دعم القرار السريري بالذكاء الاصطناعي يتوسع، لكن الأدلة تتخلف عن الركب

الصعود السريع لدعم القرار السريري بالذكاء الاصطناعي

في جميع أنحاء العالم، تتسابق شركات التكنولوجيا لتطوير أدوات مدعومة بالذكاء الاصطناعي (AI) لدعم القرار السريري (CDS)، مستهدفة سوقًا عالميًا من المتوقع أن يصل إلى 15 مليار دولار أمريكي بحلول عام 2033. جيل جديد من أدوات الذكاء الاصطناعي مدعومة بنماذج لغوية كبيرة (LLMs) ينتقل بسرعة من التطوير إلى البيئات السريرية. تقوم أنظمة الصحة وشركات التكنولوجيا بدمج هذه الأدوات في سير العمل السريري، واعدة بتوليف أسرع للأدلة واتخاذ قرارات أكثر استجابة بجانب السرير. ولكن مع دخول أنظمة CDS إلى الممارسة العملية، تبقى أسئلة أساسية حول كيفية تقييمها، وما الأدلة التي تدعم استخدامها، وكيف سيتم حوكمتها على نطاق واسع.

لطالما تم الترويج لوعد الذكاء الاصطناعي في الرعاية الصحية، لكن التطورات الأخيرة في معالجة اللغة الطبيعية والذكاء الاصطناعي التوليدي سارعت من وتيرة التبني. على عكس الأنظمة القائمة على القواعد في وقت سابق، يمكن لأدوات CDS الحديثة قراءة وتفسير الملاحظات السريرية غير المنظمة، وتوليف كميات هائلة من الأدبيات الطبية، وتوليد توصيات مخصصة في الوقت الفعلي. هذه القدرة لفتت انتباه الأطباء والإداريين على حد سواء، الذين يرون إمكانية لتحسين دقة التشخيص، وتقليل العبء الإداري، وتقديم رعاية أكثر كفاءة.

اللاعبون الرئيسيون والاستراتيجيات المتباينة

من بين القادة في الولايات المتحدة الذين يتنافسون على حصة في السوق أدوات الذكاء الاصطناعي الاستهلاكية العامة مثل ChatGPT، بالإضافة إلى أنظمة CDS المتخصصة، بما في ذلك تلك من Abridge وAtropos Health وOpenEvidence. لدى شركات CDS المتخصصة هذه آراء متباينة حول كيفية تطور المجال بعد ذلك.

تطور شركة Abridge ومقرها بيتسبرغ تقنية ذكاء اصطناعي محيطي تستمع إلى محادثات الطبيب والمريض وتقوم تلقائيًا بإنشاء ملاحظات سريرية وأدوات أخرى لدعم سير العمل لأنظمة الصحة. من خلال أتمتة التوثيق، تهدف Abridge إلى تقليل إرهاق الأطباء وتوفير الوقت للتفاعل مع المرضى. يركز نهج الشركة على التكامل السلس مع أنظمة السجلات الصحية الإلكترونية (EHR) الحالية، وتوفير النسخ الفوري وتوليد الملاحظات التي يمكن تحريرها والموافقة عليها من قبل الأطباء.

تسوق شركة OpenEvidence ومقرها بوسطن أداة ذكاء اصطناعي مباشرة للأطباء تدعي الشركة أنها "الأكثر استخدامًا في الذكاء الاصطناعي الطبي" بين الأطباء في الولايات المتحدة. تركز المنصة على استخلاص أفضل الأدلة المتاحة من الأدبيات المنشورة، وتزويد الأطباء بإجابات موجزة قائمة على الأدلة للأسئلة السريرية. يتصور الرئيس التنفيذي والمؤسس لشركة OpenEvidence، دانيال نادلر، مستقبلًا حيث يقوم الذكاء الاصطناعي بأتمتة الكثير من أجزاء "الرعاية القياسية" في توليف الأدلة، مما يسمح للأطباء بالتركيز على الحالات المعقدة والتواصل مع المرضى.

تروج شركة Atropos Health، وهي شركة منبثقة من جامعة ستانفورد، لنظام CDS مصمم لتمكين الأطباء من طرح أسئلة جديدة في المواقف التي قد توجد فيها فجوات في الأدلة المنشورة رسميًا. من خلال الاستفادة من البيانات الواقعية من سجلات المرضى، تهدف Atropos إلى توليد الأدلة أثناء التنقل، ومعالجة حالات عدم اليقين السريري التي لا تغطيها الدراسات الحالية. يمثل هذا النهج تحولًا من الطب القائم على الأدلة إلى الطب المولد للأدلة، حيث يمكن للذكاء الاصطناعي إنتاج رؤى قابلة للتنفيذ من البيانات في الوقت الفعلي تقريبًا.

أساس البيانات: السجلات الصحية الإلكترونية والكتّاب المحيطيون

البيانات التي تغذي أنظمة CDS تأتي بشكل متزايد مباشرة من سجلات المرضى. على مدى العقد الماضي، أصبحت السجلات الصحية الإلكترونية (EHR) التي تفحص بيانات المرضى تلقائيًا لتتبع مؤشرات الأمراض وإصدار تنبيهات للأطباء منتشرة في العديد من أنظمة الصحة في جميع أنحاء العالم. ومع ذلك، لم يكن حتى حوالي ثلاث سنوات مضت، مع الاعتماد الجماعي لـ 'الكتّاب المحيطيين' الذين ينسخون تلقائيًا استشارات الطبيب والمريض إلى سجلات سريرية، أن بدا أن CDS المدعوم بالذكاء الاصطناعي جاهز لوقت الذروة.

أحدث الكتّاب المحيطيون ثورة في طريقة التقاط البيانات السريرية. من خلال توليد ملاحظات منظمة تلقائيًا من المحادثات، قللوا من عبء التوثيق على الأطباء وحسنوا اكتمال ودقة بيانات EHR. يوفر تدفق البيانات الغني في الوقت الفعلي الوقود لخوارزميات الذكاء الاصطناعي للتعلم وتوليد الرؤى. كما يلاحظ نادلر، فإن الهدف هو أتمتة الكثير من أجزاء "الرعاية القياسية" في توليف الأدلة، مما يجعل أحدث المعرفة الطبية في متناول نقطة الرعاية.

ومع ذلك، فإن الاعتماد على بيانات EHR يثير مخاوف بشأن جودة البيانات والتحيز وقابلية التشغيل البيني. تشتهر EHRs بتجزئتها، مع تنسيقات وممارسات ترميز مختلفة عبر المؤسسات. قد ترث نماذج الذكاء الاصطناعي المدربة على مثل هذه البيانات تحيزات يمكن أن تؤدي إلى تفاوتات في الرعاية. علاوة على ذلك، يتطلب دمج أدوات الذكاء الاصطناعي في سير العمل السريري تبادلًا سلسًا للبيانات بين الأنظمة، وهو ما يظل تحديًا تقنيًا وتنظيميًا.

فجوة الأدلة: تحديات التقييم والحوكمة

مع انتقال أنظمة CDS إلى الممارسة العملية، يظهر سؤال حاسم: هل يمكن للأدلة مواكبة ذلك؟ التجارب السريرية التقليدية بطيئة ومكلفة، وغالبًا ما تستغرق سنوات لإنتاج النتائج. في المقابل، يتم تحديث أدوات الذكاء الاصطناعي بشكل متكرر، وقد تتغير توصياتها مع توفر بيانات جديدة. هذا يخلق عدم تطابق بين وتيرة الابتكار ووتيرة توليد الأدلة.

بدأت الهيئات التنظيمية مثل إدارة الغذاء والدواء الأمريكية (FDA) في وضع أطر للأجهزة الطبية القائمة على الذكاء الاصطناعي، لكن العديد من أدوات CDS لا تخضع لمراجعة ما قبل التسويق. أصدرت إدارة الغذاء والدواء إرشادات حول برامج دعم القرار السريري، لكن الحدود بين الأدوات المنظمة وغير المنظمة لا تزال غير واضحة. تعتبر بعض الأدوات "منخفضة المخاطر" ومعفاة من الإخطار قبل التسويق، بينما يتطلب البعض الآخر مراجعة أكثر صرامة. أدى عدم اليقين التنظيمي هذا إلى دعوات لوضع مبادئ توجيهية أوضح وآليات مراقبة ما بعد التسويق.

علاوة على ذلك، فإن قاعدة الأدلة للعديد من أدوات CDS بالذكاء الاصطناعي ضعيفة. وجدت مراجعة منهجية حديثة أن عددًا قليلاً من أنظمة CDS القائمة على الذكاء الاصطناعي تم تقييمها في تجارب سريرية مستقبلية، وأن معظم الدراسات تعاني من عيوب منهجية مثل صغر حجم العينة، وعدم وجود مجموعات ضابطة، وفترات متابعة قصيرة. إن نقص الأدلة القوية يجعل من الصعب على الأطباء وأنظمة الصحة اتخاذ قرارات مستنيرة بشأن تبني هذه الأدوات.

الحوكمة هي مصدر قلق رئيسي آخر. من المسؤول عندما يؤدي توصية الذكاء الاصطناعي إلى تشخيص خاطئ أو نتيجة سلبية؟ كيف ينبغي مراقبة أدوات الذكاء الاصطناعي وتحديثها لضمان بقائها آمنة وفعالة؟ هذه الأسئلة ملحة بشكل خاص حيث تصبح أدوات الذكاء الاصطناعي أكثر استقلالية ويتم دمجها في مسارات الرعاية الحرجة.

الطريق إلى الأمام: الموازنة بين الابتكار والأدلة

على الرغم من هذه التحديات، فإن الفوائد المحتملة لـ CDS بالذكاء الاصطناعي أكبر من أن يتم تجاهلها. الذكاء الاصطناعي لديه القدرة على توليف كميات هائلة من البيانات، وتحديد الأنماط التي قد يفوتها البشر، وتقديم دعم القرار في البيئات المحدودة الموارد. لتحقيق هذه الفوائد، يجب على أصحاب المصلحة العمل معًا لتطوير أطر تقييم قوية، ومعايير إبلاغ شفافة، ومسارات تنظيمية تكيفية.

أحد الأساليب الواعدة هو استخدام المراجعات المنهجية "الحية" والأدلة الواقعية لتكملة التجارب التقليدية. من خلال المراقبة المستمرة لأدوات الذكاء الاصطناعي في البيئات الواقعية، يمكن للباحثين توليد أدلة حول الأداء والسلامة والعواقب غير المقصودة. يتطلب هذا النهج تعاونًا بين المطورين والأطباء والباحثين والجهات التنظيمية، بالإضافة إلى الاستثمار في البنية التحتية للبيانات والتحليلات.

جانب رئيسي آخر هو مشاركة الأطباء. لكي يتم قبول CDS بالذكاء الاصطناعي وفعاليته، يجب أن يثق الأطباء في الأدوات ويفهموا حدودها. يتطلب هذا التعليم والتدريب، بالإضافة إلى التواصل الشفاف حول كيفية توليد توصيات الذكاء الاصطناعي وما الأدلة التي تدعمها.

أخيرًا، هناك حاجة إلى مواءمة دولية للمعايير واللوائح. أدوات CDS بالذكاء الاصطناعي هي منتجات عالمية، والاختلافات في المتطلبات التنظيمية عبر البلدان يمكن أن تعيق الابتكار والوصول. تعمل الجهود التعاونية، مثل المنتدى الدولي لمنظمي الأجهزة الطبية (IMDRF)، نحو مبادئ مشتركة للأجهزة الطبية القائمة على الذكاء الاصطناعي، ولكن هناك حاجة إلى المزيد.

الخلاصة

يتوسع دعم القرار السريري المدعوم بالذكاء الاصطناعي بسرعة، مدفوعًا بالتقدم في النماذج اللغوية الكبيرة وانتشار البيانات الصحية الإلكترونية. السوق مزدهر، وشركات مثل Abridge وOpenEvidence وAtropos Health تقود الطريق بأساليب مبتكرة. ومع ذلك، فإن قاعدة الأدلة لهذه الأدوات لا تزال في طور التطور، ولا تزال هناك تحديات كبيرة في التقييم والحوكمة والتنظيم.

بينما يواصل الذكاء الاصطناعي تحويل الرعاية الصحية، من الضروري أن نواكب التقييم الصارم والإشراف المدروس. فقط من خلال ضمان أن أدوات CDS بالذكاء الاصطناعي آمنة وفعالة ومنصفة يمكننا تحقيق إمكاناتها الكاملة لتحسين رعاية المرضى ونتائجهم.

تستند هذه المقالة إلى تقرير من Nature Medicine. اقرأ المقال الأصلي.