Performance of Generative Artificial Intelligence and Medical Students on Undergraduate Ophthalmology Examinations: A Cross-Sectional Comparative Study
وجدت هذه الدراسة المستعرضة أنه بينما تفوقت خمسة أنظمة من الذكاء الاصطناعي التوليدي بشكل كبير على طلاب السنة الرابعة في الطب في الأسئلة النصية المتعلقة بطب العيون للمرحلة الجامعية، إلا أن معظمها واجه صعوبة في العناصر القائمة على الصور، مما يسلط الضوء على إمكاناتها كأدوات تعليمية مع التحذير من مساواة الأداء في الاختبار بالكفاءة السريرية.
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 قاعات دراسة الطب الحديث، دخل نوع جديد من الطلاب بهدوء إلى قاعة المحاضرات. هو لا ينام، ولا ينسى، ويمكنه قراءة آلاف الصفحات في ثانية واحدة. هذا هو الذكاء الاصطناعي التوليدي، وهو نوع من البرامج الحاسوبية المصممة لفهم اللغة وتوليد إجابات تبدو وكأنها صادرة عن بشر. لقد أصبحت هذه الأنظمة، التي تُسمى غالباً نماذج اللغات الكبيرة، أدوات شائعة للتعلم، حيث تساعد الطلاب على شرح الأفكار المعقدة أو الاستعداد للاختبارات. ولكن بينما تصبح هذه الآلات أفضل في القراءة والاستنتاج، يظل هناك سؤال جوهري: هل تفهم حقاً العالم البصري للطب؟ في مجالات مثل طب العيون، يعتمد التشخيص غالباً على رصد أنماط دقيقة في صور الشبكية أو داخل العين. بالنسبة للطبيب البشري، الرؤية هي التصديق. أما بالنسبة للآلة، فإن الرؤية تحدٍ أصعب بكثير. ومع ازدياد دمج هذه الأدوات في التعليم، يحتاج التربويون إلى معرفة ما إذا كانت هذه الأنظمة تكتفي بمحاكاة المعرفة أم أنها تستطيع حقاً رؤية ما يراه الطالب.
ولإيجاد الإجابة، وضع فريق من الباحثين في جامعة بورتو في البرتغال خمسة من أكثر أنظمة الذكاء الاصطناعي تقدماً تحت الاختبار أمام طلاب الطب في السنة الرابعة. جمع الباحثون 89 سؤالاً من نوع الاختيار من متعدد من امتحانات طب عيون حقيقية قُدمت للطلاب في عام 2025. غطت هذه الأسئلة مجموعة واسعة من أمراض العين، من الجلوكوما (المياه الزرقاء) إلى أمراض الشبكية. تضمنت المجموعة 77 سؤالاً يمكن الإجابة عليها من خلال قراءة النص وحده، و12 سؤالاً تتطلب من المختبر النظر إلى صورة أو صورة طبية لإيجاد الإجابة الصحيحة. بعد ذلك، قام الباحثون بتغذية كل سؤال، مع صورته المرفقة عند الاقتضاء، في خمسة أنظمة ذكاء اصطناعي مختلفة: GPT-4.1 Auto، وGPT-5.2 Auto، وGemini 3 Flash، وGrok 4.1 Auto، وClaude Sonnet 4.5. لم تُمنح الحواسيب أي مساعدة إضافية، ولا بحثاً عبر الإنترنت، ولا فرصة لطلب التوضيح؛ كان عليها ببساطة اختيار الإجابة الأفضل من بين الخيارات الخمسة المقدمة، تماماً كما يفعل الطالب.
كشفت النتتائج عن انقسام صارخ بين مدى براعة الآلات في التعامل مع الكلمات مقابل الصور. ففي الأسئلة المعتمدة على النصوص فقط، أظهرت أنظمة الذكاء الاصطناعي مهارة ملحوظة. حصل ثلاثة من الأنظمة الخمسة على أكثر من 90 بالمائة من الإجابات الصحيحة، حيث وصل الأفضل أداءً، Gemini 3 Flash، إلى دقة بلغت 95.5 بالمائة. وفي المقابل، حصل متوسط طلاب الطب على حوالي 73 بالمائة من الأسئلة بشكل صحيح. وهذا يعني أنه في الأسئلة الورقية، تفوقت أنظمة الذكاء الاصطناعي الأفضل على الغالبية العظمى من الطلاب البشر، محتلةً أعلى المراتب في الصف. ومع ذلك، تغيرت القصة تماماً عندما تضمنت الأسئلة صوراً. فعندما تطلب السؤال النظر إلى صورة لعين، انخفض أداء أربعة من الأنظمة الخمسة بشكل كبير. وبينما حافظ الطلاب البشر على مستوى دقة ثابت بغض النظر عما إذا كان السؤال يعتمد على النص أو الصورة، كافحت الآلات لتفسير البيانات المرئية. على سبيل المثال، أحد الأنظمة الذي سجل 98.7 بالمائة في الأسئلة النصية انخفض إلى 75 بالمائة في الأسئلة التي تتضمن صوراً. ونظام آخر انخفض من 96 بالمائة إلى 67 بالمائة. وحده النظام GPT-4.1 Auto لم يظهر فرقاً جوهرياً بين التنسيقين، لكنه كان أيضاً صاحب أدنى درجة إجمالية بين جميع الآلات.
كما نظر الباحثون في كيفية مقارنة إجابات الآلات بإجابات الطلاب لمعرفة ما إذا كانت ترتكب نفس الأخطاء. ووجدوا أن أنظمة الذكاء الاصطناعي لم تكن ببساطة تنسخ الطلاب. في الواقع، كانت الأنظمة التي حصلت على أكبر عدد من الإجابات الصحيحة هي غالباً تلك التي اختلفت مع أغلبية الطلاب. فقد أجابت هذه الآلات عالية الأداء بشكل صحيح على العديد من الأسئلة التي أخطأ فيها معظم الطلاب، مما يشير إلى أنها كانت تصل إلى نوع مختلف من المعرفة أو عمليات الاستنتاج. وعلى العكس من ذلك، كان النظام صاحب أدنى دقة إجمالية، GPT-4.1 Auto، هو الأكثر توافقاً مع نمط إجابات الطلاب. ويشير هذا إلى أنه على الرغم من قوة الآلات، إلا أنها لا تفكر بالضرورة مثل البشر، وأخطاؤها ليست هي ذاتها الأخطاء البشرية. كما أظهرت الدراسة أن الآلات كانت أفضل في الإجابة على الأسئلة التي كانت أسهل للطلاب، مما يشير إلى أن صعوبة السؤال تؤثر على كل من البشر والآلات بطريقة متشابهة.
وعلى الرغم من الدرجات العالية، يحذر الباحثون من أن هذه النتائج لا تعني أن الآلات جاهزة لاستبدال الأطباء أو أنها تمتلك كفاءة سريرية حقيقية. فقد أُجريت الدراسة على مجموعة محددة من الأسئلة من جامعة واحدة، وكان عدد الأسئلة المعتمدة على الصور صغيراً نسبياً. ويؤكد المؤلفون أنه بينما يمكن لهذه الأدوات أن تكون ممتازة لمراجعة الحقائق والاستعداد للامتحانات التحريرية، إلا أنه لا يمكن الوثوق بها بعد لتفسير النتائج المرئية المعقدة التي تعد مركزية في رعاية العيون. إن القدرة على النظر إلى عين المريض والتشخيص هي مهارة تتطلب ما هو أكثر من مجرد اختيار الحرف الصحيح في اختبار. وفي الوقت الحالي، تعمل أنظمة الذكاء الاصطناعي هذه كأدوات دراسية قوية يمكنها مساعدة الطلاب على التعلم، لكنها تظل متميزة عن القدرة البشرية على الرؤية وفهم عالم الطب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.