يريد ساتيا ناديلا أن يصبح الذكاء الاصطناعي طبيبك القادم. أعلن الرئيس التنفيذي لشركة مايكروسوفت هذا الأسبوع عن تقدمين في مجال الذكاء الاصطناعي الصحي على وسائل التواصل الاجتماعي، بما في ذلك نظام MAI-DxO الذي يحاكي فريقًا من الأطباء الافتراضيين يعملون معًا لحل الألغاز الطبية.
كيف يعمل الذكاء الاصطناعي الطبي؟
في اختبارات شملت 304 حالة معقدة من مجلة New England Journal of Medicine، حقق الذكاء الاصطناعي دقة تشخيصية بلغت 85.5%، بينما وصلت نسبة دقة فريق مكون من 21 طبيبًا خبيرًا إلى 20% فقط. كتب ناديلا: “سعيد بمشاركة تقدمين يقرباننا من تأثير الذكاء الاصطناعي في العالم الحقيقي للرعاية الصحية. MAI-DxO هو منسق مستقل يحاكي فريقًا من الأطباء الافتراضيين، ويحقق دقة تشخيصية تبلغ 85.5% – أي أربعة أضعاف دقة الأطباء الخبراء – مع خفض تكاليف التشخيص.”
يأتي هذا الإعلان في وقت تنضم فيه مايكروسوفت إلى سباق شركات التكنولوجيا لتطبيق الذكاء الاصطناعي على أصعب التحديات الصحية. مع إنفاق الأمريكيين نحو 5 تريليونات دولار سنويًا على الرعاية الصحية، وتأثر 12 مليون شخص سنويًا بأخطاء تشخيصية وفقًا لجامعة جونز هوبكنز، يبدو استخدام الذكاء الاصطناعي لحل هذه المشكلات فكرة منطقية.
آلية عمل MAI-DxO
يعمل MAI-DxO مثل فريق طبي احترافي داخل جهاز كمبيوتر. يتعامل النظام مع الحالات عبر ما تسميه مايكروسوفت “معيار التشخيص المتسلسل” (SDBench). بدلًا من الأسئلة متعددة الخيارات، يحاكي النظام طريقة عمل الأطباء الحقيقية: البدء بمعلومات محدودة عن المريض، ثم طرح أسئلة متابعة، وطلب الفحوصات، وتعديل النظريات مع وصول بيانات جديدة.
تتضمن تكلفة كل اختبار أموالًا افتراضية، مما يجبر الذكاء الاصطناعي على الموازنة بين الدقة والإنفاق الصحي. باختصار، يحاكي النظام مجلسًا طبيًا يناقش حالة ما، حيث تلعب نماذج مختلفة أدوارًا متنوعة. تتناقش هذه النماذج وتختلف ثم تصل إلى إجماع، تمامًا كما يفعل الأطباء مع الحالات الصعبة.
- في أحد التكوينات، حقق MAI-DxO دقة 80% بتكلفة 2,397 دولارًا للحالة، أي أقل بنحو 20% من متوسط إنفاق الأطباء البالغ 2,963 دولارًا.
- في أعلى أداء، وصلت دقته إلى 85.5% بتكلفة 7,184 دولارًا للحالة، بينما حقق نموذج o3 من OpenAI دقة 78.6% بتكلفة 7,850 دولارًا.
فريق الأطباء الافتراضيين
يتكون الفريق الافتراضي من:
- د. هيبوثيسيس: يحافظ على قائمة بأهم ثلاثة تشخيصات محتملة باستخدام طرق الاحتمالات البايزية.
- د. تيست-شوزر: يختار حتى ثلاثة فحوصات تشخيصية لكل جولة لزيادة المعلومات.
- د. تشالنجر: يعمل كمعارض، يبحث عن أدلة تناقض النظرية السائدة.
- د. ستواردشيب: يرفض الفحوصات باهظة الثمن ذات القيمة التشخيصية المنخفضة.
- د. تشيكليست: يتأكد من صحة أسماء الاختبارات ويتابع اتساق المنطق.
اختبرت مايكروسوفت النظام على حالات نُشرت في مجلة New England Journal of Medicine بين 2024 و2025، بعد انتهاء تدريب الذكاء الاصطناعي، مما يضمن عدم حفظه للإجابات مسبقًا. كانت الحالات صعبة وتتطلب فحصًا دقيقًا للتشخيص الصحيح.
مستقبل الطب مع الذكاء الاصطناعي
يمثل MAI-DxO جزءًا من جهود مايكروسوفت الأوسع في مجال الذكاء الاصطناعي الصحي للمستهلكين. تبلغ الشركة عن أكثر من 50 مليون جلسة صحية يوميًا عبر منتجات Bing وCopilot. من عمليات البحث عن آلام الركبة إلى العناية العاجلة، ترى مايكروسوفت أن محركات البحث ومساعدات الذكاء الاصطناعي أصبحت البوابة الجديدة للرعاية الصحية.
لكن هذا مجرد خطوة في رحلة طويلة للتكنولوجيا الطبية. ففي السبعينيات، قام نظام MYCIN من ستانفورد بتشخيص الالتهابات البكتيرية، وقبل عام فقط، قام AMIE من جوجل بمحاكاة المحادثات بين الأطباء والمرضى.
صممت مايكروسوفت MAI-DxO ليكون نظامًا مستقلًا، قادرًا على العمل مع نماذج ذكاء اصطناعي من شركات مختلفة. في الاختبارات، عزز أداء نماذج من OpenAI وجوجل وAnthropic وميتا وغيرها بنسبة 11% في المتوسط.
الأسئلة الشائعة
ما مدى دقة نظام MAI-DxO مقارنة بالأطباء البشريين؟
في الاختبارات، حقق الذكاء الاصطناعي دقة 85.5% في التشخيص، بينما وصل فريق من 21 طبيبًا إلى دقة 20% فقط في الحالات المعقدة نفسها.
هل سيحل الذكاء الاصطناعي محل الأطباء؟
لا، تؤكد مايكروسوفت أن الذكاء الاصطناعي سيعزز قدرات الأطباء ولا يحل محلهم. الهدف هو تحسين الدقة وتقليل التكاليف، وليس استبدال الخبرة البشرية.
هل النظام جاهز للاستخدام في المستشفيات؟
لا يزال MAI-DxO في مرحلة البحث ويتطلب مزيدًا من الاختبارات والمراجعات التنظيمية قبل أي نشر واسع النطاق في البيئات السريرية.
