MCP-MedImg: Enabling Standardized PACS-AI Integration through the Model Context Protocol

في المستشفى الحديث، تبدو رحلة المريض عبر التصوير الطبي وكأنها سباق تتابع معقد. يقوم الفني بالتقاط صورة مسحية، مثل تصوير مقطعي (CT) للصدر أو رنين مغناطيسي (MRI) للقلب، وتُخزن هذه الصور في أرشيف رقمي ضخم يسمى "نظام أرشفة الصور والاتصال" (PACS). لعقود من الزمن، كان هذا النظام هو المركز الذي يعرض فيه الأطباء هذه الصور ويفسرونها. ومؤخرًا، دخل الذكاء الاصطناعي في السباق، مقدمًا أدوات قوية يمكنها رصد الأورام، أو قياس حجرات القلب، أو تحديد الشذوذ بسرعة مذهلة. ومع ذلك، فإن ربط أدوات الذكاء الاصطناعي هذه بأرشيف المستشفى الحالي كان عملية فوضوية مبنية على التخصيص. فغالبًا ما يصل كل منتج ذكاء اصطناعي جديد كحزمة برمجية مستقلة تتطلب تثبيتًا خاصًا بها، وتسجيل دخول خاص بها، وطريقة خاصة بها للتواصل مع الأرشيف. وهذا يخلق مشهدًا مجزأً حيث قد يضطر طبيب الأشعة إلى التنقل بين ثلاثة برامج مختلفة للحصول على ثلاثة آراء مختلفة من الذكاء الاصطناعي، وحيث تعاني المستشفيات للحفاظ على سجل واحد واضح لكيفية أداء تلك الأدوات بمرور الوقت.

يهدف مقترح جديد يسمى "MCP-MedImg" إلى حل هذه العقدة عبر التعامل مع الذكاء الاصطناعي ليس كمنتج منفصل يجب تثبيته، بل كخدمة يمكن استدعاؤها فورًا وبأمان. لقد صمم الباحثون وراء هذا العمل، بقيادة شيو شينغ، مجموعة من القواعد المعيارية التي تسمح لأدوات الذكاء الاصطناعي بالاتصال مباشرة بأرشيف المستشفى الحالي دون استبدال البنية التحتية. لقد بنوا نظامًا يقوم تلقائيًا بتوجيه نموذج الذكاء الاصطناعي المناسب لنوع المسح الصحيح، ويخفي معلومات المريض الحساسة قبل خروج البيانات من المستشفى، وينشئ سجلًا كاملاً وغير قابل للكسر لكل خطوة يتخذها الذكاء الاصطناعي. هذا النهج مصمم لتلبية المتطلبات المتزايدة للمنظمين الذين يرغبون في رؤية كيفية أداء هذه الأدوات بشكل مستمر بعد الموافقة عليها، بدلاً من مجرد فحصها مرة واحدة قبل بيعها.

جوهر هذا العمل هو بنية مكونة من أربع طبقات تعمل كجسر بين بيانات المستشفى وعقل الذكاء الاصطناعي. تتعامل الطبقة الأولى مع الحركة الفيزيائية للبيانات، مما يضمن قدرة النظام على التحدث مع الأرشيفات الحديثة القائمة على الويب والأرشيفات التقليدية القديمة أيضًا. أما الطبقة الثانية فهي حارس الأمن؛ حيث تقوم بإزالة الأسماء والتفاصيل التعريفية من الصور قبل تحليلها، وتسجل كل إجراء بختم تشفيري يثبت عدم التلاعب بالبيانات. والطبقة الثالثة هي مراقب حركة المرور، والتي تنظر في نوع المسح والسؤال السريري، ثم ترسل تلقائيًا أفضل نموذج ذكاء اصطناعي متاح للقيام بالمهمة. وأخيرًا، تأتي طبقة المشرف السريري، التي تقرر ما إذا كان الطبيب البشري بحاجة إلى مراجعة عمل الذكاء الاصطناعي. هذا القرار ليس مجرد نعم أو لا بسيطة؛ بل هو قاعدة مرنة يمكن أن تتطلب من الطبيب مراجعة كل حالة عالية المخاطر، أو تسمح له بتجاوز المراجعة في حالات المتابعة منخفضة المخاطر، أو ترك النظام يعمل تلقائيًا في حالات الطوارئ العاجلة.

لإثبات نجاح هذا المفهوم، بنى الباحثون نموذجًا أوليًا يعمل باستخدام برامج مفتوحة المصدر واختبروه ببيانات طبية حقيقية. وقد مرروا النظام عبر تحديين متميزين: تحليل 200 صورة مقطعية للرئة للبحث عن العقيدات، ومعالجة 10 صور رنين مغناطيسي للقلب لرسم خرائط حجرات القلب. في اختبارات الرئة، نجح النظام في تحديد العقيدات وإنشاء تقارير طبية معيارية بمتوسط قدره 5.4 ثانية، حيث انتهت حتى أبطأ الحالات في أقل من 23 ثانية. وبالنسبة لصور القلب، التي تطلبت تحليلًا أكثر تعقيدًا، استغرق النظام في المتوسط 18.2 ثانية لإكمال المهمة. والأهم من ذلك، لم ينتج النظام النتائج فحسب؛ بل أنشأ سجلًا مفصلاً مكونًا من 14 عمودًا لكل مسحة، يسجل من طلب الاختبار، وأي نموذج ذكاء اصطناعي تم استخدامه، وما هي النتيجة، وما إذا كان الطبيب البشري قد راجعها. وهذا يخلق مسارًا شفافًا يمكن للمنظمين تفتيشه لضمان عمل الأدوات بأمان وفعالية بمرور الوقت.

قامت الدراسة أيضًا بقياس مقدار الوقت الذي يضيفه النظام الجديد إلى العملية. ووجدوا أن الفحوصات الأمنية، ومنطق التوجيه، وتسجيل البيانات استغرق أقل من ميلي ثانية واحدة. فقد كان الجزء الأكبر من الوقت يُقضى ببساطة في نقل صورة المسح من الأرشيف إلى الكمبيوتر وتشغيل حسابات الذكاء الاصطناعي. وهذا يعني أن النظام الجديد لا يبطئ الأطباء؛ بل يضيف فقط طبقة من الأمان والتنظيم كانت مفقودة سابقًا. وقد أظهر الباحثون أن النظام يمكنه التعامل مع أنواع مختلفة من المسحات، والتبديل بين نماذج الذكاء الاصطناعي المختلفة تلقائيًا، والتكيف مع قواعده بناءً على إلحاح الحالة. فعلى سبيل المثال، في حالة طوارئ محاكية حيث يحتاج الطبيب إلى إجابة فورية، يمكن للنظام تجاوز خطوة المراجعة البشرية لتقديم النتائج فورًا، مع الاحتفاظ بسجل كامل لما حدث.

يتحدى هذا العمل الطريقة الحالية التي تشتري بها المستشفيات وتستخدم بها الذكاء الاصطناعي. فبدلاً من معاملة كل أداة ذكاء اصطناعي كقطعة برمجية منفصلة يجب تثبيتها وصيانتها بشكل فردي، يقترح "MCP-MedImg" نموذجًا يكون فيه الذكاء الاصطناعي مرفقًا عامًا، مثل الكهرباء أو الماء، يتدفق عبر أنابيب المستشفى الموجودة. لقد أظهر الباحثون أن هذا أمر ممكن تقنيًا وأنه يحل مشكلة تدفق العمل المجزأ. ومن خلال توحيد كيفية اتصال الذكاء الاصطناعي بالصور الطبية، يسمح النظام للمستشفيات باستبدال نماذج ذكاء اصطناعي جديدة وأفضل كما تتوفر، دون الحاجة إلى إعادة بناء نظام تكنولوجيا المعلومات الخاص بها بالكامل. كما يمنح المنظمين القدرة على مراقبة هذه الأدوات في العالم الحقيقي، وتتبع أدائها عبر آلاف الحالات لاكتشاف أي أخطاء أو انحرافات في الدقة قبل أن تضر المرضى.

ويوضح الباحثون أن هذا نموذج أولي وأن هناك حاجة لمزيد من العمل قبل أن يمكن استخدامه في كل مستشفى. لقد اختبروه على أنواع محددة من المسحات، مثل التصوير المقطعي للصدر والرنين المغناطيسي للقلب، وبينما تم تصميم النظام للتعامل مع أنواع أخرى من التصوير، إلا أن تلك الأنواع لم يتم التحقق من صحتها بالكامل في هذه الدراسة. كما أشاروا إلى أنه بينما يعمل النظام بشكل جيد على جهاز كمبيوتر واحد قوي، فإن تشغيله عبر شبكة كبيرة من المستشفيات مع آلاف الطلبات المتزامنة سيتطلب مزيدًا من الاختبار. ومع ذلك، فإن النتائج توفر أساسًا متينًا للمستقبل. لقد أثبت النظام بنجاح أنه من الممكن دمج الذكاء الاصطناعي في التصوير الطبي بطريقة آمنة، ومعيارية، وقابلة للتدقيق بالكامل.

الهدف النهائي لهذا البحث هو تحويل الذكاء الاصطناعي الطبي من مجموعة من المنتجات المعزولة إلى بنية تحتية عامة محكومة. ومن خلال إنشاء لغة مشتركة لكيفية تفاعل الذكاء الاصطناعي مع البيانات الطبية، يأمل الباحثون في خفض الحواجز أمام المستشفيات لتبني هذه الأدوات، وتقليل تكلفة التكامل، وزيادة الثقة التي يوليها الأطباء لهذه التكنولوجيا. يضمن النظام أن يكون كل قرار يتخذه الذكاء الاصطناعي قابلاً للتتبع، وخصوصية كل مريض محمية، وكل تجاوز بشري مسجلًا. ويتماشى هذا النهج مع المتطلبات التنظيمية الجديدة الناشئة عالميًا، والتي تفرض مراقبة الأجهزة الطبية باستمرار طوال دورة حياتها الكاملة. وتشير الدراسة إلى أنه من خلال الانتقال من البرامج المستقلة إلى نموذج قائم على الخدمة، يمكن لصناعة الرعاية الصحية أخيرًا تحقيق الإمكانات الكاملة للذكاء الاصطناعي، وتقديم رعاية أسرع وأكثر أمانًا وموثوقية للمرضى.