A Scoping Review of Vibe Coding in Healthcare Across Clinical, Administrative, and Research Domains

على مدى عقود، عجز الأشخاص الذين يعرفون أكثر من غيرهم كيفية عمل المستشفيات والعيادات في الواقع —الأطباء والممرضون والإداريون— عن بناء الأدوات البرمجية التي يحتاجونها. يمكنهم رصد عملية معطلة أو ميزة مفقودة في خطة رعاية المريض، لكنهم يفتقرون إلى المهارات التقنية لكتابة الكود الذي من شأنه إصلاح ذلك. وفي الوقت نفسه، فإن مهندسي البرمجيات الذين يمكنهم كتابة هذا الكود غالبًا لا يفهمون الواقع اليومي في أجنحة المستشفيات. وقد ترك هذا الفجوة أنظمة الرعاية الصحية معتمدة على موردين خارجيين ودورات تطوير بطيئة ومكلفة. مؤخرًا، ظهر نوع جديد من الذكاء الاصطناعي يعد بجسر هذه الهوة. هذه الأنظمة، المعروفة باسم النماذج اللغوية الكبيرة، يمكنها فهم التعليمات باللغة الإنجليزية العادية وتحويلها إلى كود حاسوبي يعمل. وقد صِيغ مصطلح جديد، وهو "البرمجة بالانطباع" (vibe coding)، لوصف سير عمل يعمل فيه المستخدم كمخرج بدلاً من مبرمج تقليدي، حيث يوجه الذكاء الاصطناعي باستخدام مطالبات باللغة الطبيعية لبناء البرمجيات، بينما تتولى الآلة الكتابة التقنية.

قام فريق من الباحثين في جامعة أوريجون ومركز كايربرن ميديال سنتر أوكلاند بوضع خارطة للمشهد المبكر لهذه التكنولوجيا داخل قطاع الرعاية الصحية. أجروا مراجعة واسعة للأدبيات العلمية المنشورة بين يناير 2023 وديسمبر 2025، بحثًا عن أي حالة استُخدمت فيها هذه الأدوات لإنشاء برمجيات للتعليم الطبي، أو البحث، أو إدارة المستشفيات. لم يكن هدفهم اختبار البرمجيات نفسها، بل فهم أين يتم استخدامها، وما نوع الأدوات التي يتم بناؤها، وما هي المخاطر التي قد تكون كامنة في هذا التحول السريع. وجدوا أن هذا المجال لا يزال في أيامه الأولى، حيث لم تظهر أول الأوراق البحثية المحكمة إلا في منتصف عام 2025. وتشير الأدلة التي جمعوها إلى أنه بينما يمكن للأطباء الآن بناء برمجيات وظيفية دون تدريب رسمي، فإن أطر السلامة والتنظيم لإدارة هذه الأدوات ليست جاهزة بعد.

حدد الباحثون أربعة مجالات رئيسية يتجذر فيها هذا النهج الجديد. المجال الأول والأكثر نشاطًا هو التعليم الطبي. في هذا النطاق، يستخدم الأطباء والمعلمون الذكاء الاصطناعي لإنشاء أدوات تدريب تفاعلية، مثل عمليات المحاكاة لتشخيص الأمراض أو منصات قائمة على الويب لتدريس رعاية الكلى. وصفت إحدى الدراسات فريقًا من الأطباء بنوا أربعة تطبيقات تعليمية مختلفة في فترة قصيرة، باستخدام اللغة الطبيعية فقط لتوجيه الذكاء الاصطناعي. وشملت هذه الأدوات دليلاً لتحليل عينات البول ومساعدًا تشخيصيًا لمشاكل الكلى. مثال آخر سلطت المراجعة الضوء عليه هو تطبيق ويب يسمى DebriefMD، بناه طبيب أنف وأذن وحنجرة لمساعدة المقيمين الجراحيين على تحسين مهاراتهم. لم يكن لدى المبتكر تدريب رسمي في هندسة البرمجيات، لكنه استخدم أداة ذكاء اصطناعي لتوليد الكود، مما نتج عنه نظام يسمح للمقيمين بتحميل ملاحظات صوتية من ملاحظات مشرفيهم وتلقي تقارير مؤتمتة حول أدائهم. وتوضح هذه المشاريع أن حاجز الدخول قد انخفض بشكل كبير، مما سمح للخبراء بتحويل أفكارهم إلى برمجيات عاملة على الفور تقريبًا.

وفي مجال البحوث الطبية الحيوية، تعمل هذه التكنولوجيا كقوة تفتح تحليل البيانات لمزيد من الناس. تقليديًا، كان تحليل مجموعات البيانات الطبية المعقدة يتطلب فريقًا متخصصًا من علماء البيانات والمبرمجين. أما الآن، فيستخدم الباحثون مساعدي الذكاء الاصطناعي لكتابة الكود اللازم لتنظيف البيانات، أو تشغيل النماذج الإحصائية، أو تصور النتائج. وأشارت المراجعة إلى أن هذا التحول يسمح للباحثين بالتركيز على الأسئلة العلمية بدلاً من التفاصيل التقنية للتنفيذ. حتى أن بعض الباحثين استخدموا هذه الأدوات لبناء حواسب مخصصة للدراسات السريرية، مثل أداة للتنبؤ بالنتائج بعد جراحة معينة للعين. ويقترح مؤلفو المراجعة أن هذا قد يؤدي إلى دمقرطة الوصول إلى المعلوماتية الطبية الحيوية، مما يسمح لمزيد من الأطباء بقيادة مشاريعهم البحثية الخاصة دون انتظار الدعم الفني.

يتضمن المجال الثالث البنية التحتية المعقدة التي تبقي المستشفيات قيد التشغيل، وتحديدًا الأنظمة التي تسمح للبرامج الحاسوبية المختلفة بالتواصل مع بعضها البعض. تستخدم المستشفيات العديد من الأنظمة البرمجية المختلفة للسجلات الطبية، ونتائج المختبرات، والتصوير، وكان ربطها يتطلب تاريخيًا مهندسين متخصصين. وجدت المراجعة حالة استخدم فيها مهندس تكامل خبير تعليمات باللغة الطبيعية لبناء مسارات بيانات كانت ستستغرق أسابيع من البرمجة اليدوية. يشير هذا إلى أنه حتى بالنسبة لمهام البنية التحتية عالية التقنية، يمكن للذكاء الاصطناعي أن يعمل كمضخم للخبرة الموجودة، مما يسرع إنشاء الأدوات التي تنقل بيانات المرضى بين الأنظمة. وأخيرًا، نظرت المراجعة في المهام الإدارية، مثل الفواتير والجدولة. ولأن هذه المجالات تنطوي على مخاطر أقل مباشرة على سلامة المرضى، فإنها تُعتبر نقطة انطلاق طبيعية لهذه التكنولوجيا. بدأ الأطباء في بناء نصوص برمجية مخصصة لأتمتة الأعمال الورقية، أو تتبع الإحالات، أو إدارة الامتثال، وهي مهام كانت تتطلب سابقًا إشراك قسم كامل لتكنولوجيا المعلومات.

ومع ذلك، توضح المراجعة أن القدرة على بناء البرمجيات بسرعة لا تعني أن البرمجيات آمنة أو جاهزة للاستخدام على نطاق واسع. حدد الباحثون فجوات كبيرة في السلامة والتنظيم. أحد المخاوف الرئيسية هو أمن الكود. فقد وجدت دراسات للكود الناتج عن أدوات ذكاء اصطناٍ مشابهة أن ما يقرب من نصف المخرجات تحتوي على ثغرات أمنية، مما قد يكون خطيرًا في بيئة رعاية صحية حيث يجب حماية بيانات المرضى. هناك أيضًا خطر من أن الأطباء، عند كتابة تعليماتهم في هذه الأدوات، قد يدرجون عن طريق الخطأ معلومات حساسة للمرضى، والتي يمكن إرسالها بعد ذلك إلى خوادم خارجية. علاوة على ذلك، فإن المشهد القانوني والتنظيمي غير واضح. لم يتم تحديد من المسؤول إذا ارتكبت أداة مكتوبة بالذكاء الاصطناعي خطأً يضر بمريض. القواعد الحالية للبرمجيات الطبية كُتبت للمبرمجين البشر، ومن غير المؤكد كيف تنطبق على الأدوات التي بُنيت عبر محادثة مع آلة.

ولمعالجة هذه المخاطر، يقترح المؤلفون إطارًا جديدًا لإدارة هذه الأدوات بناءً على مستوى المخاطر التي تشكلها. يقترحون أن الأدوات منخفضة المخاطر، مثل محاكاة التعليم أو حواسب الجدولة التي لا تتعامل مع بيانات خاصة للمرضى، يمكن نشرها بحد أدنى من الإشراف. أما الأدوات التي تتعامل مع بيانات مجهولة المصدر أو تدعم سير العمل الإداري، فستتطلب عملية مراجعة منظمة لضمان أمنها وامتثالها لقوانين الخصوصية. وسيتم تخصيص أعلى مستويات التدقيق للتطبيقات التي تؤثر بشكل مباشر على القرارات السريرية أو تصل إلى معلومات المرضى المحددة للهوية. هذه التطبيقات عالية المخاطر ستحتاج إلى الخضوع لنفس الاختبارات الصارمة والتحقق كما هو الحال مع أي جهاز طبي آخر قبل أن يمكن استخدامها. ويؤكد الباحثون أن طريقة الإنشاء —سواء كانت بواسطة إنسان أو ذكاء اصطناعي— لا ينبغي أن تغير متطلبات السلامة للمنتج النهائي.

تخلص المراجعة إلى أنه بينما يمكن لهذه التكنولوجيا تغيير الرعاية الصحية، فإن الأدلة الحالية تقتصر على التجارب المبكرة والمشاريع صغيرة النطاق. لا توجد دراسسات كبيرة تثبت أن هذه الأدوات تحسن نتائج المرضى، والعديد من الأمثلة الناجحة تأتي من رواد متحمسين قد لا يمثلون المستخدم العادي. يجادل المؤلفون بأن الخطوة التالية ليست الاندفاع نحو الاعتماد الواسع النطاق، بل بناء الضوابط اللازمة. ويشمل ذلك إنشاء طرق معيارية لاختبار الكود الناتج عن الذكاء الاصطناعي، وتحديث مناهج كليات الطب لتعليم الأطباء كيفية استخدام هذه الأدوات بأمان، وتطوير قواعد واضحة لمن يتحمل المسؤولية عندما تسوء الأمور. إن وعد "البرمجة بالانطباع" هو أنها تسمح للأشخاص الذين يعرفون أكثر عن الرعاية الصحية ببناء الأدوات التي يحتاجون إليها، لكن تحقيق هذا الوعد سيتطلب نفس الدقة والصبر والتركيز على السلامة الذي يحدد الممارسة الطبية الجيدة.