Leapfrogging cancer diagnostics with AI: a mixed-methods assessment of implementation determinants in low- and middle-income countries

يعد السرطان مرضاً لا يرحم يضرب الناس في كل مكان، لكن القدرة على تشخيصه بسرعة ودقة ليست موزعة بالتساوي عبر العالم. ففي العديد من البلدان منخفضة ومتوسطة الدخل، غالباً ما يكون المسار نحو الشفاء مسدوداً حتى قبل بدء العلاج. إن الخطوة الأولى في محاربة السرطان هي العثور عليه، وهو ما يتطلب عادةً وجود أخصائي علم أمراض (باتولوجي) — وهو طبيب يفحص شرائح رقيقة من الأنسجة تحت المجهر لتحديد المرض. هؤلاء المتخصصون قلة في أجزاء كثيرة من العالم، والمختبرات التي يعملون فيها تفتقر غالباً إلى الأدوات المتقدمة اللازمة لرؤية أدق التفاصيل. وبدون تشخيص واضح، ينتظر المرضى وقتاً طويلاً قبل تلقي الرعاية، مما يؤدي إلى انخفاض فرص نجاتهم.

في السنوات الأخيرة، ظهرت أداة جديدة تعد بتغيير هذا المشهد: الذكاء الاصطناعي. هذا البرنامج الحاسوبي مدرب على التعرف على الأنماط، وهو قادر على النظر إلى شرائح الأنسجة نفسها التي ينظر إليها الطبيب البشري، ورصد علامات السرطان بسرعة كبيرة. والفكرة هي أنه إذا أمكن بناء هذه البرامج الذكية ضمن أنظمة التشخيص في الدول النامية، فقد تساعد الأطباء على العمل بشكل أسرع وأكثر دقة، مما قد يسمح لهذه الدول بتجاوز الخطوات البطيئة والمكلفة لبناء مختبرات علم الأمراض التقليدية والقفز مباشرة إلى نظام رقمي حديث. ولكن لكي ينجح ذلك، يجب أن تتناسب هذه التكنولوجيا مع واقع الأماكن التي تشتد الحاجة إليها؛ فلا يمكن ببساطة إسقاطها من الخارج، بل يجب فهم كيفية تفاعل الأطباء المحليين والميزانيات والقواعد مع هذا البرنامج.

لقد وضع فريق من الباحثين هدفاً لفهم كيفية عمل هذا الأمر في الممارسة العملية. لم يكتفوا ببناء برنامج حاسوبي واختباره، بل ذهبوا إلى المصدر، حيث سألوا الأشخاص الذين سيستخدمون هذه التكنولوجيا فعلياً عما يحتاجونه وما يقف في طريقهم. تحدثوا مع اثني عشر طبيباً من اثني عشر بلداً مختلفاً، بما في ذلك عشرة بلدان منخفضة ومتوسطة الدخل وبلدان غنية اثنان للمقارنة. كان هؤلاء الأطباء خبراء في علم الأمراض وطب النساء، وهما المجالان الأكثر ارتباطاً بتشخيص السرطان. استخدم الباحثون مزيجاً من الأساليب، بدأت باستطلاعات الرأي لرسم خارطة للوضع الحالي للمختبرات، تلتها مناقشات جماعية للتعمق في التحديات، ثم استطلاع ثانٍ لقياس مدى قوة شعور الأطباء تجاه قضايا محددة.

وجد الباحثون أن الوضع على أرض الواقع كان أكثر تعقيداً من مجرد قائمة بسيطة للبلدان الغنية والفقيرة. فبينما كان لدى كل موقع القدرة على استخدام الطريقة الأساسية لصبغ شرائح الأنسجة لجعلها مرئية، إلا أن القدرة على إجراء اختبارات أكثر تقدماً تفاوتت بشكل هائل. ففي سبعة من أصل عشرة مواقع منخفضة الدخل، لم تكن المختبرات تمتلك القدرة الكافية لإجراء الاختبارات الكيميائية المتخصصة المطلوبة غالباً لتأكيد تشخيص السرطان. وفي ستة من تلك المواقع العشرة، كان الاختبار الجزيئي — الذي يبحث في التركيبة الجينية للورم — مفقوداً تماماً أو متاحاً بصعوبة بالغة. وهذا يعني أنه حتى لو استطاع الحاسوب رصد مشكلة ما، فإن الأطباء البشريين غالباً ما يفتقرون إلى الأدوات اللازمة لتأكيد ذلك أو فهم نوع السرطان بدقة.

كما كان توفر الأدوات الرقمية اللازمة للذكاء الاصطناعي حالة متباينة. فمعظم المواقع كانت تمتلك ماسحات ضوئية (سكانر) يمكنها تحويل الشرائح الفيزيائية إلى صور رقمية، وهي خطوة أولى ضرورية لكي "يرى" الحاسوب هذه الصور. ومع ذلك، كانت أجهزة الكمبيوتر القوية المطلوبة لتشغيل برنامج الذكاء الاصطناعي مفقودة في أكثر من نصف المواقع. وقد خلق هذا تناقضاً غريباً: فبعض الأماكن لديها الماسحات الضوئية لإنشاء الصور ولكن ليس لديها أجهزة الكمبيوتر لتحليلها، بينما امتلكت أماكن أخرى أجهزة الكمبيوتر ولكن ليس لديها الماسحات الضوئية. وأشار الباحثون إلى أن هذا التباين لم يتبع النمط المعتاد للدخل القومي؛ فلم يكن مستوى دخل الدولة وسيلة موثوقة للتنبؤ بما إذا كان مستشفى معين جاهزاً لاستخدام الذكاء الاصطناعي. فبعض المؤسسات في البلدان منخفضة الدخل كانت مجهزة بشكل جيد بشكل مفاجئ، بينما عانت مؤسسات أخرى في دول أكثر ثراءً من فجوات أساسية.

وعندما سُئل الأطباء عما يريدون من الذكاء الاصطناعي أن يفعله، كانت إجاباتهم عملية ومركزة على الاحتياجات الملحة. لم يطلبوا من البرنامج أن يحل محلهم أو أن يتنبأ بالمستقبل بيقين مطلق، بل أرادوا من الحاسوب أن يساعدهم في اكتشاف السرطان مبكراً، وأن يدقق في تشخيصاتهم الخاصة، وأن يتنبأ ببعض المؤشرات البيولوجية من الشرائح المصبوغة قياسياً. لقد تخيلوا نظاماً يمكن للحاسوب من خلاله فرز آلاف الشرائح، وتحديد تلك التي تبدو مثيرة للريبة حتى يتمكن الطبيب البشري من تركيز وقته على تلك الحالات المحددة. سيكون هذا بمثابة وجود مساعد دؤوب لا يفوته أي تفصيل، مما يسمح للأطباء المثقلين بالأعباء برؤية المزيد من المرضى دون التضحية بالدقة.

ومع ذلك، فإن الطريق لجعل هذه الرؤية حقيقة واقعة محجوب بسلسلة من العقبات المترابطة. حدد الباحثون ستة عوامل رئيسية تحدد ما إذا كان يمكن استخدام الذكاء الاصطناعي في هذه البيئات. الأول هو الثقافة (الأمية التقنية)، وتعني أن الأطباء والمرضى بحاجة إلى فهم ماهية هذه التكنولوجيا والثقة بها. والثاني هو الأدلة، أو الحاجة إلى إثبات أن البرنامج يعمل بشكل جيد للسكان في هذه البلدان، وليس فقط للأشخاص في الدول الغنية. والثالث هو الحوكمة، والتي تتضمن وضع قواعد وقوانين لتوجيه كيفية استخدام التكنولوجيا ومن المسؤول في حال حدوث خطأ ما. والرابع هو النشر السريري، والذي يغطي الخطوات المادية لإدخال البرنامج في سير العمل بالمستشفى. والخامس هو التمويل، والسادس هو التعاون بين المجموعات المختلفة.

ومن بين كل هذه التحديات، برز المال كأكبر عقبة على الإطلاق. أفاد الأطباء أن القيود المالية كانت العائق المهيمن في كل مجال من المجالات. وأوضحوا أنه بدون مصدر تمويل ثابت، لن يتمكنوا من شراء أجهزة الكمبيوتر اللازمة، ولن يستطيعوا دفع تكاليف الاتصالات بالإنترنت اللازمة لإرسال الصور، ولن يتمكنوا من تحمل تكاليف تدريب موظفيهم. وبينما كانت المنح الدولية وأموال الأبحاث متاحة لشراء المعدات الأولية، أعرب الأطباء عن قلقهم من نفاذ هذه الأموال، مما سيتركهم مع آلات باهظة الثمن لا يستطيعون صيانتها أو إصلاحها. وشددوا على أنه لكي يستمر الذكاء الاصطناعي، يجب أن يكون مدعوماً من الميزانية الصحية المنتظمة للحكومة، وليس فقط من التبرعات المؤقتة.

وقد تم تحديد التعاون كعامل رئيسي لفتح الأبواب أمام الحلول الأخرى. أدرك الأطباء أنه لا يمكن لشخص واحد أو مستشفى واحد حل هذه المشكلات بمفرده. فهم بحاجة للعمل مع الحكومات لوضع السياسات، ومع الجامعات لتدريب الجيل القادم من الأطباء، ومع الشركات الخاصة لتقاسم تكلفة المعدات. ورأوا أن الجهود الحالية غالباً ما تكون مجزأة، حيث تعمل مجموعات مختلفة في عزلة. ووجد الباحثون أن المسار الأكثر نجاحاً للمضي قدماً سيكون من خلال جهد منسق حيث تتوحد هذه الأطراف المختلفة، وتشارك الموارد والمعرفة لبناء نظام يمكنه الاستمرار على المدى الطويل.

خلصت الدراسة إلى أنه على الرغم من أن الذكاء الاصطناعي يحمل وعوداً كبيرة لمساعدة البلدان منخفضة ومتوسطة الدخل على تجاوز مرحلة التطوير البطيء التقليدي لمختبرات علم الأمراض، إلا أنه ليس حلاً سحرياً يمكن تطبيقه في كل مكان بنفس الطريقة. إن الجاهزية لاستخدام هذه التكنولوجيا تختلف بشكل كبير من مستشفى إلى آخر، بغض النظر عن الثروة الإجمالية للبلد. ويعتمد النجاح على معالجة الاحتياجات المحلية المحددة، وتأمين تمويل مستدام، وبناء شراكات قوية. فبدون هذه الأسس، تخاطر هذه التكنولوجيا بأن تصبح مجرد قطعة أخرى من المعدات غير المستخدمة التي تجمع الغبار في المختبر، بدلاً من أن تكون أداة تنقذ الأرواح. ويقترح الباحثون أنه قبل نشر هذه الأنظمة، يجب تقييم كل مؤسسة بعناية لضمان امتلاكها للأشخاص، والقواعد، والمال لجعل هذه التكنولوجيا تعمل بنجاح.