أدوات الذكاء الاصطناعي للرؤية للتشخيص الصحي

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

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

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

ويشمل ذلك نماذج الذكاء الاصطناعي بالرؤية التي تحلل البيانات المرئية، وبرامج التشخيص التي تساعد الأطباء أثناء المراجعة، وأنظمة الذكاء الاصطناعي المستخدمة سريريًا في بيئات الرعاية الصحية الواقعية. وعلى الرغم من اختلاف الغرض من كل نوع من أدوات الذكاء الاصطناعي، فإنها تشترك جميعًا في هدف واحد: إتاحة تشخيصات أدق وأكثر اتساقًا وموثوقية.

سنلقي في هذه المقالة نظرة عن كثب على بعض أدوات الذكاء الاصطناعي الشائعة المستخدمة في تشخيص الرعاية الصحية داخل البيئات السريرية.

نظرة على تقنية الذكاء الاصطناعي وتشخيص الحالات الصحية#

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

تجعل هذه الإمكانات الذكاء الاصطناعي أداة قيّمة في أنظمة الرعاية الصحية كثيفة البيانات. ولهذا يبدأ كثير من اختصاصيي الرعاية الصحية باستخدام أدوات مدعومة بالذكاء الاصطناعي في حالات استخدام متنوعة.

فعلى سبيل المثال، تستطيع خوارزميات الذكاء الاصطناعي بالرؤية تحليل صور الأشعة السينية والتصوير المقطعي المحوسب للعثور على أنماط في الصور الطبية قد لا يلاحظها الإنسان أثناء المراجعة اليدوية. ويمكن لحل للرؤية الحاسوبية تحديد المناطق المثيرة للريبة تلقائيًا وتسريع عملية التشخيص.

ومن خلال ذلك، يعزز الحل دقة التشخيص من دون إبطاء سير العمل السريري الحالي، كما يوفر مزيدًا من الوقت للمتخصصين للتركيز على أعمال أخرى. وفي الواقع، من المتوقع أن ينمو سوق الرؤية الحاسوبية في قطاع الرعاية الصحية عالميًا بمقدار 10.97 مليار دولار بين عامي 2025 و2030، ما يسلط الضوء على تزايد اعتماد هذه التقنيات.

يمكن لأدوات الذكاء الاصطناعي بالرؤية أن تساعد أيضًا في تحليل الأنسجة البشرية على نطاق مجهري. ويمكن استخدام نماذج تعلّم الآلة والتعلم العميق في مهام تحليل البيانات المجهرية، مثل عدّ الخلايا في ثوانٍ. وهذا يتيح للمتخصصين الطبيين التركيز على الأهم: المريض.

إضافةً إلى ذلك، تستطيع بعض الأنظمة السريرية المتقدمة للذكاء الاصطناعي الجمع بين بيانات التصوير الطبي وبيانات المرضى من السجلات الصحية الإلكترونية (EHRs) والرؤى المستمدة من التجارب السريرية. ومن خلال معالجة كل هذه البيانات معًا باستخدام الذكاء الاصطناعي، يستطيع الأطباء إعداد خطة علاج مخصصة لكل مريض. ويُعد ذلك مفيدًا على وجه الخصوص للحالات المعقدة مثل سرطان الثدي أو أمراض القلب والأوعية الدموية.

أنواع أدوات الذكاء الاصطناعي التي يستخدمها مقدمو الرعاية الصحية#

يمكن إجراء التشخيصات الصحية باستخدام أدوات ذكاء اصطناعي متنوعة، 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 الرئيسية لأدوات الذكاء الاصطناعي المستخدمة في تشخيص الحالات الصحية:

• نماذج الذكاء الاصطناعي بالرؤية: هي نماذج أساسية تركز على مهام الفهم المرئي، مثل الكشف وتحديد المواقع والتجزئة وعدّ الكائنات في الصور الطبية وشرائح علم الأمراض. ولا تتخذ هذه النماذج قرارات سريرية من تلقاء نفسها، لكنها توفر الرؤى الأساسية على مستوى الصورة التي تدعم تطبيقات التشخيص المعتمدة على التصوير.
• برامج التشخيص المدعومة بالذكاء الاصطناعي: تستند هذه الأدوات إلى النماذج الأساسية، وصُممت لدعم اتخاذ القرارات السريرية. فهي تحلل البيانات من مصادر متعددة وتجمع بينها، مثل الصور الطبية والسجلات الصحية الإلكترونية (EHRs) ونتائج المختبر والملاحظات السريرية، لتحديد الأنماط ورصد الحالات غير الطبيعية المحتملة وترتيب الحالات حسب الأولوية ومساعدة الأطباء أثناء مراجعة التشخيص.
• أنظمة الذكاء الاصطناعي المستخدمة سريريًا: هي حلول ذكاء اصطناعي متكاملة ومنظّمة معتمدة للاستخدام السريري في العالم الحقيقي. وعادةً ما تجمع هذه الأنظمة بين نماذج متعددة للذكاء الاصطناعي وقواعد سريرية وطبقات تحقق وآليات مراقبة لتعمل 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 للتشخيص في الرعاية الصحية#

بعد أن أصبح لدينا فهم أفضل لكيفية دعم أدوات الذكاء الاصطناعي المختلفة لسير عمل التشخيص، لنستكشف بعضًا من أبرز أدوات الذكاء الاصطناعي المستخدمة حاليًا في التشخيص ضمن الرعاية الصحية.

1. نماذج Ultralytics YOLO#

تشكّل نماذج Ultralytics YOLO عائلة من نماذج الرؤية الحاسوبية الآنية، 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.

تضم عائلة نماذج Ultralytics YOLO Ultralytics YOLOv5، وUltralytics YOLOv8، وUltralytics YOLO11، وأحدث إصدار، Ultralytics YOLO26. لا تكشف هذه النماذج عن الشذوذ الطبي تلقائيًا.

لتحديد الأورام أو الآفات أو الكسور أو غيرها من الحالات الشاذة، يمكن ضبطها بدقة أو تدريبها تدريبًا مخصصًا على مجموعات بيانات تصوير طبي موسومة، مثل Brain Tumor أو GRAZPEDWRI-DX الخاصة بإصابات المعصم لدى الأطفال، والتي تعلّمها ما ينبغي البحث عنه من كائنات أو حالات شاذة في الصور الطبية.

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

بعد ضبط نماذج مثل Ultralytics YOLO26 بدقة، يمكنها العمل كمساعد بصري ضمن سير عمل التشخيص. وعلى وجه الخصوص، تجعلها سرعتها مفيدة في البيئات السريرية المزدحمة التي تستلزم مراجعة كميات كبيرة من بيانات التصوير بسرعة.

2. Viz.ai#

Viz.ai أداة تشخيصية قائمة على الذكاء الاصطناعي، يمكنها تحليل الصور الطبية. وتُستخدم لتحليل التصوير الطبي وتحديد الحالات التي تتطلب اهتمامًا سريريًا فوريًا، مثل السكتة الدماغية وأمراض الأوعية الدموية.

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

من أبرز استخداماتها الكشف التلقائي عن انسدادات الأوعية الدموية الكبيرة (LVOs) في الفحوصات. كما يُستخدم نظام الذكاء الاصطناعي لإرسال تنبيهات فورية إلى الفريق الجراحي عبر الأجهزة المحمولة، دعمًا للتدخل السريع.

الشكل 2. كيفية استخدام Viz.ai (المصدر)

3. PathAI#

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

يستخدم اختصاصيو علم الأمراض هذه الأداة عند مراجعة الخزعات. وتشمل بعض استخداماتها عدّ الخلايا ورصد هوامش الأورام السرطانية في الشرائح. وهذا يجعل عملية التشخيص أكثر كفاءة ويساعد المتخصصين الطبيين على الشعور بمزيد من الثقة في استنتاجاتهم.

4. Aidoc#

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

تعمل الأداة بمثابة نظام مراقبة سلامة مستمر في الخلفية لسير عمل التصوير الطبي. فهي تحلل الفحوصات تلقائيًا وتحدد الحالات عالية الخطورة لتحديد أولويتها ومراجعتها فورًا من قبل الأطباء. ويساعد ذلك على الحد من التأخيرات التشخيصية ودعم رعاية متسقة للمرضى في بيئات المستشفيات المزدحمة.

تتكامل Aidoc مع أنظمة المستشفيات وقوائم عمل اختصاصيي الأشعة، حيث تساعد على تحديد الحالات العاجلة مثل الانصمام الرئوي والنزيف داخل الجمجمة. ومن خلال إعطاء الأولوية لحالات الطوارئ، تدعم Aidoc استجابة سريرية أسرع دون تعطيل سير العمل القائم.

الشكل 3. نزف داخل القحف اكتشفته Aidoc. (المصدر)

5. Tempus#

Tempus أداة مدعومة بالذكاء الاصطناعي تُستخدم في رعاية مرضى السرطان لمساعدة الأطباء على اتخاذ قرارات علاجية مستنيرة. وتحلل السجلات الطبية إلى جانب البيانات الجينية والجزيئية للمرضى.

تجمع المنصة معلومات مثل السجلات المرضية للمرضى ونتائج الفحوصات والبيانات الجينومية لتقديم رؤى سريرية مفيدة. ومن خلال النظر إلى هذه المعلومات مجتمعةً، تساعد Tempus الأطباء على فهم المرض على نحو أفضل والنظر في العلاجات الأنسب لمريض بعينه.

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

6. Cleerly#

Cleerly أداة تشخيصية مدعومة بالذكاء الاصطناعي تُستخدم لتحليل فحوصات التصوير المقطعي المحوسب للقلب، وتحديدًا تصوير الأوعية التاجية بالتصوير المقطعي المحوسب. وهي تساعد 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 والتضيّق في الشرايين التاجية، وهما مؤشران أساسيان لأمراض القلب. واستنادًا إلى هذا التحليل، تُعد 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 الرعاية الصحية إلى مجالات أخرى، إلى جانب التصوير الطبي. وعلى الرغم من أن الذكاء الاصطناعي أحدث أثرًا بالغًا في تحليل الصور الطبية بكفاءة واتساق أكبر، فإن التطبيقات الأحدث توسع نطاق دوره ليشمل سير عمل التشخيص على نطاق أوسع.

تدعم أنظمة الذكاء الاصطناعي اليوم التحليل الآلي وتحديد أولويات الحالات ودعم القرارات السريرية، ما يساعد الأطباء على اتخاذ قرارات أسرع وأكثر استنارة مع إبقاء التصوير الطبي محورًا للرعاية التشخيصية. ومن الأمثلة المعروفة على هذا التقدم الأوسع في الذكاء الاصطناعي الطبي AlphaFold، الذي طورته Google DeepMind.

لا يُستخدم AlphaFold مباشرةً في التشخيص السريري، لكنه يوضح كيف يمكن للذكاء الاصطناعي تحليل البيانات الطبية الحيوية المعقدة للتنبؤ بدقة بالبنية ثلاثية الأبعاد للبروتينات، وهو إنجاز سرّع الأبحاث البيولوجية واكتشاف الأدوية بدرجة كبيرة. وتساعد هذه التطورات في إرساء الأسس العلمية لاختبارات تشخيصية جديدة وعلاجات موجهة.

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

أبرز النقاط#

يعيد الذكاء الاصطناعي تعريف التشخيص في الرعاية الصحية بسرعة، من خلال تحسين السرعة والدقة والكفاءة في مختلف مسارات العمل السريرية. فمن التصوير الطبي وعلم الأمراض إلى تخطيط العلاج المخصص، تساعد أدوات الذكاء الاصطناعي الأطباء على اتخاذ قرارات أفضل استنادًا إلى المعلومات، مع تقليل أعباء العمل اليدوي. ومع استمرار تطور هذه التقنيات، يُتوقع أن تؤدي دورًا متزايد الأهمية في تقديم رعاية في الوقت المناسب، تستند إلى البيانات وتتمحور حول المريض.

انضم إلى مجتمعنا واطّلع على مستودع GitHub لقراءة المزيد عن الذكاء الاصطناعي. استكشف صفحات حلولنا للتعرف على تطبيقات الذكاء الاصطناعي في التصنيع والرؤية الحاسوبية في الخدمات اللوجستية. تعرّف على خيارات الترخيص وابدأ ببناء نماذج الذكاء الاصطناعي البصري.