📄 health systems and quality improvement

Towards clinical implementation of artificial intelligence in cancer care: Concept mapping analysis of provincial workshop findings

تستخدم هذه الدراسة تحليل خرائط المفاهيم لورشة عمل قمة كولومبيا البريطانية للسرطان لعام 2024 لتحديد أولويات أصحاب المصلحة فيما يتعلق بالذكاء الاصطناي في رعاية مرضى السرطان، مما يكشف عن إجماع قوي على الأهمية العالية والجدوى للمزايا السريرية ومكاسب الكفاءة مقارنة بتحديات التنفيذ، وبالتالي توفير إطار هيكلي لتوجيه دمج الذكاء الاصطناعي بشكل مسؤول وفعال.

المؤلفون الأصليون: Nayyar, C., Xu, H. H., Bates, A. T., Conati, C., Hilbers, D., Avery, J., Raman, S., Fayaz-Bakhsh, A., Nunez, J.-J.

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Nayyar, C., Xu, H. H., Bates, A. T., Conati, C., Hilbers, D., Avery, J., Raman, S., Fayaz-Bakhsh, A., Nunez, J.-J.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

تخيل أنك قبطان سفينة ضخمة ومعقدة (النظام الصحي) تبحر عبر مياه ضبابية في مجال رعاية مرضى السرطان. لديك محرك جديد وقوي على متن السفينة يسمى الذكاء الاصطناعي (AI). الجميع متفقون على أن هذا المحرك يمكن أن يجعل السفينة أسرع، وأكثر أماناً، وأكثر كفاءة. ولكن قبل أن تشغله، عليك أن تعرف: هل هو آمن؟ هل سيساعد حقاً؟ وكيف نقوم بتركيبه دون أن نكسر السفينة؟

هذه الورقة هي في الأساس جلسة عصف ذهني جماعية مع طاقم السفينة (الأطباء، والممرضين، والمرضى، وخبراء التكنولوجيا، والإداريين) لتحديد كيفية استخدام هذا المحرك الجديد بدقة.

إليك قصة رحلتهم، مشروحة ببساطة:

1. الاجتماع الكبير (ورشة العمل)

جمع الباحثون 48 شخصاً من مقاطعة كولومبيا البريطانية بكندا، في قمة لمرض السرطان. لم يكتفوا بالجلوس والاستماع إلى المحاضرات؛ بل شاركوا في ورشة عمل تطبيقية. طرحوا ثلاثة أسئلة بسيطة:

ما الذي يقلقك بشأن الذكاء الاصطناعي؟
ما هي الأشياء الجيدة التي تعتقد أن الذكاء الاصطناعي سيقدمها؟
ما الذي يجب أن نضعه في الأولوية أولاً؟

صرخ أعضاء المجموعة بأفكارهم، وقام الباحثون بتدوين 265 فكرة مختلفة. هذا قدر كبير من الضجيج! ولجعل هذا الضجيج ذا معنى، احتاجوا إلى وسيلة لتنظيم هذه الفوضى.

2. لعبة التصنيف (رسم الخرائط المفاهيمية)

تخيل أن لديك كومة ضخمة من 100 قطعة من قطع الأحجية (أفضل الأفك الأفك من بين الـ 265 فكرة). تطلب من فريق مكون من 13 خبيراً فرز هذه القطع في مجموعات بناءً على كيفية ترابطها في نظرهم.

النتيجة: قام الخبراء بشكل طبيعي بفرز القطع إلى مجموعتين كبيرتين (عناقيد):
- المجموعة (أ) ("الحواجز الواقية"): احتوت هذه المجموعة على جميع المخاوف والقواعد. أشياء مثل "ماذا لو كذب الذكاء الاصطناعي؟"، "من المسؤول إذا ارتكب خطأً؟"، و"كيف نحافظ على خصوصية بيانات المرضى؟".
- المجموعة (ب) ("القوى الخارقة"): احتوت هذه المجموعة على جميع الفوائد المثيرة. أشياء مثل "سيوفر الوقت في الأعمال الورقية"، "سيساعد في اكتشاف السرطان في وقت مبكر"، و"سيسمح للأطباء بقضاء وقت أطول في التحدث مع المرضى".

3. بطاقة التقييم (ما الذي أحبه الناس أكثر)

طلب الباحثون من الخبراء تقييم كل فكرة بناءً على مقياسين:

ما مدى أهمية هذا؟ (من 1 إلى 5 نجوم)
ما مدى سهولة القيام بذلك في الوقت الحالي؟ (من 1 إلى 5 نجوم)

الاكتشاف الكبير:
اتفق الجميع على أن "القوى الخارقة" (المجموعة ب) كانت أكثر أهمية وأسهل في التنفيذ من "الحواجز الواقية" (المجموعة أ).

"النجاحات السهلة": الأطباء والموظفون مستعدون لأدوات الذكاء الاصطناعي التي تساعد في المهام اليومية، مثل تلخيص ملاحظات المرضى أو تنظيم البيانات. هذه الأدوات تبدو وكأنها إضافة أداة مفيدة جديدة إلى صندوق الأدوات.
"المهمة الشاقة": القواعد الكبيرة والقوانين وشبكات الأمان الأخلاقية (مثل التأكد من أن الذكاء الاصطناعي ليس منحازاً وأن البيانات آمنة) تُعت de كأشياء مهمة جداً، ولكنها أيضاً صعبة جداً في إصلاحها الآن. فهي تتطلب تغيير النظام بأكło، وليس مجرد إضافة أداة.

4. خريطة "منطقة الانطلاق" (أين نبدأ)

رسم الباحثون خريطة بها أربعة مربعات لمساعدة القادة في اتخاذ القرار التالي:

أعلى اليمين (أهمية عالية، جدوى عالية): افعل هذا الآن! هذه هي "النجاحات السريعة". أمثلة: استخدام الذكاء الاصطناعي لتدوين المحادثات بين الطبيب والمريض أو لتنظيم ملفات المرضى.
أعلى اليسار (أهمية عالية، جدوى منخفضة): خطط للمستقبل. هذه هي المشكلات الكبيرة والصعبة. أمثلة: وضع قوانه جديدة للمسؤولية القانونية للذكاء الاصطناعي أو ضمان خصوصية البيانات عبر الدولة بأكملها. هذه تتطلب استثماراً طويل الأمد.
أسفل اليمين (أهمية منخفضة، جدوى عالية): شيء جيد لامتلاكه. من السهل القيام به، لكنه ليس أولوية قصوى.
أسفل اليسار: تجاهلها في الوقت الحالي.

5. الخلاصة: الرقصة ذات الخطوتين

الدرس الرئيسي من هذه الورقة هو أنه لا ينبغي لنا محاولة فعل كل شيء في وقت واحد. الأمر يشبه بناء منزل:

أولاً، ابنِ الغرف التي يمكنك العيش فيها اليوم. (استخدم الذكاء الاصطنا সাহায্য في الأعمال الورقية والجدولة). هذا يثير حماس الناس ويظهر قيمة فورية.
بينما تعيش هناك، ضع الأساس للمستقبل. (اعمل على القوانين والأخلاقيات وقواعد البيانات الكبيرة).

باختصار:
الأشخاص الذين يعملون فعلياً في رعاية مرضى السرطان مستعدون لاستخدام الذكاء الاصطناعي لجعل وظائفهم أسهل ومساعدة المرضى بشكل أسرع. إنهم ليسوا خائفين من التكنولوجيا نفسها؛ هم فقط ينتظرون أن تلحق بهم الأمور "المملة" (القواعد وشبكات الأمان). تقترح الورقة أن نبدأ بأدوات صغيرة مفيدة بينما نبني ببطء هياكل الأمان الكبيرة حولها.

ملخص تقني لورقة بحثية بعنوان: "نحو التنفيذ السريري للذكاء الاصطناعي في رعاية مرضى السرطان: تحليل رسم خرائط المفاهيم لنتائج ورشة عمل إقليمية"

1. بيان المشكلة

بينما يحمل الذكاء الاصطناعي (AI) وعوداً كبيرة لتحسين الكفاءة والنتائج في الرعاية الصحية، إلا أن تنفيذه في مجال أورام السرطان يظل معقداً نظراً للطبيعة متعددة التخصصات لهذا المجال ومتطلبات التنسيق العالية. غالباً ما تستكشف الأدبيات الحالية المواقف العامة تجاه الذكاء الاصطناعي في الطب أو تركز على عوائق محددة، ولكن هناك ندرة في الأبحاث التي:

تعالج الخصائص المعقدة والفريدة لرعاية مرضى السرطان بشكل محدد.
تدمج وجهات نظر مجموعة متنوعة من أصحاب المصلحة (المرضى، الأطباء، الباحثين في الذكاء الاصطناعي، الإداريين، ومتخصصي تكنولوجيا المعلومات) في آن واحد.
توفر إطاراً كمياً مهيكلاً لتحديد أولويات استراتيجيات التنفيذ بناءً على كل من الأهمية والجدوى.

تهدف الدراسة إلى سد هذه الفجوة من خلال تحديد الفوائد والمخاوف والأولويات المتصورة لتوجيه التنفيذ القائم على الأدلة (EB) والمسؤول للذكاء الاصطناعي في رعاية مرضى السرطان.

2. المنهجية

استخدمت الدراسة منهجاً تشاركياً مختلط الأساليب يعتمد على رسم خرائط المفاهيم (Concept Mapping)، وهي عملية مهيكلة تدمج توليد الأفكات النوعي مع التحليل متعدد المتغيرات الكمي.

سياق الدراسة والمشاركون:
- ورشة العمل: عُقدت في قمة سرطان كولومبيا البريطانية لعام 2024 (فانكوفر، كندا).
- العصف الذهني: قام 48 مشاركاً (مرضى، عائلات، أطباء، باحثون، متخصصو تكنولوجيا معلومات، وإداريون) بتوليد 265 عبارة أولية تتعلق بمخاوف وفوائد وأولويات الذكاء الاصطناعي.
- لجنة الخبراء: قامت لجنة مختارة غرضياً من 13 خبيراً (54% أطباء، 31% باحثون في الذكاء الاصطناعي، 15% خبراء إداريون/مرضى) بمهام التصنيف والتقييم.
إجراء رسم خرائط المفاهيم (6 مراحل):
1. التحضير والتوليد: ولدت مناقشات ورشة العمل عبارات خام.
2. التنظيم: تم حذف العبارات المكررة، وتغيير ترتيبها، وإعادة صياغتها، مما نتج عنه مجموعة نهائية مكونة من 100 عبارة فريدة.
3. التصنيف: قام المشاركون بتجميع العبارات في مجموعات بناءً على التشابه المفاهيمي (بمتوسط 5 مجموعات لكل شخص).
4. التقييم: تم تقييم كل عبارة على مقياس ليكرت خماسي النقاط لـ الأهمية (1–5) والجدوى (1–5).
5. التمثيل (التحليل):
  - المقياس متعدد الأبعاد (MDS): استُخدم لإنشاء خريطة مكانية ثنائية الأبعاد حيث يعكس التقارب التشابه المفاهيمي بناءً على تكرار التصنيف.
  - التحليل العنقودي الهرمي (طريقة وارد): طُبق على إحداثيات MDS لتحديد العناقيد والعناقيد الفرعية. تم تحديد الأعداد المثلى عبر تحليل الظل (silhouette analysis) وطريقة الكوع (elbow method).
6. التفسير والاستخدام:
  - تحليل مطابقة النمط: قارن بين تقييمات الأهمية مقابل الجدوى.
  - تحليل المنطقة المستهدفة (Go-Zone Analysis): صنفت العناقيد الفرعية إلى أربعة أرباع (عالية-عالية، منخفضة-عالية، عالية-منخفضة، منخفضة-منخفضة) لتحديد الأولويات الفورية مقابل الاستثمارات طويلة الأجل.
  - تحليل المجموعات الفرعية: قارن بين تقييمات المهنيين السريريين وغير السريريين باستخدام اختبارات Mann–Whitney U وt-tests.
الأدوات: تم إجراء التحليل باستخدام لغة Python (الإصدار 3.12) عبر سكربتات مخصصة مقتبسة من Bar & Mentch.

3. النتائج الرئيسية

توليد العبارات: تم تنقيح 265 عبارة أولية إلى 100 عبارة نهائية تغطي المخاوف (32.8%)، الفوائد (27.2%)، وأولويات البحث (40.0%).
بنية العناقيد: ظهر عناقيد رئيسية اثنان:
- العنقود 1: "التحديات والضمانات لتنفيذ الذكاء الاصطناعي" (62 عبارة).
- العنقود 2: "الفوائد السريرية ومكاسب الكفاءة" (38 عبارة).
النتائج الكمية:
- الدلالة: سجل العنقود 2 (الفوائد) متوسط تقييمات أعلى بشكل ملحوظ لكل من الأهمية ( $M=3.50$ مقابل $3.14 $،$ P<.001 $) و**الجدوى** ($ M=3.62 $مقابل$ 2.99 $،$ P<.001$) مقارنة بالعنقود 1.
- حجم الأثر: كان الفرق في الجدوى كبيراً بشكل خاص (Cohen's $d = 1.59$ ).
- اختلاف المجموعات الفرعية: لم يتم العث على فرق جوهري بين المهنيين السريريين وغير السريريين فيما يتعلق بالأهمية. ومع ذلك، قيم المهنيون السريريون الجدوى للعنقود 2 بشكل أعلى بكثير ( $P=.029$ ).
تحليل العناقيد الفرعية (8 عناقيد فرعية):
- عناقيد العنقود 1: ركزت على المخاوف التشغيلية الفورية، الأخلاقيات/السلامة، التنظيم/الخصوصية، وضمان الجودة. وقد حصلت هذه العناقيد عموماً على تقييمات جدوى منخفضة.
- عناقيد العنقود 2: ركزت على البحث/المعرفة، تحسينات سير العمل المباشرة، الجودة السريرية، وتواصل المرضى. أظهر العنقود الفرعي 2.2 (تحسينات سير العمل المباشرة) أعلى التقييمات لكل من الأهمية والجدوى.
تحليل المنطقة المستهدفة (Go-Zone Analysis):
- الربع الأول (أهمية عالية/جدوى عالية): 36 عبارة (36%). تمثل هذه "الأولويات"، وهي أساساً الأدوات المتوافقة مع سير العمل (مثل دعم التوثيق، والفرز الطبي).
- الربع الثالث (أهمية عالية/جدوى منخفضة): 13 عبارة (13%). تمثل هذه العناصر "الاستراتيجية" التي تتطلب بحثاً وتطويراً وعملاً سياسياً (مثل حوكمة البيانات، وشفافية الخوارزميات).

4. المساهمات الرئيسية

أول دراسة لرسم خرائط المفاهيم في ذكاء اصطناعي للأورام: تعد هذه أول دراسة تستخدم رسم خرائط المفاهيم لتنظيم وجهات نظر أصحاب المصلحة هيكلياً خصيصاً للذكاء الاصطناعي في رعاية مرضى السرطان، متجاوزة المراجعات الموضوعية إلى التحليل المكاني الكمي.
التمييز بين طبقات التنفيذ: تميزت الدراسة تجريبياً بين التطبيقات المتوافقة مع سير العمل (التي تُعتبر جاهزة للتنفيذ الفوري) ومتطلبات حوكمة النظام (التي تُعتبر حيوية ولكنها تتطلب استثماراً طويل الأجل).
إطار عمل قابل للتنفيذ: توفر إطار عمل "المنطقة المستهدفة" الذي يسمح للمؤسسات الصحية بتسلسل جهود التنفيذ:
- المدى القصير: إعطاء الأولوية للأدوات التي تندمج في سير العمل الحالي (جدوى عالية).
- المدى الطويل: الاستثمار في البنية التحتية، السياسات، والحوكمة (أهمية عالية، جدوى منخفضة).
إجماع أصحاب المصلحة: أظهرت الدراسة أن أصحاب المصلحة المتنوعين (السريريين مقابل غير السريريين) يتفقون إلى حد كبير على أهمية فوائد الذكاء الاصطناعي، رغم أن السريريين يرون الجدوى لتنفيذها أعلى قليلاً.

5. الأهمية

تقدم النتائج مخططاً عملياً لمديري الرعاية الصحية، وصناع السياسات، وعلماء التنفيذ. ومن خلال إثبات أن أصحاب المصلحة ينظرون إلى الذكاء الاصطناعي المدمج في سير العمل كـ "نجاح سريع" بينما يعتبرون الحوكمة عقبة ضرورية ولكنها صعبة على المدى الطويل، تقترح الدراسة استراتيجية تنفيذ مرحلية.

يقلل هذا النهج من خطر "شلل التحليل" من خلال السماح للمؤسسات بنشر الأدوات ذات الجدوى العالية لبناء الثقة وإثبات القيمة، بينما يبدأ العمل المعقد والمتعدد السنوات المطلوب للأطر التنظيمية والأخلاقية وحوكمة البيانات. وتتماشى الدراسة مع أطر علم التنفيذ (مثل CFIR)، مؤكدة أن خصائص التدخل (التوافق مع سير العمل) والبيئات الداخلية (الجاهزية) هي حالياً أكثر ملاءمة من عوامل البيئة الخارجية (البيئة التنظيمية).

المحددات: تقتصر الدراسة جغرافياً على كولومبيا البريطانية، كندا، وتعتمد على لجنة خبراء مختارة غرضياً (عددها 13)، مما قد يحد من القدرة على التعميم. ومع ذلك، فإن المنهجية قوية لتوليد رؤى محلية قابรلة للتنفيذ وإطار مفاهيمي قابل للنقل.