Medical Artificial Intelligence: A Multimodal, Human-Centered, Domain-Adaptive Framework for Surgical Decision Support and Patient Safety

تعد الجراحة مهنة عالية المخاطر حيث يجب اتخاذ القرارات بسرعة، وغالباً ما يكون ذلك بينما يكون المريض تحت التخدير والوقت يداهم الجميع. تعتمد هذه الخيارات على مجموعة هائلة وفوضوية من المعلومات: التاريخ الطبي للمريض، ونتائج فحوصات الدم، والفيديو المباشر من داخل الجسم، والإيقاع الثابت لجهاز مراقبة ضربات القلب. لسنوات، أمَل الأطباء أن يساعد الذكاء الاصطناعي في فرز هذا التدفق من البيانات لرصد المخاطر أو اقتراح الخطوة التالية الأفضل. الوعد هو نظام يرى الأنماط التي قد تفوت البشر، ويعمل كعين ثانية لا تكل ولا تمل. ومع ذلك، فإن تحويل برنامج حاسوبي يعمل في المختبر إلى أداة آمنة للاستخدام في غرفة عمليات حقيقية أثبت أنه أمر صعب للغاية. إن الفجوة بين نموذج يعمل جيداً على شاشة الكمبيوتر وآخر يساعد الجراح فعلياً في إنقاذ حياة إنسان هي فجوة واسعة، مليئة بقضايا مثل اختلاف البيانات من مستشفى لآخر، وخطر كون الحاسوب واثقاً جداً عندما يكون مخطئاً، والحاجة إلى بقاء الإنسان دائماً في موقع القيادة.

في هذا السياق، اقترح الباحث المستقل، وحيد نظامي چگان، طريقة جديدة للتفكير في بناء هذه الأدوات. بدلاً من تقديم منتج برمجيات جاهز أو الادعاء بأنه حل مشكلة السلامة الجراحية، يقدم هذا العمل مخططاً توضيحياً. إنه إطار مفاهيمي، مجموعة من القواعد والخطط المعمارية لكيفية تصميم وتجربة وحوكمة الذكاء الاصطناعي الجراحي المستقبلي. لم يقم المؤلف بتدريب نموذج حاسوبي جديد، أو تحليل سجلات المرضى، أو إجراء تجربة سريرية. بدلاً من ذلك، قام البحث بتوليف الأدلة الموجودة من مئات الدراسات والمبادئ التوجيهية التنظيمية لتحديد ما يجب أن يبدو عليه النظام الموثوق قبل أن يُسمح له بالاقتراب من أي مريض. النتيجة الجوهرية ليست أن ذكاءً اصطناعياً معيناً يعمل، بل أن النهج الحالي لتطوير هذه الأدوات معيب لأنه يتخطى خطوات السلامة الأساسية، وأن العملية الصارمة والمتدرجة هي المسار الوحيد للمضي قدماً.

يبدأ البحث بتفكيك فكرة وجود ذكاء اصطناعي جراحي "عالمي". في الماضي، كان الباحثون يأملون أحياناً في بناء نموذج واحد يمكنه العمل بشكل مثالي لكل أنواع الجراحات، في كل المستشفيات، وعلى كل أنواع المرضى. يجادل هذا الإطار الجديد بأن شيئاً كهذا غير موجود ولا ينبغي أن يكون هو الهدف. فالنظام الذي تم تدريبه على بيانات من مستشفى واحد قد يفشل تماماً في مستشفى آخر لأن المعدات، أو فئة المرضى، أو الطريقة التي يكتب بها الأطباء الملاحظات قد تختلف. بدلاً من ذلك، فإن البنية المقترحة هي "متكيفة مع المجال" (domain-adaptive). وهذا يعني أن النظام مصمم ليكون مرناً، وقادراً على التكيف وإعادة الاختبار لتخصصات محددة - مثل جراحة القلب أو جراحة العظام - ومواقع محددة قبل استخدامه. لقد صُمم ليتعلم من أنواع مختلفة من البيانات، مثل الجمع بين الصور الثابتة للأشعة المقطعية مع الفيديو المتحرك للجراحة وتغير الأرقام في جهاز مراقبة العلامات الحيوية، لكنه يصر على أن هذا الجمع يجب أن يتم التحقق من صحته بشكل منفصل لكل حالة استخدام جديدة.

يُخصص جزء كبير من العمل لكشف فجوة حرجة في الأدبيات العلمية الحالية. راجع المؤلف عشرات الدراسات حول الذكاء الاصطناعي في الجراحة ووجد أن الغالبية العظمى منها، حوالي ثمانين بالمائة، اختبرت نماذجها فقط على نفس البيانات التي استخدمتها لبنائها. هذا يشبه طالباً يؤدي امتحاناً تجريبياً باستخدام نفس الأسئلة التي درسها بالضبط، ثم يدعي أنه مستعد للاختبار الحقيقي. لقد اختبرت دراسات قليلة جداً أنظمتها على بيانات من مستشفيات مختلفة أو في الوقت الفعلي أثناء العمليات الفعلية. والأمر الأكثر إثارة للقلق هو أنه لم تثبت أي من الدراسات التي تمت مراجعتها أن استخدام الذكاء الاصطناعي أدى فعلياً إلى تحسين نتائج المرضى أو جعل الجراحات أكثر أماناً. يستخدم البحث هذه الأرقام ليس لانتقاد الباحثين، بل لتسليط الضوء على أن المجال لم ينتقل بعد من بناء نماذج أولية مثيرة للاهتمام إلى إثبات نجاحها في العالم الحقيقي.

لسد هذه الفجوة، يحدد الإطار هيكلاً مكوناً من سبع طبقات يعمل كشبكة أمان. في القاعدة، يجمع النظام البيانات الخام. ومع انتقال هذه المعلومات عبر الطبقات، يتم فحص جودتها، وترجمتها إلى تنسيق يمكن للحاسوب فهمه، ثم تحليلها. ومن الأهمية بمكان أنه قبل تمرير أي اقتراح إلى الطبيب، يجب أن يمر النظام عبر محرك سلامة. يسأل هذا المحرك سؤالاً بسيطاً ولكنه حيوي: "ما مدى تأكدك؟". إذا واجه الحاسوب موقفاً لم يره من قبل، أو إذا كانت البيانات مفقودة، فإنه مبرمج للإقرار بعدم اليقين والصمت بدلاً من التخمين. هذا خيار تصميم متعمد لمنع الذكاء الاصطناعي من تقديم نصائح خاطئة بثقة. كما يتضمن النظام وضع "الأمان عند الفشل" (fail-safe)، مما يضمن أنه إذا تعطل الحاسوب أو فقد الاتصال، يمكن للجراح مواصلة العمل دون انقطاع.

يتم وضع العنصر البشري في قمة هذا الهيكل. يصر الإطار على أن الذكاء الاصطناعي ليس أبداً صانع القرار؛ بل هو مجرد أداة لدعم القرار. السلطة النهائية تظل دائماً للجراح. تم تصميم الواجهة لتظهر للطبيب ليس فقط التنبؤ، بل المنطق الكامن وراءه، ومستوى الثقة، والأدلة المستخدمة. الهدف من هذه الشفافية هو بناء ثقة مدروسة، حيث يعرف الطبيب متى يستمع إلى الآلة ومتى يتجاهلها. يؤكد البحث على ضرورة دراسة العلاقة بين الجراح والذكاء الاصطناعي كفريق واحد، والتحقق من أمور مثل "انحياز الأتمتة"، حيث قد يتبع الإنسان اقتراح الحاسوب بشكل أعمى حتى عندما يكون خاطئاً، أو "إجهاد التنبيه"، حيث تؤدي كثرة التحذيرات إلى توقف الطبيب عن الانتباه.

تتداخل الاعتبارات التنظيمية والأخلاقية في التصميم بأكل. يدعو الإطار إلى ضوابط صارمة للخصوصية لحماية بيانات المرضى وفحوصات العدالة لضمان عمل النظام بشكل متساوٍ لمختلف الخلفيات والأعمار والأجناس. كما يقترح نهج دورة الحياة، مما يعني أن النظام لا يعتبر "منتهياً" بمجرد نشره. بدلاً من ذلك، يتطلب مراقبة مستمرة لرصد أي تغييرات في الأداء مع تطور الممارسات الطبية أو إدخال معدات جديدة. يشير المؤلف إلى التوجيهات الأخيرة من الهيئات التنظيمية، مثل إدارة الغذاء والدواء (FDA)، والتي تتطلب الآن من المطورين التخطيط مسبقاً لكيفية تحديث والتحقق من صحة برمجياتهم بمرور الوقت.

في الختបញ្ចប់، يعد هذا البحث دعوة للصبر والدقة. فهو يجادل بأن الحماس المحيط بالذكاء الاصطناعي في الطب يجب أن يتوازن مع إدراك رصين للمخاطر. لا يعد الإطار المقترح بأن الجراحة في المستقبل ستكون مؤتمتة أو أن الحواسيب ستحل قريباً محل الجراحين. بدلاً من ذلك، فإنه يقدم مساراً يمكن الدفاع عنه علمياً لضمان أنه عندما تُقدم هذه الأدوات أخيراً، فإنها ستُبنى على أساس من السلامة والشفافية والمنفعة المثبتة. ويخلص العمل إلى أنه بينما تكون إمكانات الذكاء الاصطناعي لمساعدة الجراحة حقيقية، فإن الرحلة من خوارزمية حاسوبية إلى أداة سريرية منقذة للحياة تتطلب عملية تحقق منضبطة وخطوة بخطوة، وهي العملية التي بدأ المجال للتو في أخذها على محمل الجد.