أدوات Vision AI لتشخيص الرعاية الصحية

عندما يراجع الأطباء صور الأشعة السينية بعد نوبات عمل طويلة أو يحللون مئات الصور الطبية، قد تُغفل أحيانًا نتائج مهمة. وهذه مشكلة شائعة في مجال تشخيص الرعاية الصحية.

حتى التأخيرات الطفيفة أو التفاصيل التي لم يُنتبه إليها يمكن أن تؤثر في رعاية المرضى. ولمعالجة هذه المخاوف، تُستخدم أنظمة الذكاء الاصطناعي (AI) لدعم الأطباء.

بدءًا من الكشف المبكر عن الأمراض في التصوير الطبي ووصولًا إلى المساعدة في اتخاذ القرارات التشخيصية، أصبحت هذه الأنظمة جزءًا أساسيًا من طريقة عمل مؤسسات الرعاية الصحية. وفي الواقع، يجري دمج أدوات الذكاء الاصطناعي في مجموعة متنوعة من تقنيات الرعاية الصحية.

يشمل ذلك نماذج الذكاء الاصطناعي البصري التي تحلل البيانات المرئية، والبرامج التشخيصية التي تساعد الأطباء أثناء المراجعة، وأنظمة الذكاء الاصطناعي المستخدمة سريريًا التي تعمل في بيئات الرعاية الصحية الواقعية. وعلى الرغم من أن كل نوع من أدوات الذكاء الاصطناعي يؤدي غرضًا مختلفًا، فإنها تشترك جميعًا في الهدف نفسه: تمكين تشخيصات أكثر دقة واتساقًا وموثوقية.

في هذه المقالة، سنلقي نظرة فاحصة على بعض أدوات الذكاء الاصطناعي الشائعة المستخدمة لتشخيص الرعاية الصحية في البيئات السريرية. لنبدأ!

نظرة على تقنيات الذكاء الاصطناعي وتشخيص الرعاية الصحية#

يمكن استخدام الذكاء الاصطناعي لدعم تشخيص الرعاية الصحية في مراحل متعددة. إذ يمكنه العمل بدءًا من المراجعة الأولى للبيانات الطبية ووصولًا إلى تقديم الرؤى أثناء اتخاذ القرارات النهائية.

تجعل هذه القدرات الذكاء الاصطناعي أداة قيّمة في أنظمة الرعاية الصحية التي تعتمد على كميات كبيرة من البيانات. ولهذا السبب، بدأ العديد من المتخصصين في الرعاية الصحية استخدام الأدوات المدعومة بالذكاء الاصطناعي لحالات استخدام متنوعة.

فعلى سبيل المثال، يمكن لخوارزميات الذكاء الاصطناعي البصري تحليل صور الأشعة السينية وفحوصات التصوير المقطعي المحوسب لاكتشاف أنماط في التصوير الطبي قد يفوتها الإنسان أثناء المراجعة اليدوية. ويمكن لحل الرؤية الحاسوبية تحديد المناطق المشبوهة تلقائيًا وتسريع عملية التشخيص.

وبذلك، يعزز دقة التشخيص من دون إبطاء سير العمل السريري القائم، كما يوفر مزيدًا من الوقت للمتخصصين للتركيز على أعمال أخرى. وفي الواقع، من المتوقع أن ينمو سوق الرؤية الحاسوبية في مجال الرعاية الصحية عالميًا بمقدار 10.97 مليارات دولار بين عامَي 2025 و2030، ما يسلط الضوء على تزايد اعتماد هذه التقنيات.

يمكن لأدوات الذكاء الاصطناعي البصري أن تساعد أيضًا في تحليل الأنسجة البشرية على نطاق مجهري. ويمكن استخدام نماذج تعلُّم الآلة والتعلُّم العميق في مهام تحليل البيانات المجهرية، مثل عدّ الخلايا خلال ثوانٍ. وهذا يعني أن المتخصصين الطبيين يستطيعون التركيز على ما يهم أكثر: المريض.

إضافة إلى ذلك، يمكن لبعض الأنظمة السريرية للذكاء الاصطناعي المتقدمة دمج بيانات التصوير الطبي مع بيانات المرضى من السجلات الصحية الإلكترونية (EHRs) والرؤى المستخلصة من التجارب السريرية. ومن خلال معالجة كل هذه البيانات معًا باستخدام الذكاء الاصطناعي، يستطيع الأطباء وضع خطة علاج مخصصة لكل مريض. ويكون ذلك مفيدًا بصفة خاصة في الحالات المعقدة مثل سرطان الثدي أو أمراض القلب والأوعية الدموية.

أنواع أدوات الذكاء الاصطناعي التي يستخدمها مقدمو الرعاية الصحية#

يمكن إجراء تشخيصات الرعاية الصحية باستخدام أدوات متنوعة للذكاء الاصطناعي، لكل منها دور محدد. يركز بعضها على تحليل الصور الطبية، بينما يدعم بعضها الآخر سير العمل السريري أو اتخاذ القرارات أو العمليات على مستوى النظام داخل بيئات الرعاية الصحية.

فيما يلي بعض الأنواع الأساسية من أدوات الذكاء الاصطناعي المستخدمة لتشخيص الرعاية الصحية:

• نماذج الذكاء الاصطناعي البصري: هذه نماذج أساسية للذكاء الاصطناعي تركز على مهام الفهم المرئي، مثل الكشف وتحديد المواقع والتجزئة وعدّ الكائنات في الصور الطبية وشرائح علم الأمراض. ولا تتخذ قرارات سريرية من تلقاء نفسها، لكنها توفر الرؤى الأساسية على مستوى الصورة التي تقوم عليها تطبيقات التشخيص المعتمدة على التصوير.
• برامج الذكاء الاصطناعي التشخيصية: تبني هذه الأدوات على النماذج الأساسية، وقد صُممت لدعم اتخاذ القرارات السريرية. فهي تحلل البيانات من مصادر متعددة وتدمجها، مثل الصور الطبية والسجلات الصحية الإلكترونية (EHRs) ونتائج المختبر والملاحظات السريرية، لتحديد الأنماط، والإبلاغ عن الحالات الشاذة المحتملة، وترتيب الحالات حسب الأولوية، ومساعدة الأطباء أثناء المراجعة التشخيصية.
• أنظمة الذكاء الاصطناعي المستخدمة سريريًا: هي حلول ذكاء اصطناعي متكاملة بالكامل ومنظمة ومعتمدة للاستخدام السريري الواقعي. وعادةً ما تجمع بين نماذج متعددة للذكاء الاصطناعي، وقواعد سريرية، وطبقات للتحقق، وآليات للمراقبة للعمل بأمان ضمن حالات استخدام محددة. وبحسب الموافقات التنظيمية، قد تنفذ هذه الأنظمة مهام تشخيصية مستقلة أو شبه مستقلة مع استيفاء المتطلبات الصارمة للأداء والسلامة وخصوصية البيانات.

أدوات شائعة مدعومة بالذكاء الاصطناعي لتشخيص الرعاية الصحية#

بعد أن أصبح لدينا فهم أفضل لكيفية دعم أدوات الذكاء الاصطناعي المختلفة لسير العمل التشخيصي، دعونا نستكشف بعض أبرز أدوات الذكاء الاصطناعي المستخدمة حاليًا في تشخيص الرعاية الصحية.

1. نماذج Ultralytics YOLO#

تُعد نماذج Ultralytics YOLO عائلة من نماذج الرؤية الحاسوبية الفورية المصممة لتنفيذ مهام متنوعة للذكاء الاصطناعي البصري على الصور ومقاطع الفيديو. وفي مجال الرعاية الصحية، يمكن استخدام هذه النماذج لبنةً أساسية تساعد أنظمة الذكاء الاصطناعي على تحليل الصور الطبية وفهمها.

تشمل عائلة نماذج Ultralytics YOLO كلًا من Ultralytics YOLOv5 وUltralytics YOLOv8 وUltralytics YOLO11 وأحدث إصدار، Ultralytics YOLO26. ولا تكشف هذه النماذج الحالات الشاذة الطبية تلقائيًا.

وللتعرف على الأورام أو الآفات أو الكسور أو غيرها من الحالات الشاذة، يمكن ضبطها بدقة أو تدريبها تدريبًا مخصصًا على مجموعات بيانات موسومة للتصوير الطبي، لتعليمها الكائنات أو الحالات الشاذة التي ينبغي البحث عنها داخل الصور الطبية.

الشكل 1. استخدام YOLO لتحليل صور الأشعة السينية (المصدر)

بعد ضبطها بدقة، يمكن لنماذج مثل Ultralytics YOLO26 أن تعمل كمساعد بصري ضمن سير العمل التشخيصي. وعلى وجه الخصوص، تجعل سرعتها مفيدة في البيئات السريرية المزدحمة التي يجب فيها مراجعة كميات كبيرة من بيانات التصوير بسرعة.

2. Viz.ai#

Viz.ai أداة تشخيصية للذكاء الاصطناعي يمكنها تحليل الصور الطبية. وتُستخدم لتحليل التصوير الطبي وتحديد الحالات التي تتطلب عناية سريرية فورية، مثل السكتة الدماغية وحالات الأوعية الدموية.

تتكامل أداة الذكاء الاصطناعي هذه مباشرةً مع أنظمة المستشفيات، وتوفر بديلًا لعمليات مراجعة الصور يدويًا. وتمكّن Viz.ai فرق التشخيص الطبي من الاستجابة بسرعة أكبر، إذ يؤثر توقيت العلاج مباشرةً في نتائج المرضى.

ومن تطبيقاتها الأساسية الكشف التلقائي عن انسدادات الأوعية الدموية الكبيرة (LVOs) في الفحوصات. كما يُستخدم نظام الذكاء الاصطناعي لإرسال تنبيهات فورية إلى الفريق الجراحي عبر الأجهزة المحمولة لدعم التدخل السريع.

الشكل 2. كيفية استخدام Viz.ai (المصدر)

3. PathAI#

يُعد علم الأمراض جزءًا أساسيًا من دراسة عينات الأنسجة واكتشاف علامات المرض. وتستخدم أدوات الذكاء الاصطناعي مثل PathAI خوارزميات الذكاء الاصطناعي لتحليل الشرائح عالية الجودة واكتشاف الأنماط الدقيقة.

يستخدم أطباء علم الأمراض هذه الأداة عند مراجعة الخزعات. وتشمل بعض تطبيقاتها عدّ الخلايا واكتشاف هوامش السرطان في الشرائح. وهذا يجعل عملية التشخيص أكثر كفاءة ويساعد المتخصصين الطبيين على الشعور بثقة أكبر في نتائجهم.

4. Aidoc#

Aidoc أداة للذكاء الاصطناعي مصممة أساسًا للأشعة والتشخيص القائم على التصوير، بما في ذلك الحالات القلبية والعصبية. وبدلًا من تحليل التقارير الطبية المكتوبة، تركز Aidoc على بيانات التصوير الطبي للمساعدة في إبراز النتائج الأكثر إلحاحًا وأهمية سريرية.

تعمل الأداة بوصفها مراقب سلامة مستمرًا في الخلفية لسير عمل التصوير الطبي. فهي تحلل الفحوصات تلقائيًا وتحدد الحالات عالية الخطورة حتى يمكن إعطاؤها الأولوية للمراجعة الفورية من قِبل الأطباء. ويساعد ذلك على تقليل التأخيرات التشخيصية ودعم رعاية متسقة للمرضى في بيئات المستشفيات المزدحمة.

تتكامل Aidoc بسلاسة مع أنظمة المستشفيات وقوائم عمل أطباء الأشعة، حيث تساعد في تحديد الحالات العاجلة مثل الانصمامات الرئوية والنزوف داخل القحف. ومن خلال إعطاء الأولوية للحالات الطارئة، تدعم Aidoc استجابة سريرية أسرع من دون تعطيل سير العمل القائم.

الشكل 3. نزوف داخل القحف اكتشفتها Aidoc. (المصدر)

5. Tempus#

Tempus أداة مدعومة بالذكاء الاصطناعي تُستخدم 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 المريض ونتائج الفحوصات والبيانات الجينومية لتوفير رؤى سريرية مفيدة. ومن خلال النظر في هذه المعلومات مجتمعة، تساعد Tempus الأطباء على فهم المرض بصورة أفضل ودراسة العلاجات التي قد تكون أنسب لمريض معين.

يستخدم أطباء الأورام Tempus أساسًا لدعم اختيار العلاج. وتعمل من خلال مقارنة الملف الجيني للمريض بالأنماط الموجودة في مجموعات بيانات سريرية وجزيئية كبيرة، ما يساعد في توجيه رعاية شخصية لمرضى السرطان.

6. Cleerly#

Cleerly أداة تشخيصية بمساعدة الذكاء الاصطناعي تُستخدم لتحليل فحوصات التصوير المقطعي المحوسب للقلب، وتحديدًا تصوير الأوعية التاجية بالتصوير المقطعي المحوسب. وتساعد الأطباء على رؤية تفاصيل في صور القلب قد يصعب تحديدها من خلال المراجعة البصرية التقليدية وحدها.

تحلل الأداة فحوصات التصوير المقطعي المحوسب لتقييم تراكم اللويحات وتضيق الشرايين التاجية، وهما مؤشّران أساسيان لأمراض القلب. وباستخدام هذا التحليل، تُنشئ Cleerly تقريرًا مفصلًا يساعد على توضيح خطر إصابة المريض بمرض الشريان التاجي.

الدور المتطور للذكاء الاصطناعي في الرعاية الصحية#

يمتد التقدم الذي يحرزه الذكاء الاصطناعي في مجال الرعاية الصحية إلى مجالات أخرى أيضًا، إلى جانب التصوير الطبي. وبينما أصبح الذكاء الاصطناعي مؤثرًا بصفة خاصة في تحليل الصور الطبية بكفاءة واتساق أكبر، تعمل التطبيقات الأحدث على توسيع دوره ليشمل سير العمل التشخيصي الأوسع.

يمكن لأنظمة الذكاء الاصطناعي اليوم دعم التحليل الآلي وترتيب الحالات حسب الأولوية ودعم اتخاذ القرارات السريرية، ما يساعد الأطباء على اتخاذ قرارات أسرع وأكثر استنارة مع إبقاء التصوير الطبي في صميم الرعاية التشخيصية. ومن الأمثلة المعروفة على هذا التقدم الأوسع في الذكاء الاصطناعي الطبي AlphaFold، الذي طوّرته Google DeepMind.

رغم أن AlphaFold لا يُستخدم مباشرةً في التشخيص السريري، فإنه يوضح كيف يستطيع الذكاء الاصطناعي تحليل البيانات الطبية الحيوية المعقدة للتنبؤ بدقة بالبنية ثلاثية الأبعاد للبروتينات، وهو إنجاز سرّع بدرجة كبيرة البحث البيولوجي واكتشاف الأدوية. وتساعد هذه التطورات على وضع الأساس العلمي لاختبارات تشخيصية جديدة وعلاجات موجهة.

الشكل 4. التنبؤ بالبنية ثلاثية الأبعاد لبروتين باستخدام AlphaFold (المصدر)

أهم النقاط المستخلصة#

يعيد الذكاء الاصطناعي بسرعة تعريف تشخيص الرعاية الصحية من خلال تحسين السرعة والدقة والكفاءة عبر سير العمل السريري. فمن التصوير الطبي وعلم الأمراض إلى تخطيط العلاج الشخصي، تساعد أدوات الذكاء الاصطناعي الأطباء على اتخاذ قرارات أكثر استنارة مع تقليل أعباء العمل اليدوية. ومع استمرار تطور هذه التقنيات، من المتوقع أن تؤدي دورًا متزايد الأهمية في تقديم رعاية في الوقت المناسب، قائمة على البيانات، ومتمحورة حول المريض.

انضم إلى مجتمعنا واطّلع على مستودع GitHub الخاص بنا لقراءة المزيد عن الذكاء الاصطناعي. واستكشف صفحات حلولنا للتعرف على تطبيقات الذكاء الاصطناعي في التصنيع والرؤية الحاسوبية في مجال الخدمات اللوجستية. وتعرّف على خيارات الترخيص وابدأ في بناء نماذج الذكاء الاصطناعي البصري.