Clinical Tasks Explain AI Readiness Across Medical Specialties
تقدم هذه الدراسة إطار عمل جاهزية الذكاء الاصطناعي للتخصصات الطبية (MSAIR) لتوضيح أن الجاهزية للذكاء الاصطناعي عبر 22 تخصصاً طبياً مدفوعة في المقام الأول بطبيعة المهام السريرية المحددة بدلاً من التخصصات نفسها، حيث أظهر التوثيق والتفسير التشخيصي أعلى مستويات الجاهزية واتخاذ القرار في حالات الطوارئ أدناها.
المؤلفون الأصليون:Bertalan Mesko, Gellért Katonai, Shangchu Chen, Bin Sheng, Tien Yin Wong, Eric Topol
لطالما هيمن على النقاش حول الذكاء الاصطناعي في الطب سؤال بسيط وشامل: أي وظائف الأطباء هي الأكثر عرضة للاستحواذ عليها من قبل الحاسوب؟ لسنوات، سُلطت الأضواء على مجالات مثل الأشعة، حيث تتفوق الآلات بالفعل في قراءة صور الأشعة السينية، أو علم الأمراض، حيث يمكنها فحص عينات الأنسجة. وكان الخوف أو الأمل السائد هو أن تخصصات طبية بأكملها — فئات كاملة من الأطباء — سيتم استبدالها أو تغييرها جذرياً بواسطة هذه الأدوات الجديدة. هذا المنظور يعامل التخصص الطبي ككتلة واحدة صلبة، بافتراض أنه إذا كان جزء واحد من عمل الطبيب معرضاً للأتمتة، فإن المهنة بأكملها في خطر. ومع ذلك، فإن واقع الممارسة الطبية أكثر دقة بكثير؛ فاليوم العملي للطبيب ليس كتلة متجانسة، بل هو مجموعة من عشرات الأنشطة المتميزة، من كتابة الملاحظات وتفسير نتائج الاختبارات إلى إجراء العمليات الجسدية واتخاذ قرارات خاطفة في حالات الطوارئ. ولفهم كيف سيعيد الذكاء الاصطناعي تشكيل الرعاية الصحية حقاً، يجب النظر إلى ما وراء المسميات الوظيفية وفحص المهام المحددة التي تشكل جوهر العمل نفسه.
لقد طور فريق من الباحثين من معهد "المستقبلي الطبي" (The Medical Futurist Institute)، وجامعة تسينغ هوا، وجامعة شانغهاي جياو تونغ، ومعهد سكريبس للأبحاث، طريقة جديدة للإجابة على هذا السؤال. فبدلاً من السؤال عن أي تخصص طبي جاهز للذكاء الاصطناعي، سألوا عن أي مهام إكلينيكية محددة هي الجاهزة. لقد أنشأوا إطار عمل يسمى "جاهزية التخصص الطبي للذكاء الاصطناعي" (MSAIR)، والذي يفكك عمل اثنين وعشرين مجالاً طبياً رئيسياً إلى ثلاثمائة وثلاثين مهمة تمثيلية. تتراوح هذه المهام من المهام الروتينية، مثل توثيق تاريخ المريض، إلى المهام المعقدة، مثل تشخيص مرض نادر أو إجراء عملية جراحية. ثم قام الباحثون بتقييم كل مهمة بناءً على ست خصائص عملية: مدى سهولة كتابة المهمة كقواعد محددة، ومدى اعتمادها على البيانات الرقمية، ومدى صعوبة نقل سلطة اتخاذ القرار إلى الآلة، ومدى الحاجة إلى الحضور الجسدي، ومدى إمكانية الإشراف البشري بأمان على مخرجات الآلة، ومدى مركزية المهمة في هوية ذلك التخصص الطبي.
تكشف نتائج هذا التحليل الضخم عن نمط يتحدى السردية الشائعة حول الأطباء الذين سيتم استبدالهم. فقد وجدت الدراسة أن الجاهزية للذكاء الاصطناعي تختلف باختلاف نوع المهمة أكثر بكثير من اختلافها باختلاف التخصص الطبي نفسه. وعندما نظر الباحثون في البيانات، اكتشفوا أن طبيعة العمل فسرت ٧١.٦٪ من الاختلافات في الجاهزية للذكاء الاصطناعي. وفي المقابل، لم يفسر التخصص الطبي الذي يتم فيه العمل سوى ٦.٤٪ من الاختلاف. وهذا يعني أن كون الطبيب أخصائي أشعة، أو طبيب نفسي، أو جراحاً، يقل أهميته كثيراً عن ماهية ما يفعله في تلك اللحظة تحديداً. فمهمة مثل كتابة التوثيق السريري، وهي مهمة مشتركة بين جميع الأطباء تقريباً، أظهرت أعلى مستويات الجاهزية للذكاء الاصطناعي. وعلى العكس من ذلك، فإن المهام التي تتضمن اتخاذ قرارات في حالات الطوارئ أو إجراء عمليات طبية جسدية أظهرت أدنى مستويات الجاهزية.
يساعد هذا التمييز في حل مفارقة طويلة الأمد في مجال الأشعة. فبسبب قضاء أخصائيي الأشعة وقتاً طويلاً في تفسير الصور، غالباً ما يتم الاستشهاد بهم كالتخصص الأكثر عرضة للأتمتة. وتؤكد الدراسة أن مهمة التفسير التشخيصي المحددة هي بالفعل جاهزة للغاية للذكاء الاصطناعي. ومع ذلك، فإن الأشعة ليست مجرد النظر في الصور؛ بل تتضمن أيضاً إجراءات معقدة، وتعاوناً متعدد التخصصات، وقرارات طارئة، وكلها أمور يصعب على الآلات التعامل معها. ومن خلال معاملة التخصص ككل، يغفل المراقبون حقيقة أن الذكاء الاصطناعي سيقوم على الأرجح بتعزيز جزء قراءة الصور في الوظيفة، بينما يترك بقية عمل أخصائي الأشعة دون تغيير كبير. وينطبق المنطق ذاته على المجالات الأخرى؛ فقد يستخدم أخصائي الأمراض الجلدية الذكاء الاصطناعي لتحليل آفات الجلد، وهي مهمة قابلة جداً للأتمتة، بينما يظل عمله في إدارة رعاية المريض طويلة الأمد أو إجراء خزعة عملاً بشرياً بامتياز.
وجد الباحثون أيضاً أن الذكاء الاصطناعي من المرجح أن يغير الطب أفقياً وليس رأسياً. ولأن مهام مثل التوثيق السريري والتفسير التشخيصي مشتركة بين جميع التخصصات الطبية تقريباً، فإن الذكاء الاصطناعي سيغير على الأرجح كيفية أداء هذه الأنشطة المحددة للجميع، بغض النظر عن تخصصهم. وهذا يشير إلى أن التأثيرات الأولى والأوسع نطاقاً للتكنولوجيا ستظهر في تدفقات العمل المشتركة هذه بدلاً من الأنشطة الفريدة والجوهرية لمهنة واحدة. كما سلطت الدراسة الضوء على أن المهام التي تتطلب حضوراً جسدياً، أو مهارة يدوية، أو تفاعلاً مباشراً مع المرضى، هي الأقل عرضة للأتمتة في المستقبل القريب. ويعمل هذا البعد الجسدي كحاجز قوي، مما يضمن أن التخصصات ذات التركيز الكبير على الإجراءات أو رعاية الطوارئ ستحتفظ بعنصر بشري كبير.
لا تدعي الدراسة التنبؤ بالمستقبل بيقين مطلق، كما أنها لا تقدم تصنيفاً نهائياً للأطباء الذين سيكونون الأكثر تأثراً. ويقر المؤلفون بأن عملهم يعتمد على حكم الخبراء لاختيار وتقييم المهام، وأن الوتيرة السريعة للتغير التكنولوجي تعني أن درجات الجاهزية هذه ستحتاج إلى تحديث مع ظهور قدرات جديدة. كما يشيرون إلى أن إطار عملهم يعامل التخصص كمجموع لمهامه، وليس كخاصية جوهرية للمجال نفسه. ومع ذلك، توفر النتائج طريقة واضحة ومنظمة للتفكير في التغييرات القادمة. فمن خلال تحويل التركيز من المسميات الوظيفية الواسعة إلى المكونات المحددة للعمل السريري، يقدم إطار العمل خريطة أكثر دقة لمكان ملاءمة الذكاء الاصطناعي في الرعاية الصحية. وهو يشير إلى أن مستقبل الطب لن يتحدد باستبدال تخصصات بأكملها، بل بتحول المهام المحددة التي تشكل الحياة اليومية للأطباء. وتسمح هذه الرؤية القائمة على المهام بفهم أكثر دقة لكيفية قيام الذكاء الاصطناعي بتعزيز القدرات البشرية، وإعادة تشكيل التدريب، وتوجيه تطوير تقنيات جديدة تخدم الاحتياجات الفعلية للممارسة السريرية.
ملخص تقني: المهام السريرية توضح جاهزية الذكاء الاصطناعي عبر التخصصات الطبية
بيان المشكلة غالبًا ما يُقيم الخطاب الحالي المتعلق بالذكاء الاصطناعي في الرعاية الصحية على مستوى التخصصات الطبية (مثل الأشعة، أو الرعاية الأولية) بدلاً من المهام السريرية المكونة التي تُحدد الممارسة المهنية. هذا النهج ينطوي على مخاطرة بالتبسيط المخل، حيث يعامل التخصصات ككيانات متجانسة بينما هي في الواقع تتكون من مجموعات غير متجانسة من المهام التي تتراوح بين الاستنتاج التشخيصي والتوثيق إلى الإجراءات البدنية واتخاذ القرارات الطارئة. وبينما يُستشهد كثيرًا بالتخصصات القائمة على الصور مثل الأشعة كأنها عرضة بشدة للأتمتة بسبب أداء الذكاء الاصطناعي في تفسير الصور، فإن الواقع السريري يتضمن مزيجًا من المهام، والتي يظل بعضها مقاومًا للتحول بفعل الذكاء الاصطناعي. هناك نقص في الأطر المنهجية القائمة على المهام لمقارنة الجاهزية للذكاء الاصطناعي عبر التخصصات الطبية الرئيسية، مما يؤدي إلى تنبؤات قد تكون مضللة بشأن اضطراب القوى العاملة والاستبدال المهني.
المنهجية طوّر المؤلفون إطار جاهزية الذكاء الاصطناعي في التخصصات الطبية (MSAIR)، وهو نظام تسجيل قائم على المهام السريرية ومتقاطع، صُمم لتقدير الجاهزية المجمعة للذكاء الاصطناعي للمهام السريرية التمثيلية داخل التخصصات الطبية.
النطاق والبيانات: حللت الدراسة 22 تخصصًا طبيًا رئيسيًا (بناءً على شهادات المجلس الأمريكي للتخصصات الطبية) وحددت 15 مهمة سريرية تمثيلية لكل منها، مما نتج عنه قاعدة بيانات تضم 330 مهمة. تم اختيار المهام بناءً على أطر الكفاءة في التخصصات لتغطية نطاق العمل، مع استبعاد الكفاءات العامة المشتركة بين جميع الأطباء أو الأنشطة الفرعية الضيقة.
أبعاد التسجيل: تم تقييم كل مهمة عبر ستة أبعاد باستخدام مقياس رتبي ثلاثي النقاط (1-3):
القابلية للترميز (Codifiability): مدى إمكانية وصف المهمة عبر قواعد صريحة أو بيانات مصنفة.
الاعتماد على بنية البيانات: الاعتماد على معلومات مهيكلة ومتاحة رقميًا مقابل المدخلات الشخصية أو غير الرقمية.
قابلية نقل سلطة القرار: صعوبة تفويض اتخاذ القرار للذكاء الاصطناعي، مع مراعاة التقدير المهني وعواقب الخطأ.
الاعتماد البدني: اشتراط الوجود البدني، أو المهارات اليدوية، أو التفاعل المباشر مع المريض.
الحوكمة السريرية: القدرة على الإشراف الآمن والتحقق من مخرجات الذكاء الاصطناعي وتصحيحها.
مركزية التخصص: أهمية المهمة للهوية المهنية للتخصص وخلق القيمة. تم تخصيص وزن مضاعف لهذا البعد في الدرجة المركبة ليعكس أهميته للوظيفة الأساسية.
حساب الدرجة: تم حساب درجة الجاهزية الأولية للمهمة باستخدام الصيغة: AIreadinessi=(Ci+Di+Ti+Pi+Gi+2Si)/7. كما استُخلصت درجات MSAIR على مستوى التخصص من خلال المتوسط الحسابي لدرجات الـ 15 مهمة داخل كل تخصص.
التحليل الإحصائي: استخدمت الدراسة انحدار المربعات الصغرى العادية (OLS) لتحديد التباين في درجات الجاهزية للذكاء الاصطناعي الذي يفسره "فئة المهمة السريرية" مقابل "التخصص الطبي". كما أُجري تحليل المكونات الرئيسية (PCA) لاستكشاف البنية التجريبية للأبعاد الستة. وتم إجراء تحليلات الحساسية باستخدام مخططات وزن بديلة (وزن متساوٍ، بدون المركزية) لاختبار استقرار ترتيب التخصصات.
النتائج الرئيسية
فئة المهمة مقابل التخصص: النتيجة الأساسية هي أن فئة المهمة السريرية تفسر بشكل كبير أكبر من التباين في الجاهزية للذكاء الاصطناعي مقارنة بالتخصص الطبي نفسه. فسرت فئة المهمة 71.6% من R2 المعدل في درجات الجاهزية للذكاء الاصطناعي، بينما فسر التخصص الطبي 6.4% فقط. إن إضافة التخصص إلى نموذج فئة المهمة لم يرفع التباين المفسر إلا بمقدار 1.7 نقطة مئوية.
أداء فئة المهمة:
الأعلى جاهزية: أظهر التوثيق السريري (متوسط الدرجة: 2.874) والتفسير التشخيصي (2.700) أعلى مستويات الجاهزية للذكاء الاصطناعي.
الأقل جاهزية: أظهر اتخاذ القرارات الطارئة (1.639) والإجراءات الطبية (1.720) أدنى مستويات الجاهزية.
كان الفرق بين متوسطات فئات المهام (1.235) أكثر من ضعف الفرق بين متوسطات التخصصات (0.533).
ترتيب التخصصات: على مستوى التخصص، سجلت المختبرات (Pathology) والأشعة (Radiology) أعلى قيم MSAIR (2.543)، بينما سجل التخدير (Anesthesiology) وجراحة العظام (Orthopaedic Surgery) أدنى القيم (2.019 و2.010 على التوالي). ومع ذلك، قامت هذه المتوسطات بتجميع محافظ مهام غير متجانسة؛ فعلى سبيل المثال، يجمع تخصص الأشعة بين مهام تشخيصية عالية الجاهزية ومهام إجرائية وتعاونية أقل جاهزية.
نتائج PCA: ارتبط المكون الرئيسي الأول (PC1)، الذي يفسر 52.8% من التباين، بقوة مع أبعاد "القابلية للتحول" الخمسة (الترميز، والاعتماد على بنية البيانات، إلخ). بينما ارتبطت مركزية التخصص بقوة بالمكون الثاني (PC2)، مما يؤكد أن قابلية تحول المهمة وأهمية التخصص هما عاملان متميزان.
الاستقرار: أكدت تحليلات الحساسية أن 13 من أصل 22 تخصصًا ظلت في نفس الشريحة (tertile) عبر جميع طرق التسجيل، مع ملاحظة أكبر قدر من الاستقرار عند الأطراف العليا والدنيا لتوزيع الدرجات.
المساهمات الرئيسية
تطوير الإطار: تقدم الورقة إطار MSAIR، وهو أول نهج منهجي قائم على المهام السريرية لمقارنة الجاهزية للذكاء الاصطناعي عبر التخصصات الطبية.
تغيير النموذج المعرفي: تتحدى الورقة السرد السائد حول الاضطراب على "مستوى التخصص"، وتجادل بأن الجاهزية للذكاء الاصطناعي ترتبط بطبيعة العمل السريري المحدد (مثل التوثيق مقابل الإجراءات) أكثر من ارتباطها بمسمى التخصص الطبي.
رؤية دقيقة: من خلال تفكيك التخصصات إلى مهام، يكشف الإطار أن المهام عالية الجاهزية (مثل تفسير الصور في الأشعة) تتعايش مع مهام منخفضة الجاهزية (مثل اتخاذ القرارات الطارئة)، مما يفسر لماذا تظل بعض التخصصات "عالية المخاطر" صامدة أمام الأتمتة الكاملة.
التحول الأفقي مقابل العمودي: تشير النتائج إلى أن الذكاء الاصطناعي قد يغير الطب "أفقيًا" (يؤثر على سير العمل المشترك مثل التوثيق عبر جميع التخصصات) قبل أن يغيره "عموديًا" (يعيد تشكيل المهن الفردية بشكل موحد).
الأهمية والادعاءات يزعم المؤلفون أن إطار MSAIR يوفر أساسًا أكثر دقة لتوقع كيفية إعادة تشكيل الذكاء الاصطناعي للعمل السريري مقارنة بالتنبؤات على مستوى التخصص. ومن خلال نقل التركيز من المهن إلى المهام المحددة التي تحددها، يوفر الإطار منهجية مهيكلة لـ:
تخطيط القوى العاملة: تحديد مكونات العمل السريري الأكثر عرضة للتغيير، بدلًا من التنبؤ باضطراب تخصصات بأكملها.
التعليم الطبي: توجيه البرامج التدريبية لإعداد الأطباء للإشراف والتعاون مع الذكاء الاصطناعي في المهام عالية الجاهزية، مع تعزيز القدرات البشرية الفريدة في المجالات منخفضة الجاهزية (مثل الإجراءات البدنية واتخاذ القرارات المعقدة).
السياسة والتشريع: تمكين تقييم أنظمة الذكاء الاصطناعي بناءً على المهام السريرية المحددة التي تؤديها والمخاطر المرتبطة بها، وليس بناءً على التخصص الواسع الذي تُستخدم فيه.
التطوير: تشجيع إنشاء نماذج ذكاء اصطناعي تركز على الوظائف السريرية العابرة للتخصصات (مثل التفسير التشخيصي) بدلاً من الفئات الضيقة للتخصصات.
تخلص الورقة إلى أن فهم التأثير المستقبلي للذكاء الاصطناعي يتطلب النظر إلى ما وراء مسميات التخصصات، من خلال رؤية الجاهزية للذكاء الاصطناعي كخاصية ديناميكية لأنشطة عمل محددة وليست سمة متأصلة في مجال طبي معين.