Artificial Intelligence-assisted and SPARK Image-Based Case Database Strengthen Clinical Competency Development in Radiology Interns

في المستشفى الحديث، يعمل قسم الأشعة كمراقب صامت، يحدق في داخل جسم الإنسان دون إجراء جرح واحد. يعتمد الأطباء على هذه الصور لتشخيص الأمراض، وتوجيه العلاجات، وإنقاذ الأرواح. ومع ذلك، فإن تعلم قراءة هذه الصور يعد تسلقاً شاقاً للطلاب؛ فهو لا يتطلب فقط حفظ شكل العضو السليم، بل يتطلب أيضاً التعرف على العلامات الدقيقة، وغالباً ما تكون نادرة، للأمراض التي تختبئ داخل السكون الرمادي والأبيض للمسح الضوئي. تقليدياً، يحدث هذا التعلم أثناء فترة التدريب العملي، حيث يدور الطلاب عبر أجزاء مختلفة من الجسم، مثل الدماغ أو الصدر أو العظام، تحت العين الساهرة للمعلم. وكان التحدي دائماً هو أن تجربة الطالب تعتمد كلياً على المرضى الذين يمرون عبر الباب في ذلك الأسبوع. فإذا كان الطالب محظوظاً، فقد يرى عشرات الحالات لورم نادر معين؛ وإذا لم يكن كذلك، فقد لا يرى أي حالة منها على الإطلاق، مما يترك فجوات في معرفته قد تهم في وقت لاحق من مسيرته المهنية.

ولمعالجة هذا التفاوت، اختبر فريق من الباحثين في مستشفى هانغتشو الأول للشعب طريقة جديدة لتعليم هؤلاء الأطباء المستقبليين. أرادوا معرفة ما إذا كان بإمكانهم استخدام التكنولوجيا لسد الفجوات التي يتركها عشوائية حالات المرضى في العالم الحقيقي. لقد بنوا مكتبة رقمية تحتوي على أكثر من 60,000 صورة طبية حقيقية، منظمة حسب نظام الجسم ونوع المرض. هذه المكتبة، التي تسمى قاعدة بيانات "سبارك" (SPARK)، صُممت لتكون أكثر من مجرد ألبوم صور؛ فقد تضمنت دروساً فيديو، وأسئلة تفاعلية، ونظاماً حيث يمكن للطلاب كتابة تقاريرهم التشخيصية الخاصة. والأهم من ذلك، أضاف الباحثون مساعداً يعمل بالذكاء الاصطناعي إلى المزيج. هذا المساعد الرقمي جلس على واجهة التعلم، جاهزاً للإجابة على الأسئلة في الوقت الفعلي، ليعمل كمعلم خاص متاح ومستيقظ دائماً، حتى عندما يكون المعلم البشري مشغولاً مع مرضى آخرين.

شملت الدراسة 96 طالباً جامعياً متخصصين في التصوير الطبي كانوا يكملون دوراتهم السريرية التي استمرت 18 أسبوعاً. وقسم الباحثون هؤلاء الطلاب إلى مجموعتين لمقارنة الطريقة الجديدة بالطريقة القديمة. المجموعة الأولى، المعروفة بالمجموعة الضابطة، اتبعت المسار التقليدي؛ حيث داروا عبر الأقسام الأربعة الرئيسية للأشعة: الجهازين الدوري والتنفسي، والجهاز العصبي، والجهاز الهضمي والبولي، والجهاز الرأسي والرقبة والعضلي الهيكلي. تعلموا من خلال مراجعة الحالات على نظام الكمبيوتر الخاص بالمستشفى، وحضور المحاضرات، ومناقشة الحالات مع معلميهم، تماماً كما فعل الطلاب لعقود. أما المجموعة الثانية، وهي المجموعة التجريبية، فقد فعلت كل ما فعلته المجموعة الأولى، ولكنها استخدمت أيضاً قاعدة بيانات "سبارك" عبر هواتفهم المحمولة. شاهدوا الفيديوهات التعليمية، وأجابوا على أسئلة التدريب، وكتبوا تقاريرهم باستخدام الأدوات الرقمية. وعندما تعثروا أو راودهم سؤال، كان بإمكانهم النقر على أيقونة المساعد الذكي للحصول على شرح فوري.

كانت نتائج المقارنة واضحة؛ فالطلاب الذين استخدموا قاعدة البيانات المدعومة بالذكاء الاصطناعي تعلموا بفعالية أكبر من أولئك الذين اعتمدوا فقط على التدريس التقليدي. وعندما اختبر الباحثون الطلاب في منتصف دورتهم، سجلت المجموعة التي استخدمت النظام الجديد درجات أعلى بكثير في قدرتهم على قراءة صور الجهاز العصبي والرأس والرقبة. وبحلول نهاية الـ 18 أسبوعاً، نمت هذه الميزة؛ حيث حقق الطلاب في المجموعة التجريبية درجات أعلى بكثير من المجموعة الضابطة في ثلاثة من الأنظمة الأربعة التي درسوها. المجال الوحيد الذي أدى فيه المجموعتان أداءً متشابهاً كان في الجهازين الدوري والتنفسي، مما يشير إلى أنه بالنسبة لبعض الحالات الشائعة، كانت الطريقة التقليدية فعالة بالفعل، أو ربما لم يتم تحسين النظام الجديد بشكل كامل لتلك المواضيع المحددة.

وبعيداً عن درجات الاختبار، نظر الباحثون في كيفية شعور الطلاب تجاه تعلمهم. طلبوا من المتدربين تقييم رضاهم عن طرق التدريس على مقياس معين. أفاد الطلاب الذين استخدموا قاعدة بيانات "سبارك" بتحسن أقوى بكثير في قدرتهم على فهم وتذكر الحقائق الرئيسية، وثقتهم في قراءة الصور، واهتمامهم بالمجال الطبي نفسه. شعروا أنهم يتعلمون باستقلالية أكبر وأنهم أفضل في اتخاذ القرارات السريرية. وبرزت نتيجة محددة فيما يتعلق بالأخطاء؛ فعندما ارتكب الطلاب أخطاء في امتحاناتهم النهائية، كانت المجموعة التي استخدمت نظام الذكاء الاصطناعي أقل عرضة بكثير لتكرار الخطأ نفسه للمرة الثانية. فقد كرر طلاب المجموعة الضابطة أخطاءهم بمعدل يزيد عن ضعف معدل المجموعة التجريبية. وهذا يشير إلى أن القدرة على مراجعة الإجابة الصحيحة فوراً وفهم المنطق وراءها، مدعومة بقاعدة البيانات والذكاء الاصطناعي، ساعدت الطلاب على تصحيح تفكيرهم قبل أن يتحول إلى عادة.

لاحظ الباحثون أن الطريقة التقليدية للتعلم غالباً ما تترك الطلاب مع نقاط عمياء. ولأن حالات المرضى تصل بشكل عشوائي، فقد يقضي الطالب أسابيع دون رؤية نوع معين من الأورام النادرة، أو قد يراه مرة واحدة فقط ثم ينسى التفاصيل. حلت المكتبة الرقمية هذه المشكلة من خلال ضمان رؤية كل طالب لمجموعة مختارة من 20 حالة كلاسيكية على الأقل لكل مرض يحتاجون لتعلمه، بغض النظر عما دخل إلى المستشفى في ذلك اليوم. أما مكون الذكاء الاصطناعي فقد عالج عقبة أخرى شائعة: التردد في طرح الأسئلة. فغالباً ما يشعر الطلاب بالخجل من إزعاج معلم مشغول باستفسار أساسي، أو قد لا يدركون أنهم مشوشون حتى يفوت الأوان. لقد أزال مساعد الذكاء الاصطناعي هذا الحاجز، موفراً وسيلة خاصة وفورية للحصول على التوضيح.

بينما أظهرت الدراسة نتائج إيجابية قوية، كان المؤلفون حذرين في الإشارة إلى حدودها. كان عدد الطلاب المشاركين صغيراً نسبياً، كما تمت المقارنة بين طلاب من فترات زمنية مختلفة بدلاً من مجموعتين تتعلمان جنباً إلى جنب في نفس اللحظة. ورغم هذه القيود، تشير النتائج إلى أن الجمع بين مكتبة واسعة ومنظمة من الحالات الحقيقية مع معلم ذكي متاح دائماً يمكن أن يعزز مهارات طلاب الطب بشكل كبير. فهو يسمح لهم باستخدام وقتهم المجزأ بشكل أكثر فعالية، محولاً كل لحظة دراسة إلى فرصة مهيكلة للتعلم. ويشير هذا العمل نحو مستقبل يكون فيه التعليم الطبي أقل اعتماداً على "حظ النصيب" فيما يتعلق بحالات المرضى، وأكثر تركيزاً على ضمان وصول كل طالب إلى النطاق الكامل لما يحتاجون لمعرفته.