يحذّر مربو التعليم الطبي من أن الاعتماد المبكر على الذكاء الاصطناعي قد يترك الأطباء المستقبليين بلا حكم سريري أساسي

لماذا يكتسب هذا التحذير مزيداً من الإلحاح

يدخل الذكاء الاصطناعي إلى التدريب الطبي أسرع من الضوابط التعليمية التي تُبنى حوله. وفي مقالة Perspective جديدة نُشرت في Nature Medicine، يجادل فريق دولي كبير من الباحثين بأن التوقيت مهم. وقلقهم لا يقتصر على احتمال ارتكاب الطلاب أخطاء عرضية بمساعدة الذكاء الاصطناعي، بل يتمثل في أن الاعتماد الشديد عليه خلال المراحل الأولى من التدريب قد يمنع تكوين التفكير السريري الأساسي بالكامل.

يمنح المؤلفون هذا الخطر اسماً محدداً: “never-skilling”. ويستخدمون المصطلح للتمييز بين الفشل في بناء المهارات الأساسية لدى المتدربين وبين المشكلة الأشهر المتمثلة في deskilling لدى المهنيين ذوي الخبرة. كما يفصلونه عن “mis-skilling”، حيث يستوعب الطلاب مخرجات خاطئة من أنظمة الذكاء الاصطناعي ويستبطنونها كمعرفة طبية.

تكمن أهمية هذا التمييز في أن الطب يقوم على الكفاءة المرحلية. يُتوقع من المتدربين أن يتعلموا كيفية جمع الأدلة، ووزن عدم اليقين، والتعرف إلى الأنماط، وتبرير القرارات قبل السماح لهم بالممارسة المستقلة. وإذا بدأت أنظمة الذكاء الاصطناعي في أداء قدر كبير جداً من هذا العمل المعرفي في وقت مبكر جداً، يجادل المؤلفون، فقد يبدو الطلاب أكفاء من حيث الكفاءة الظاهرية من دون اكتساب الحكم الذي يعتمد عليه تقديم رعاية آمنة في النهاية.

ما الذي تقوله الورقة عن الأدلة

تتعامل الورقة بحذر مع حالة الإثبات الحالية. فهي لا تدّعي وجود دليل تجريبي مباشر من التعليم الطبي يثبت بالفعل انتشار never-skilling على نطاق واسع. بل تقول إن القلق يستند إلى نظرية التعلم الراسخة وإلى إشارات إنذار مبكرة من سياقات غير سريرية. وهذا يجعل المقالة أقرب إلى دعوة للتحرك قبل أن تتصلب الممارسة التعليمية حول افتراضات لم تُختبر جيداً، لا إلى إعلان عن ضرر مثبت.

هذه نقطة مهمة في الجدل حول الذكاء الاصطناعي في التعليم المهني. فما زالت كثير من المؤسسات تقرر ما إذا كانت ستتعامل مع الذكاء الاصطناعي التوليدي كأداة إنتاجية قياسية، أو كنظام دعم خاضع لإشراف صارم، أو كتقنية مقيدة للمراحل التكوينية الأولى. وتتموضع هذه المقالة في قلب هذا النقاش السياسي: فالذكاء الاصطناعي ليس ضاراً بطبيعته، كما يكتب المؤلفون، لكن أثره يعتمد على متى وكيف يُدخل.

هذا الإطار يتجنب الطرفين المتناقضين. فهو لا يؤيد حظراً شاملاً للذكاء الاصطناعي في الطب، ولا يقبل فكرة أن مزيداً من الوصول ينتج تلقائياً تعلماً أفضل. وبدلاً من ذلك، يرى أن التسلسل هو المتغير الحاسم. يحتاج الطلاب أولاً إلى قدرة أساسية على التفكير في المشكلات من دون مساعدة الذكاء الاصطناعي، ثم إلى طريقة منظمة لمعايرة الثقة في مخرجات الآلة، وبعد ذلك فقط إلى مسار مُشرف لدمج الذكاء الاصطناعي في التعليم السريري.

إطار ثلاثي المراحل للتدريب

يقترح المؤلفون ما يصفونه بإطار يحمي الكفاءة عبر ثلاث مراحل عامة. تبدأ المرحلة الأولى بإرساء كفاءة أساسية مستقلة عن الذكاء الاصطناعي. عملياً، يعني ذلك أن على المتعلمين إثبات قدرتهم على أداء مهام الاستدلال الأساسية بأنفسهم قبل أن يصبح الذكاء الاصطناعي شريكاً معرفياً روتينياً.

تأتي المرحلة الثانية وهي المعايرة النقدية. هنا لا يقتصر الهدف على استخدام الذكاء الاصطناعي، بل على تعلم متى يكون مفيداً ومتى يكون ضعيفاً، وكيفية اختبار إجاباته مقابل الأدلة السريرية والحكم البشري. وتعامل هذه المرحلة الشك باعتباره مهارة يجب تعليمها عمداً.

أما المرحلة الثالثة فهي الدمج تحت الإشراف. فلا ينبغي أن يصبح الذكاء الاصطناعي جزءاً من سير التعلم السريري إلا بعد ترسيخ الكفاءة الأساسية والمعايرة، وحتى عندها يجب أن يكون ذلك في ظل شروط تحافظ على المساءلة والإشراف الخبير.

وتكمن أهمية هذا الإطار في أنه ينقل السؤال من: هل ينتمي الذكاء الاصطناعي إلى التعليم الطبي؟ إلى: ما البنية التعليمية اللازمة قبل أن يكون التبني الواسع مسؤولاً؟ وهذا سؤال أصعب على المؤسسات، لأنه يعني إعادة تصميم المناهج، ووضع معايير صريحة، وابتكار أساليب تقييم جديدة بدلاً من مجرد قواعد وصول بسيطة.

لماذا يتجاوز هذا الجدل الطب

تكمن الأهمية الأوسع للمقالة في أنها تلتقط تحدياً ناشئاً في المهن عالية المخاطر. فالذكاء الاصطناعي يمكنه ضغط الوقت، وأتمتة المسودات، وتقليل الاحتكاك. لكن في المجالات التي يحمل فيها الحكم البشري عواقب أخلاقية وسلامة، ليست الكفاءة هي المعيار الوحيد المهم. فأنظمة التعليم مسؤولة أيضاً عن إنتاج أشخاص قادرين على تمييز المخرجات السيئة، وشرح القرارات، والتصرف بأمان عندما تفشل التكنولوجيا.

وفي الطب، تكون هذه المسؤولية أشد وضوحاً. فالتفكير السريري ليس مجرد استرجاع للمعلومات؛ بل يشمل السياق، والغموض، والتواصل مع المرضى، والتعامل المنضبط مع المعلومات غير المكتملة. وقد يظل المتدرب الذي يصل إلى إجابات صحيحة بمساعدة الذكاء الاصطناعي غير مستعد إذا لم يستطع شرح كيفية التوصل إلى تلك الإجابات أو اكتشاف متى أخطأ النظام.

لا تقدم هذه المقالة كتاب قواعد نهائياً، ويطلب المؤلفون صراحة مزيداً من البحث التجريبي قبل أن تتصلب السياسة. لكنها تضع علامة واضحة في مجال سريع التغير: لا ينبغي لكليات الطب أن تخلط بين الإلمام المبكر بالذكاء الاصطناعي وبين الكفاءة الطبية.

ومن المرجح أن يتردد صدى هذا الطرح خارج كليات الطب. ومع شيوع أدوات الذكاء الاصطناعي في الصفوف وأماكن العمل، قد لا يعود السؤال السياسي المركزي هو ما إذا كان الناس يستطيعون استخدامها، بل ما إذا كانت المؤسسات لا تزال تعرف كيف تدرّس المهارات الأساسية التي بدأت التكنولوجيا تحجبها.

يعتمد هذا المقال على تقرير Nature Medicine. اقرأ المقال الأصلي.