Optimizing AI Onboarding in Radiology: Impact of Training Case Number Using Multiple Sclerosis Lesions on 3D FLAIR, a pilot study
تُظهر هذه الدراسة الاستطلاعية التي شملت ثلاثة عشر من أخصائيي الأشعة أن عملية التأهيل باستخدام ثلاث حالات تمثيلية لمرض التصلب المتعدد على صور الرنين المغناطيسي ثلاثية الأبعاد من نوع (FLAIR) تعزز بشكل كبير ثقة المستخدم واستقلاليته مع تقليل الحاجة إلى الدعم، مما يقدم توازناً متفوقاً بين الكفاءة والفعالية مقارنة بالتدريب باستخدام عدد أقل من الحالات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الغرف الهادئة خافتة الإضاءة حيث يفحص أطباء الأشعة صور الدماغ، بدأ نوع جديد من الشركاء في الظهور. فعلى مدى عقود، اعتمد هؤلاء المتخصصون على أعينهم المدربة لرصد العلامات الصغيرة والدقيقة للمرض داخل البنية المعقدة للدماغ البشري. والآن، تقدم الذكاء الاصطناعي المساعدة، ليعمل كعين ثانية يمكنها تسليط الضوء بسرعة على المناطق المثيرة للقلق، مثل الآفات الناتجة عن التصلب المتعدد. ومع ذلك، فإن إدخال أداة قوية جديدة في سير عمل طبي عالي المخاطر ليس بالأمر البسيط مثل ضغطة زر؛ إذ لا يكمن التحدي في التكنولوجيا نفسها فحسب، بل في كيفية تعلم البشر الثقة بها والعمل بجانبها. فإذا لم يتم تعريف الطبيب بالبرنامج بشكل صحيح، فقد يتجاهل اقتراحاته المفيدة أو، على العكس من ذلك، يعتمد عليه بشكل أعمى، مما قد يؤدي إلى تفويت الأخطاء. والسؤال الجوهري للمستشفيات وبرامج التدريب هو كيفية تعليم هؤلاء الأطباء استخدام هذه الأداة بفعالية. هل تكفي نظرة عامة سريعة، أم يحتاج الطبيب إلى رؤية مجموعة متنوعة من الأمثلة لفهم كيفية تصرف النظام في مواقف مختلفة حقاً؟
لقد سعى دراسة تجريبية حديثة أجريت في مستشفى زيورخ الجامعي للإجابة على هذا السؤال تحديداً. أراد الباحثون معرفة ما إذا كان عدد الحالات التدريبية التي تُعرض على الطبيب أثناء التدريب أهم من إجمالي الوقت المستغرق في التدريب. وقد ركزوا على أداة برمجية محددة مصممة للكشف عن الآفات المرتبطة بالتصلب المتعدد في نوع من صور الرنين المغناطيسي للدماغ تسمى (3D FLAIR MRI). ولإيجاد الإجابة، جمعوا ثلاثة عشر طبيب أشعة، تراوحت أعمارهم المهنية بين المبتدئين في بداية مسيرتهم والأطباء الأخصائيين ذوي الخبرة. تم تقسيم المتطوعين عشوائياً إلى ثلاث مجموعات؛ حيث تلقت كل مجموعة درساً تعليمياً مدته عشر دقائق حول كيفية عمل البرنامج، لكنهم اختلفوا في عدد حالات المرضى الذين راجعوها أثناء التعلم. فقد تدربت مجموعة واحدة على حالة واحدة فقط، وأخرى على حالتين، والثالثة على ثلاث حالات. وقد اختيرت هذه الحالات بعناً لتشمل الطيف الكامل للمرض، من الخفيف إلى الشديد، لضمان رؤية الأطباء لتنوع واقعي لما قد يواجهه البرنامج.
بعد الجلسة التدريبية، انتقل الأطباء إلى مرحلة اختبار مستقلة. وبدون أي تعليمات إضافية، طُلب منهم مراجعة ثلاث حالات مرضية جديدة ومعيارية باستخدام البرنامج. وخلال هذا الوقت، سجل الباحثون بدقة مدة التدريب، وعدد الأسئلة التي طرحها الأطباء أثناء التعلم، وعدد الأسئلة التي احتاجوا لطرحها أثناء العمل بمفردهم. كما طلبوا من الأطباء تقييم ثقتتهم في استخدام الأداة على مقياس من واحد إلى خمسة. وكشفت النتائج عن نمط واضح؛ فالمجموعة التي تدربت على حالة واحدة فقط أنهت مرحلة التهيئة الأسرع، في ما يزيد قليلاً عن اثنتي عشرة دقيقة. ومع ذلك، عندما حاولوا العمل بشكل مستقل، واجهوا الصعوبة الأكبر، حيث طرحوا في المتوسط أكثر من خمسة أسئلة لكل حالة، وأبلغوا عن أدنى مستوى من الثقة. أما المجموعة التي تدربت على حالتين، فقد استغرقت وقتاً أطول قليلاً للتعلم، لكنها لا تزال أظهرت نتائج غير متسقة، حيث احتاج بعض الأطباء إلى مساعدة كبيرة بينما احتاج آخرون إلى قدر أقل.
أما المجموعة التي تدربت على ثلاث حالات، فقد حكت قصة مختلفة. فعلى الرغم من أن جلسة تدريبهم الأولية استغرقت وقتاً أطول، حيث بلغت ست وعشرين دقيقة وثمان وثلاثين ثانية، إلا أنهم قدموا أفضل أداء عند العمل بمفردهم. فقد طرحوا أقل عدد من الأسئلة خلال مراجعتهم المستقلة، بمتوسط ثلاثة أسائل ونصف لكل حالة، وأبلغوا عن أعلى مستويات الثقة. ووجد الباحثون أن الوقت الإضافي الذي استثمرته هذه المجموعة في التدريب (أربع عشرة دقيقة) قد آتى ثماره بجعل الأطباء أكثر اكتفاءً ذاتياً وأقل اعتماداً على الدعم لاحقاً. ومن المثير للاهتمام أن الدراسة أظهرت أن سنوات خبرة الطبيب السابقة لم تتنبأ بمدى جودة تكيفه مع الأداة الجديدة؛ فحتى أكثر الأطباء خبرة احتاجوا إلى نفس التعرض المنظم لحالات متعددة مثل زملائهم المبتدئين ليشعروا بالثقة ويعملوا بكفاءة.
تشير النتائج إلى أنه لكي تكون أدوات الذكاء الاصطناعي مفيدة حقاً في الطب، فإن الطريقة التي يتم بها تقديمها للمستخدمين أمر بالغ الأهمية. فلا يكفي مجرد إظهار كيفية عمل البرنامج للطبيب لمرة واحدة؛ بل يحتاجون إلى رؤية مجموعة صغيرة ومتنوعة من الأمثلة لبناء نموذج ذهني صلب حول كيفية تصرف النظام. وتوضح الدراسة أن جلسة تدريبية أطول قليلاً تركز على تنوع الحالات تخلق مستخدماً أكثر كفاءة وثقة من جلسة سريعة تركز على السرعة. ورغم أن هذه كانت محاكاة محدودة النطاق وليست إثباتاً نهائياً لكيفية عمل الأداة في كل مستشفى، إلا أن النتائج تشير نحو حل عملي: وهو استثمار المزيد من الوقت في البداية لعرض سيناريوهات مختلفة على الأطباء، مما قد يؤدي إلى استخدام أكثر سلاسة وأماناً وفعالية للذكاء الاصطناعي في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.