أدوات الذكاء الاصطناعي البصري لتشخيصات الرعاية الصحية

عندما يقوم الأطباء بمراجعة صور الأشعة السينية بعد مناوبات عمل طويلة أو تحليل مئات الصور الطبية، قد يتم أحياناً تجاهل نتائج مهمة. وتعد هذه مشكلة شائعة فيما يتعلق بالتشخيصات الطبية.

حتى التأخيرات البسيطة أو التفاصيل المفقودة يمكن أن تؤثر على رعاية المرضى. ولمعالجة مثل هذه المخاوف، يتم استخدام أنظمة الذكاء الاصطناعي (AI) لدعم الأطباء.

بدءاً من الكشف المبكر عن الأمراض في الصور الطبية وصولاً إلى المساعدة في قرارات التشخيص، أصبحت هذه الأنظمة جزءاً أساسياً من طريقة عمل مؤسسات الرعاية الصحية. وفي الواقع، يتم دمج أدوات الذكاء الاصطناعي في مجموعة متنوعة من تقنيات الرعاية الصحية.

يشمل ذلك نماذج الذكاء الاصطناعي البصري التي تحلل البيانات المرئية، وبرامج التشخيص التي تساعد الأطباء أثناء المراجعة، وأنظمة الذكاء الاصطناعي المنشورة سريرياً والتي تعمل في بيئات الرعاية الصحية الواقعية. وبينما يخدم كل نوع من أدوات الذكاء الاصطناعي غرضاً مختلفاً، إلا أنها تشترك جميعها في نفس الهدف: تمكين تشخيصات أكثر دقة واتساقاً وموثوقية.

في هذه المقالة، سنلقي نظرة فاحصة على بعض أدوات الذكاء الاصطناعي الشائعة المستخدمة للتشخيصات الطبية في البيئات السريرية. لنبدأ!

نظرة على تكنولوجيا الذكاء الاصطناعي والتشخيصات الطبية#

يمكن استخدام الذكاء الاصطناعي لدعم التشخيصات الطبية في مراحل متعددة. ويمكنه العمل بدءاً من المراجعة الأولية للبيانات الطبية وصولاً إلى تقديم رؤى أثناء القرارات النهائية.

تجعل مثل هذه القدرات الذكاء الاصطناعي أداة قيمة في أنظمة الرعاية الصحية التي تعتمد بكثافة على البيانات. ولهذا السبب بدأ العديد من متخصصي الرعاية الصحية في استخدام الأدوات المدعومة بالذكاء الاصطناعي لحالات استخدام متنوعة.

على سبيل المثال، يمكن لخوارزميات الذكاء الاصطناعي البصري تحليل الأشعة السينية والأشعة المقطعية للعثور على أنماط في التصوير الطبي قد يغفل عنها الإنسان أثناء المراجعة اليدوية. يمكن لحل الرؤية الحاسوبية تحديد المناطق المشبوهة تلقائياً وتسريع عملية التشخيص.

من خلال القيام بذلك، فإنها تعزز دقة التشخيص دون إبطاء سير العمل السريري الحالي وتوفر أيضاً وقتاً أكبر للمهنيين للتركيز على أعمال أخرى. في الواقع، يُتوقع أن ينمو سوق رؤية الكمبيوتر العالمية في الرعاية الصحية بمقدار $10.97 مليار بين عامي 2025 و2030، مما يسلط الضوء على تزايد تبني هذه التقنيات.

يمكن لأدوات Vision AI المساعدة حتى في تحليل الأنسجة البشرية على نطاق مجهري. يمكن استخدام نماذج التعلم الآلي والتعلم العميق لمهام تحليل البيانات المجهرية مثل عد الخلايا في ثوانٍ. هذا يعني أن المتخصصين الطبيين يمكنهم التركيز على ما هو أهم: المريض.

بالإضافة إلى ذلك، يمكن لبعض الأنظمة السريرية للذكاء الاصطناعي المتقدمة دمج بيانات التصوير الطبي مع بيانات المرضى من السجلات الصحية الإلكترونية (EHRs) والرؤى المستمدة من التجارب السريرية. من خلال معالجة كل هذه البيانات معاً باستخدام الذكاء الاصطناعي، يمكن للأطباء إنشاء خطة علاج مخصصة لكل مريض. وهذا مفيد بشكل خاص للحالات المعقدة مثل سرطان الثدي أو أمراض القلب والأوعية الدموية.

أنواع أدوات الذكاء الاصطناعي التي يستخدمها مقدمو الرعاية الصحية#

يمكن إجراء التشخيصات الطبية باستخدام أدوات ذكاء اصطناعي متنوعة، حيث يكون لكل منها دور محدد. يركز بعضها على تحليل الصور الطبية، بينما يدعم البعض الآخر سير العمل السريري، أو اتخاذ القرار، أو العمليات على مستوى النظام داخل بيئات الرعاية الصحية.

فيما يلي بعض الأنواع الرئيسية لأدوات الذكاء الاصطناعي المستخدمة للتشخيصات الطبية:

• نماذج الذكاء الاصطناعي البصري: هذه نماذج ذكاء اصطناعي أساسية تركز على مهام الفهم البصري مثل الكشف، والتموضع، والتجزئة، وعد الأجسام في الصور الطبية وشرائح علم الأمراض. إنها لا تتخذ قرارات سريرية بمفردها ولكنها توفر الرؤى الأساسية على مستوى الصورة التي تشغل تطبيقات التشخيص القائمة على التصوير.
• برامج التشخيص بالذكاء الاصطناعي: تبني مثل هذه الأدوات على النماذج الأساسية وهي مصممة لدعم اتخاذ القرار السريري. فهي تحلل وتجمع البيانات من مصادر متعددة، مثل الصور الطبية، والسجلات الصحية الإلكترونية (EHRs)، ونتائج المختبرات، والملاحظات السريرية، لتحديد الأنماط، وتحديد التشوهات المحتملة، وتحديد أولويات الحالات، ومساعدة الأطباء أثناء المراجعة التشخيصية.
• أنظمة الذكاء الاصطناعي المنشورة سريرياً: هي حلول ذكاء اصطناعي متكاملة ومنظمة ومعتمدة للاستخدام السريري في العالم الحقيقي. وهي تجمع عادةً بين نماذج ذكاء اصطناعي متعددة، وقواعد سريرية، وطبقات تحقق، وآليات مراقبة للعمل بأمان ضمن حالات استخدام محددة. اعتماداً على التصريح التنظيمي، قد تقوم هذه الأنظمة بمهام تشخيصية ذاتية أو شبه ذاتية مع تلبية متطلبات صارمة للأداء والسلامة وخصوصية البيانات.

أدوات شائعة مدفوعة بالذكاء الاصطناعي للتشخيصات الطبية#

الآن وبعد أن أصبح لدينا فهم أفضل لكيفية دعم أدوات الذكاء الاصطناعي المختلفة لسير العمل التشخيصي، دعونا نستكشف بعض أفضل أدوات الذكاء الاصطناعي المستخدمة حالياً في التشخيصات الطبية.

نماذج Ultralytics YOLO#

تُعد Ultralytics YOLO models عائلة من نماذج computer vision في الوقت الفعلي مصممة لتنفيذ مهام رؤية الذكاء الاصطناعي المختلفة على الصور ومטاطع الفيديو. وعندما يتعلق الأمر بالرعاية الصحية، يمكن استخدام هذه النماذج كحجر أساس يساعد أنظمة الذكاء الاصطناعي على تحليل وفهم الصور الطبية.

تتضمن عائلة نماذج Ultralytics YOLO كل من Ultralytics YOLOv5، وUltralytics YOLOv8، وUltralytics YOLO11، وأحدث إصدار، Ultralytics YOLO26. لا تكتشف هذه النماذج الشاذات الطبية بشكل جاهز فور تثبيتها.

لتحديد الأورام، أو الآفات، أو الكسور، أو غيرها من التشوهات، يمكن ضبطها بدقة أو تدريبها بشكل مخصص على مجموعات بيانات التصوير الطبي المصنفة التي تعلمها ما هي الأجسام أو التشوهات التي يجب البحث عنها داخل الصور الطبية.

الشكل 1. استخدام YOLO لتحليل الأشعة السينية (المصدر)

بمجرد ضبط النماذج، يمكن لنماذج مثل Ultralytics YOLO26 أن تعمل بمثابة مساعد بصري داخل سير عمل التشخيص. على وجه الخصوص، تجعلها سرعتها مفيدة في البيئات السريرية المزدحمة حيث يجب مراجعة أحجام كبيرة من بيانات التصوير بسرعة.

Viz.ai#

Viz.ai هي أداة تشخيص بالذكاء الاصطناعي يمكنها تحليل الصور الطبية. يتم استخدامها لتحليل التصوير الطبي لتحديد الحالات التي تتطلب اهتماماً سريرياً فورياً، مثل السكتة الدماغية وحالات الأوعية الدموية.

تتكامل أداة الذكاء الاصطناعي هذه مباشرة في أنظمة المستشفيات، مما يوفر بديلاً لعمليات مراجعة الصور اليدوية. تمكّن Viz.ai فرق التشخيص الطبي من الاستجابة بشكل أسرع، حيث يؤثر توقيت العلاج بشكل مباشر على نتائج المرضى.

أحد تطبيقاتها الرئيسية هو الكشف التلقائي عن انسداد الأوعية الكبيرة (LVOs) في عمليات المسح. كما يستخدم نظام الذكاء الاصطناعي لإرسال تنبيهات فورية إلى الفريق الجراحي عبر الأجهزة المحمولة لدعم التدخل السريع.

الشكل 2. كيف يمكن استخدام Viz.ai (المصدر)

PathAI#

علم الأمراض هو جزء حيوي من دراسة عينات الأنسجة وإيجاد علامات المرض. تستخدم أدوات الذكاء الاصطناعي مثل PathAI خوارزميات الذكاء الاصطناعي لتحليل الشرائح عالية الجودة واكتشاف الأنماط الدقيقة.

يستخدم أخصائيو علم الأمراض هذه الأداة عند مراجعة الخزعات. تشمل بعض تطبيقاتها عد الخلايا وتحديد حواف السرطان على الشرائح. وهذا يجعل عملية التشخيص أكثر كفاءة ويساعد المتخصصين الطبيين على الشعور بثقة أكبر في نتائجهم.

Aidoc#

Aidoc هي أداة ذكاء اصطناعي مصممة بشكل أساسي للأشعة والتشخيصات القائمة على التصوير، بما في ذلك أمراض القلب والأوعية الدموية والأعصاب. بدلاً من تحليل التقارير الطبية المكتوبة، تركز Aidoc على بيانات التصوير الطبي للمساعدة في إظهار النتائج الأكثر إلحاحاً وأهمية من الناحية السريرية.

تعمل الأداة كشاشة أمان مستمرة في الخلفية لسير عمل التصوير الطبي. فهي تحلل عمليات المسح تلقائياً وتحدد الحالات عالية الخطورة حتى يمكن إعطاؤها الأولوية للمراجعة الفورية من قبل الأطباء. وهذا يساعد في تقليل التأخير في التشخيص ويدعم رعاية متسقة للمرضى في بيئات المستشفيات المزدحمة.

تتكامل Aidoc بسلاسة في أنظمة المستشفيات وقوائم عمل أطباء الأشعة، حيث تساعد في تحديد الحالات العاجلة مثل الانسداد الرئوي والنزيف داخل الجمجمة. من خلال تحديد أولويات حالات الطوارئ، تدعم Aidoc استجابة سريرية أسرع دون تعطيل سير العمل الحالي.

الشكل 3. النزيف داخل القحف الذي تم اكتشافه بواسطة Aidoc. (المصدر)

Tempus#

Tempus هي أداة مدعومة بالذكاء الاصطناعي تستخدم في رعاية مرضى السرطان لمساعدة الأطباء على اتخاذ قرارات علاجية أكثر استنارة. فهي تحلل السجلات الطبية إلى جانب البيانات الجينية والجزيئية للمرضى.

تجمع المنصة معلومات مثل تاريخ المرضى، ونتائج الاختبارات، والبيانات الجينومية لتقديم رؤى سريرية مفيدة. من خلال النظر إلى هذه المعلومات معاً، تساعد Tempus الأطباء على فهم المرض بشكل أفضل والنظر في العلاجات التي قد تكون أكثر ملاءمة لمريض معين.

تستخدم Tempus بشكل رئيسي من قبل أطباء الأورام لدعم اختيار العلاج. وهي تعمل من خلال مقارنة الملف الجيني للمريض بالأنماط الموجودة في مجموعات بيانات سريرية وجزيئية كبيرة، مما يساعد في توجيه رعاية السرطان المخصصة.

Cleerly#

Cleerly هي أداة تشخيص بمساعدة الذكاء الاصطناعي تستخدم لتحليل صور القلب المقطعية، وتحديداً تصوير الشرايين التاجية بالأشعة المقطعية. فهي تساعد الأطباء على رؤية تفاصيل في تصوير القلب قد يكون من الصعب تحديدها من خلال المراجعة البصرية القياسية وحدها.

تحلل الأداة الأشعة المقطعية لتقييم تراكم اللويحات والتضيق في الشرايين التاجية، وهي مؤشرات رئيسية لأمراض القلب. باستخدام هذا التحليل، تنشئ Cleerly تقريراً مفصلاً يساعد في توضيح خطر إصابة المريض بمرض الشريان التاجي.

الدور المتطور للذكاء الاصطناعي في الرعاية الصحية#

التقدم الذي يحرزه الذكاء الاصطناعي في الرعاية الصحية يلمس أيضاً مجالات أخرى، جنباً إلى جنب مع التصوير الطبي. في حين أصبح الذكاء الاصطناعي مؤثراً بشكل خاص في تحليل الصور الطبية بكفاءة واتساق أكبر، فإن التطبيقات الأحدث توسع دوره عبر سير العمل التشخيصي الأوسع.

اليوم، يمكن أن تدعم أنظمة الذكاء الاصطناعي التحليل الآلي، وتحديد أولويات الحالات، ودعم القرارات السريرية، مما يساعد الأطباء على اتخاذ قرارات أسرع وأكثر استنارة مع الحفاظ على التصوير الطبي في صميم رعاية التشخيص. ومن الأمثلة المعروفة على هذا التقدم الأوسع في الذكاء الاصطناعي الطبي AlphaFold، الذي تم تطويره بواسطة Google DeepMind.

بينما لا يُستخدم AlphaFold مباشرة في التشخيص السريري، إلا أنه يوضح كيف يمكن للذكاء الاصطناعي تحليل البيانات الطبية الحيوية المعقدة للتنبؤ بدقة بالهيكل ثلاثي الأبعاد للبروتينات، وهو إنجاز سرّع بشكل كبير البحث البيولوجي واكتشاف الأدوية. تساعد مثل هذه التطورات في وضع الأسس العلمية لاختبارات تشخيصية جديدة وعلاجات مستهدفة.

الشكل 4. التنبؤ بالهيكل ثلاثي الأبعاد للبروتين باستخدام AlphaFold (المصدر)

أبرز النقاط#

يعيد الذكاء الاصطناعي تعريف التشخيصات الطبية بسرعة من خلال تحسين السرعة والدقة والكفاءة عبر سير العمل السريري. من التصوير الطبي وعلم الأمراض إلى تخطيط العلاج الشخصي، تساعد أدوات الذكاء الاصطناعي الأطباء على اتخاذ قرارات مستنيرة بشكل أفضل مع تقليل أعباء العمل اليدوية. ومع استمرار هذه التقنيات في التطور، فهي مهيأة للعب دور متزايد الأهمية في تقديم رعاية في الوقت المناسب وموجهة بالبيانات ومركزة على المريض.

انضم إلى مجتمعنا وتحقق من مستودع GitHub الخاص بنا لقراءة المزيد حول الذكاء الاصطناعي. استكشف صفحات الحلول الخاصة بنا للتعرف على تطبيقات الذكاء الاصطناعي في التصنيع ورؤية الكمبيوتر في الخدمات اللوجستية. اكتشف خيارات الترخيص الخاصة بنا وابدأ في بناء نماذج رؤية الذكاء الاصطناعي.