لم يعض واتسون الطبيب ، وبصحة جيدة
على الرغم من أن الحماس لاستبدال الأطباء بالذكاء الاصطناعي قد تضاءل بعض الشيء، كما هو الحال في العديد من المجالات الأخرى، بعد سلسلة من الإخفاقات التشخيصية، إلا أن العمل على تطوير الطب القائم على الذكاء الاصطناعي لا يزال مستمرًا. لأنها، مع ذلك، لا تزال توفر فرصًا كبيرة وفرصة لتحسين كفاءة العمليات في العديد من مجالاتها.
تم الإعلان عن شركة IBM في عام 2015 وفي عام 2016 تمكنت من الوصول إلى البيانات من أربع شركات كبرى لبيانات المرضى (1). الأكثر شهرة ، بفضل العديد من التقارير الإعلامية ، وفي نفس الوقت كان المشروع الأكثر طموحًا باستخدام الذكاء الاصطناعي المتقدم من شركة IBM مرتبطًا بعلم الأورام. ويحاول العلماء استخدام الموارد الهائلة من البيانات لمعالجتها من أجل تحويلها إلى علاجات مضادة للسرطان جيدة التكيف. كان الهدف على المدى الطويل هو جعل واتسون يحكم التجارب السريرية والنتائج كما يفعل الطبيب.
1. أحد تصورات نظام واتسون الصحي الطبي
ومع ذلك، اتضح ذلك واتسون لا يمكن الرجوع بشكل مستقل إلى المؤلفات الطبية، ولا يمكن أيضًا استخلاص المعلومات من السجلات الطبية الإلكترونية للمرضى. لكن أخطر تهمة وجهت إليه كانت ذلك الفشل في المقارنة الفعالة بين مريض جديد ومرضى السرطان الأكبر سناً واكتشاف الأعراض التي تكون غير مرئية للوهلة الأولى.
لا شك أنه كان هناك بعض أطباء الأورام الذين زعموا أنهم يثقون في حكمه، وإن كان ذلك في الغالب فيما يتعلق باقتراحات واتسون للعلاجات القياسية أو كرأي طبي إضافي إضافي. وقد أشار الكثيرون إلى أن هذا النظام سيكون بمثابة مكتبة آلية عظيمة للأطباء.
نتيجة للمراجعات غير الممتعة للغاية من شركة IBM مشاكل بيع نظام واتسون في المؤسسات الطبية الأمريكية. تمكن مندوبو مبيعات IBM من بيعه لبعض المستشفيات في الهند وكوريا الجنوبية وتايلاند ودول أخرى. وفي الهند، قام الأطباء () بتقييم توصيات واتسون فيما يتعلق بـ 638 حالة من حالات سرطان الثدي. معدل الامتثال لتوصيات العلاج هو 73٪. أسوأ واتسون ترك الدراسة في مركز جاشون الطبي في كوريا الجنوبية، حيث تطابقت أفضل توصياته لـ 656 مريضًا بسرطان القولون والمستقيم مع توصيات الخبراء بنسبة 49 بالمائة فقط من الحالات. لقد قام الأطباء بتقييم ذلك لم يكن أداء واتسون جيدًا مع المرضى الأكبر سنًامن خلال الفشل في تقديم بعض الأدوية القياسية لهم، وارتكبوا خطأً فادحًا يتمثل في إجراء مراقبة علاجية صارمة لبعض المرضى الذين يعانون من مرض نقيلي.
في النهاية، على الرغم من أن عمله كطبيب تشخيصي يعتبر غير ناجح، إلا أن هناك مجالات أثبت فيها فائدته للغاية. منتج واتسون لعلم الجينوم، والذي تم تطويره بالتعاون مع جامعة نورث كارولينا، وجامعة ييل، ومؤسسات أخرى، يتم استخدامه المعامل الجينية لإعداد التقارير لأطباء الأورام. ملف قائمة تنزيلات واتسون الطفرات الجينية في المريض ويمكنه إنشاء تقرير في دقائق يتضمن اقتراحات لجميع الأدوية والتجارب السريرية المهمة. يتعامل واتسون مع المعلومات الجينية بسهولة نسبيةلأنها مقدمة في ملفات مهيكلة ولا تحتوي على أي غموض - إما أن هناك طفرة أو لا يوجد طفرة.
نشر شركاء IBM في جامعة نورث كارولينا ورقة بحثية حول الكفاءة في عام 2017. اكتشف واتسون طفرات مهمة محتملة لم يتم تحديدها من خلال الدراسات البشرية في 32% منها. تمت دراسة المرضى، مما جعلهم مرشحين جيدين للدواء الجديد. ومع ذلك، لا يوجد حتى الآن أي دليل على أن الاستخدام يؤدي إلى نتائج علاجية أفضل.
تدجين البروتينات
ويساهم هذا والعديد من الأمثلة الأخرى في تنامي الاعتقاد بأن كافة أوجه القصور في الرعاية الصحية تتم معالجتها، ولكن يتعين علينا أن نبحث عن المجالات حيث يمكن أن يساعدنا هذا حقاً، لأن أحوال الناس ليست جيدة هناك. مثل هذا المجال هو، على سبيل المثال، أبحاث البروتين. وفي العام الماضي، ظهرت معلومات تفيد بإمكانية التنبؤ بدقة بشكل البروتينات بناءً على تسلسلها (2). هذه مهمة تقليدية، لا تتجاوز قوة الأشخاص فحسب، بل حتى أجهزة الكمبيوتر القوية. إذا أتقننا النمذجة الدقيقة لالتواء جزيئات البروتين، فستكون هناك فرص هائلة للعلاج الجيني. ويأمل العلماء أنه بمساعدة AlphaFold سندرس وظائف الآلاف، وهذا بدوره سيسمح لنا بفهم أسباب العديد من الأمراض.
الشكل 2. التواء البروتين على غرار AlphaFold من DeepMind.
الآن نحن نعرف مائتي مليون بروتينلكننا نفهم تمامًا بنية ووظيفة جزء صغير منها. البروتينات فهو اللبنة الأساسية للكائنات الحية. إنهم مسؤولون عن معظم العمليات التي تحدث في الخلايا. يتم تحديد كيفية عملهم وما يفعلونه من خلال بنيتهم ثلاثية الأبعاد. يأخذون الشكل المناسب دون أي تعليمات، مسترشدين بقوانين الفيزياء. لعقود من الزمن، كانت الطرق التجريبية هي الطريقة الرئيسية لتحديد شكل البروتينات. في الخمسينيات، الاستخدام طرق التصوير البلوري بالأشعة السينية. وفي العقد الماضي، أصبحت أداة البحث المفضلة. المجهر البلوري. وفي الثمانينيات والتسعينيات، بدأ العمل على استخدام أجهزة الكمبيوتر لتحديد شكل البروتينات. ومع ذلك، فإن النتائج لا تزال غير مرضية للعلماء. الأساليب التي نجحت مع بعض البروتينات لم تنجح مع البروتينات الأخرى.
بالفعل في عام 2018 AlphaFold حصل على اعتراف من الخبراء في نمذجة البروتين. ومع ذلك، في ذلك الوقت كان يستخدم أساليب مشابهة جدًا للبرامج الأخرى. غيَّر العلماء تكتيكاتهم وابتكروا تكتيكًا آخر، والذي استخدم أيضًا معلومات حول القيود الفيزيائية والهندسية في طي جزيئات البروتين. AlphaFold أعطى نتائج متفاوتة. في بعض الأحيان كان يعمل بشكل أفضل ، وأحيانًا يكون أسوأ. لكن ما يقرب من ثلثي تنبؤاته تزامنت مع النتائج التي تم الحصول عليها بالطرق التجريبية. في بداية العام 2 ، وصفت الخوارزمية بنية العديد من البروتينات لفيروس SARS-CoV-3. في وقت لاحق وجد أن التنبؤات الخاصة ببروتين Orf2020a تتوافق مع النتائج التي تم الحصول عليها تجريبياً.
لا يتعلق الأمر فقط بدراسة الطرق الداخلية لطي البروتينات، بل يتعلق أيضًا بالتصميم. استخدم باحثون من مبادرة NIH BRAIN التعلم الالي تطوير بروتين يمكنه تتبع مستويات السيروتونين في الدماغ في الوقت الحقيقي. السيروتونين هو مادة كيميائية عصبية تلعب دورًا رئيسيًا في كيفية تحكم الدماغ في أفكارنا ومشاعرنا. على سبيل المثال، تم تصميم العديد من مضادات الاكتئاب لتغيير إشارات السيروتونين التي تنتقل بين الخلايا العصبية. وفي مقال في مجلة الخلية، وصف العلماء كيفية استخدامهم للخلايا المتقدمة طرق الهندسة الوراثية تحويل بروتين بكتيري إلى أداة بحثية جديدة يمكن أن تساعد في تتبع انتقال السيروتونين بدقة أكبر من الطرق الحالية. أظهرت التجارب قبل السريرية، ومعظمها على الفئران، أن المستشعر يمكنه الكشف على الفور عن التغيرات الطفيفة في مستويات السيروتونين في الدماغ أثناء النوم والخوف والتفاعلات الاجتماعية، واختبار فعالية الأدوية ذات التأثير النفساني الجديد.
لم تكن المعركة ضد الوباء ناجحة دائمًا
بعد كل شيء، كان هذا هو الوباء الأول الذي كتبنا عنه في جبل. ومع ذلك، على سبيل المثال، إذا تحدثنا عن عملية تطور الوباء ذاتها، ففي المرحلة الأولية، بدا الذكاء الاصطناعي وكأنه فشل إلى حد ما. وقد شكا العلماء من ذلك الذكاء الاصطناعي لا يمكن التنبؤ بشكل صحيح بمدى انتشار فيروس كورونا بناءً على بيانات الأوبئة السابقة. "تعمل هذه الحلول بشكل جيد في بعض المجالات، مثل التعرف على الوجوه التي لديها عدد معين من العيون والآذان. وباء السارس-CoV-2 هذه أحداث غير معروفة سابقًا والعديد من المتغيرات الجديدة، لذا فإن الذكاء الاصطناعي المبني على البيانات التاريخية التي تم استخدامها لتدريبه لا يعمل بشكل جيد. قال مكسيم فيدوروف من Skoltech في بيان صدر في أبريل 2020 لوسائل الإعلام الروسية: "لقد أظهر الوباء أننا بحاجة إلى البحث عن تقنيات وأساليب أخرى".
مع مرور الوقت كانت هناك ومع ذلك، يبدو أن الخوارزميات تثبت الفائدة الكبيرة للذكاء الاصطناعي في الحرب ضد كوفيد-19. طور العلماء في الولايات المتحدة نظامًا في خريف عام 2020 للتعرف على أنماط السعال المميزة لدى الأشخاص المصابين بكوفيد-19، حتى لو لم يكن لديهم أعراض أخرى.
عندما ظهرت اللقاحات، ولدت فكرة المساعدة في تطعيم السكان. يمكنها، على سبيل المثال المساعدة في نموذج النقل والخدمات اللوجستية للقاحات. وأيضًا في تحديد المجموعات السكانية التي يجب تطعيمها أولاً للتعامل مع الوباء بشكل أسرع. كما أنه سيساعد في التنبؤ بالطلب وتحسين توقيت وسرعة التطعيم من خلال تحديد المشاكل والاختناقات في الخدمات اللوجستية بسرعة. يمكن أيضًا أن يوفر الجمع بين الخوارزميات والمراقبة المستمرة معلومات سريعة حول الآثار الجانبية والأحداث الصحية المحتملة.
эти الأنظمة التي تستخدم الذكاء الاصطناعي في تحسين وتحسين الرعاية الصحية معروفة بالفعل. وكانت مزاياها العملية موضع تقدير. على سبيل المثال، نظام الرعاية الصحية الذي طورته شركة Macro-Eyes في جامعة ستانفورد في الولايات المتحدة. وكما هو الحال مع العديد من المؤسسات الطبية الأخرى، كانت المشكلة هي قلة المرضى الذين لم يحضروا للمواعيد. عيون ماكرو قام ببناء نظام يمكنه التنبؤ بشكل موثوق بالمرضى الذين من غير المرجح أن يكونوا هناك. وفي بعض الحالات، يمكنه أيضًا اقتراح أوقات ومواقع بديلة للعيادات، مما يزيد من فرص حضور المريض. وفي وقت لاحق، تم تطبيق تكنولوجيا مماثلة في أماكن مختلفة من أركنساس إلى نيجيريا بدعم، على وجه الخصوص، الوكالة الأمريكية للتنمية الدولية.
في تنزانيا، عملت Macro-Eyes على مشروع يهدف إلى زيادة معدلات تحصين الأطفال. قام البرنامج بتحليل عدد جرعات اللقاحات اللازمة لإرسالها إلى مركز تطعيم معين. وكان أيضًا قادرًا على تقييم الأسر التي قد تكون مترددة في تطعيم أطفالها، ولكن يمكن إقناعهم بالحجج المناسبة وموقع مركز التطعيم في مكان مناسب. وباستخدام هذا البرنامج، تمكنت الحكومة التنزانية من زيادة فعالية برنامج التحصين الخاص بها بنسبة 96%. وتقليل هدر اللقاحات إلى 2,42 لكل 100 شخص.
وفي سيراليون، حيث كانت البيانات الصحية للسكان مفقودة، حاولت الشركة مطابقة هذه المعلومات مع المعلومات المتعلقة بالتعليم. وتبين أن عدد المعلمين وطلابهم وحده كان كافياً للتنبؤ بنسبة 70 بالمائة. دقة ما إذا كانت العيادة المحلية لديها إمكانية الوصول إلى المياه النظيفة، والتي تمثل بالفعل بصمة للبيانات المتعلقة بصحة الأشخاص الذين يعيشون هناك (3).
3. رسم توضيحي شامل لبرامج الرعاية الصحية المعتمدة على الذكاء الاصطناعي في أفريقيا.
أسطورة طبيب الآلة لا تختفي
رغم الإخفاقات واتسون لا تزال أساليب التشخيص الجديدة قيد التطوير وتعتبر أكثر تقدمًا. أجريت المقارنة في السويد في سبتمبر 2020. المستخدمة في التصوير التشخيصي لسرطان الثدي أظهر أن أفضلهم يعمل بنفس طريقة عمل أخصائي الأشعة. تم اختبار الخوارزميات باستخدام ما يقرب من تسعة آلاف صورة للثدي تم الحصول عليها أثناء الفحص الروتيني. حققت ثلاثة أنظمة، تسمى AI-1، وAI-2، وAI-3، دقة بلغت 81,9%، و67%. و 67,4%. وللمقارنة، بالنسبة لأخصائيي الأشعة الذين يفسرون هذه الصور على أنها الأولى، كان هذا الرقم 77,4%، وفي حالة أطباء الأشعةومن كان الثاني الذي وصفها فكانت نسبة 80,1 بالمائة. كما تمكنت أفضل الخوارزميات من اكتشاف الحالات التي غاب عنها أطباء الأشعة أثناء الفحص، وتم تشخيص النساء على أنهن مريضات في أقل من عام.
ووفقا للباحثين، فإن هذه النتائج تثبت ذلك خوارزميات الذكاء الاصطناعي المساعدة في تصحيح التشخيصات السلبية الكاذبة التي أجراها أطباء الأشعة. أدى الجمع بين قدرات AI-1 وأخصائي الأشعة العادي إلى زيادة عدد حالات سرطان الثدي المكتشفة بنسبة 8%. يتوقع الفريق في المعهد الملكي الذي أجرى هذه الدراسة أن تستمر جودة خوارزميات الذكاء الاصطناعي في النمو. تم نشر وصف كامل للتجربة في JAMA Oncology.
W على مقياس من خمس نقاط. نشهد حاليًا تسارعًا تكنولوجيًا كبيرًا والوصول إلى المستوى الرابع (الأتمتة العالية)، عندما يقوم النظام بمعالجة البيانات المستلمة تلقائيًا بشكل مستقل ويزود المتخصص بالمعلومات التي تم تحليلها مسبقًا. وهذا يوفر الوقت ويتجنب الأخطاء البشرية ويوفر رعاية أكثر كفاءة للمرضى. هذا ما حكم عليه قبل بضعة أشهر ستان أ. في مجال الطب قريب منه البروفيسور. يانوش برازيويتز من الجمعية البولندية للطب النووي في تصريح لوكالة الصحافة البولندية.
4. العرض الآلي للصور الطبية
الخوارزميات، وفقا لخبراء مثل البروفيسور. برازييفيتشحتى لا غنى عنه في هذه الصناعة. والسبب هو الزيادة السريعة في عدد اختبارات التصوير التشخيصي. فقط للفترة 2000-2010. زاد عدد فحوصات وفحوصات التصوير بالرنين المغناطيسي عشرة أضعاف. ولسوء الحظ، لم يتزايد عدد الأطباء المتخصصين المتاحين الذين يمكنهم إجراء هذه العمليات بسرعة وبشكل موثوق. وهناك أيضا نقص في الفنيين المؤهلين. يؤدي تنفيذ الخوارزميات القائمة على الذكاء الاصطناعي إلى توفير الوقت ويسمح بالتوحيد الكامل للإجراءات، فضلاً عن تجنب الأخطاء البشرية وتوفير علاجات أكثر كفاءة وشخصية للمرضى.
كما اتضح فيما بعد أيضا الطب الشرعي يمكن الاستفادة من تطوير الذكاء الاصطناعي. ويمكن للمتخصصين في هذا المجال تحديد الوقت الدقيق لوفاة المتوفى عن طريق التحليل الكيميائي لإفرازات الديدان وغيرها من الكائنات التي تتغذى على الأنسجة الميتة. تنشأ مشكلة عندما يتم تضمين خليط من الإفرازات من أنواع مختلفة من الخلايا الميتة في التحليل. وهنا يأتي دور التعلم الآلي. وقد طور العلماء في جامعة ألباني طريقة ذكاء اصطناعي تسمح بالتعرف بشكل أسرع على أنواع الديدان بناءً على "بصماتهم الكيميائية". قام الفريق بتدريب برنامج الكمبيوتر الخاص بهم باستخدام خليط من مجموعات مختلفة من الإفرازات الكيميائية من ستة أنواع من الذباب. قام بفك رموز التوقيعات الكيميائية ليرقات الحشرات باستخدام قياس الطيف الكتلي، الذي يحدد المواد الكيميائية عن طريق قياس نسبة الكتلة إلى الشحنة الكهربائية للأيون بدقة.
لذلك، كما ترون، ولكن الذكاء الاصطناعي كمحقق تحقيقي ليست جيدة جدًا، ويمكن أن تكون مفيدة جدًا في مختبر الطب الشرعي. ربما كنا نتوقع منها الكثير في هذه المرحلة، متوقعين خوارزميات من شأنها أن تجعل الأطباء عاطلين عن العمل (5). عندما ننظر الذكاء الاصطناعي وبشكل أكثر واقعية، مع التركيز على فوائد عملية محددة بدلاً من التركيز على الفوائد العامة، فإن مسيرتها المهنية في الطب تبدو واعدة للغاية مرة أخرى.
5. رؤية سيارة الطبيب
