف ليس مجرد بناء نموذج حاسوبي أفضل؛ بل بناء طريقة أفضل لرعاية كل قلب بشري فريد.