ما العقبات أمام انتشار استخدام الذكاء الاصطناعي في طب الأورام؟
في هذا المقال
لماذا يُعد هذا الموضوع مهمًا؟
برز الذكاء الاصطناعي في السنوات الأخيرة تقنيةً واعدة في مجالات عديدة من طب الأورام، مثل التشخيص وتخطيط العلاج ومتابعة المرضى. لكن رغم الحماس، توجد مشكلات جدية في دمجه في الممارسة السريرية. وسنتناول في هذه المقالة بالتفصيل أهم العوامل المانعة لاعتماده على نطاق أوسع في الأورام: نقص الدقة، ومشكلات تنوع البيانات، والمخاوف الأخلاقية والبيئية، والثغرات التنظيمية، وغيرها.
1. ما مدى دقة الذكاء الاصطناعي؟ مشكلة الهلوسة والمعلومات المضللة
من أكبر مخاوف أطباء الأورام ارتفاع «معدل الهلوسة» لدى أنظمة الذكاء الاصطناعي. ويعني ذلك إنتاج الأنظمة معلومات خاطئة أو لا تستند إلى الواقع.
ملاحظة مهمة: تجاوز معدل إنتاج معلومات خاطئة في روبوتات المحادثة بالذكاء الاصطناعي %20-30 في بعض الدراسات. وهذا خطر جدي، خاصةً في الأورام حيث تتغير بروتوكولات العلاج بسرعة.
تشكل هذه الحالة خطرًا في طب الأورام خاصةً:
قد تنقل أدوات الذكاء الاصطناعي الأدبيات بصورة خاطئة، أو تستشهد بمقالات لم تخضع لمراجعة الأقران. وقد يؤدي ذلك إلى توصيات سريرية دون المستوى الأمثل إن لم تُتحقق صحتها بطريقة سليمة.
2. التحيزات في مجموعات البيانات: ليست مناسبة للجميع
لا تكون أنظمة الذكاء الاصطناعي أفضل من البيانات التي تدربت عليها. لكن هذه المجموعات غالبًا تمثل أفرادًا بيضًا من فئات اجتماعية واقتصادية مرتفعة. وقد يسبب ذلك فشل النظام مع مرضى من أعراق وأصول إثنية ومناطق جغرافية مختلفة.
حقيقة ينبغي التأكيد عليها: قد ينخفض معدل التشخيص الصحيح بشدة لدى الأنظمة التي لم تُدرّب على مجموعات الأقليات، مما قد يعمّق أوجه عدم المساواة الصحية أكثر.
3. هل تلائم الممارسة السريرية؟ صعوبة الدمج في سير العمل
بيئات سريرية كثيرة ليست جاهزة لدمج أنظمة الذكاء الاصطناعي.
البيئات السريرية مزدحمة ومعقدة، ولا تملك معظم العيادات البنية التقنية الكافية لتركيب هذه الأنظمة.
كما تعمل نماذج كثيرة كـ«صندوق أسود»، أي لا تشرح المنطق وراء قراراتها. وهذا يصعّب على الأطباء تقديم تفسير للمرضى.
4. خصوصية المرضى والثغرات التنظيمية
لأن بيانات السرطان تتضمن معلومات جينية خاصةً، تكتسب حماية خصوصية المرضى أهمية أكبر بكثير. لكن أدوات كثيرة للذكاء الاصطناعي تتطلب مشاركة بيانات المرضى على نطاق واسع.
كما لا يزال من غير الواضح من يتحمل المسؤولية القانونية عند وقوع نتائج ضارة لقرارات مدعومة بالذكاء الاصطناعي. وهذا يدفع مؤسسات صحية كثيرة إلى التعامل معه بحذر.
5. التكاليف البيئية والتقنية: أثمان غير مرئية
تعمل أنظمة الذكاء الاصطناعي في مراكز بيانات هائلة، تستهلك سنويًا ملايين لترات الماء والطاقة وعناصر نادرة مثل الليثيوم والكوبالت. وهذا يزيد البصمة الكربونية.
بيان لافت: قد تقترب الانبعاثات الكربونية السنوية للنماذج الكبيرة من انبعاثات مدن صغيرة.
كما تزداد أعباء أقسام تقنية المعلومات في المستشفيات لحاجة الأنظمة إلى التحديث المستمر. ولا تستطيع المؤسسات ذات الموارد المحدودة استدامة هذه الأنظمة.
6. ما مدى موثوقية الذكاء الاصطناعي من منظور المريض؟
ينبغي تذكر أن المرضى معرضون أيضًا للتضليل عند استخدام أدوات المعلومات المدعومة بالذكاء الاصطناعي. ولا سيما البيانات المقدمة خارج سياقها، مثل متوسط نسب البقاء، قد تضلل المريض الفرد.
وقد تسبب الأدوات ارتباكًا معلوماتيًا لدى المرضى محدودي الثقافة الصحية، مما قد يقودهم إلى قرارات علاجية خاطئة.
7. اقتراحات للحل: نحو ذكاء اصطناعي أكثر أخلاقية وأمانًا وإتاحة
فكيف يمكن استخدام الذكاء الاصطناعي بأمان وفعالية في الأورام رغم كل هذه المشكلات؟
أنظمة التحقق السريري
ينبغي أن يفحص أطباء الأورام توصيات الذكاء الاصطناعي في الوقت الفعلي.
وينبغي تشغيل أنظمة تحقق تُحدّث باستمرار.
برامج تعليمية
ينبغي إدراج الثقافة المتعلقة بالذكاء الاصطناعي ضمن مناهج كليات الطب والتعليم المستمر.
وينبغي أن تطور منظمات مثل ASCO وحدات تدريبية مخصصة للأورام في الذكاء الاصطناعي.
فرق متعددة التخصصات
يجب ألا يطور المهندسون الأنظمة وحدهم، بل بالاشتراك مع أطباء الأورام وخبراء الأخلاق والمرضى.
أمن البيانات والشفافية
ينبغي مشاركة محتوى مجموعات بيانات التدريب وتفاصيل الأداء بشفافية مع الأطباء.
تقييم الأثر البيئي
ينبغي إجراء تحليل للأثر البيئي لكل نظام جديد، ودمج النتائج في السياسات الصحية.
الخلاصة: الذكاء الاصطناعي واعد في الأورام، لكن علينا تجاوز العقبات أولًا
ينبغي أن تسهّل أنظمة الذكاء الاصطناعي ممارسة طب الأورام ولا تعقّدها، وأن تعمل ببيانات متحققة وتكون كفؤة في الطاقة وتُحدّث باستمرار. والأهم أن تبقى متمحورة حول الإنسان.
قد يكون الذكاء الاصطناعي تقنية تُحدث ثورة في الأورام، لكن تحقيق هذه الإمكانية يتطلب تشكيله على أساس الدقة والعدالة والشفافية والاستدامة.
المصادر
2. Fountzilas E, Pearce T, Baysal MA, Chakraborty A, Tsimberidou AM. Convergence of evolving artificial intelligence and machine learning techniques in precision oncology. NPJ Digit Med. 2025;8(1):75. doi:10.1038/s41746-025-01471-y
3. Heudel P-E, Crochet H, Blay J-Y. Impact of artificial intelligence in transforming the doctor–cancer patient relationship. ESMO RWD and Digital Oncology. 2024;3:100026. doi:10.1016/j.esmorw.2024.100026
4. Kurian M, Adashek JJ, West HJ. Cancer care in the era of artificial intelligence. JAMA Oncol. 2024;10(5):683. doi:10.1001/jamaoncol.2023.7263
5. Kather JN. Artificial intelligence in oncology: Chances and pitfalls. J Cancer Res Clin Oncol. 2023;149(10):7995-7996. doi:10.1007/s00432-023-04666-6
6. Cobanaj M, Corti C, Dee EC, et al. Advancing equitable and personalized cancer care: Novel applications and priorities of artificial intelligence for fairness and inclusivity in the patient care workflow. Eur J Cancer. 2024;198:113504. doi:10.1016/j.ejca.2023.113504
7. Kolla L, Parikh RB. Uses and limitations of artificial intelligence for oncology. Cancer. 2024;130(12):2101-2107. doi:10.1002/cncr.35307
8. Schinkel M, van der Poll T, Wiersinga WJ. Artificial intelligence for early sepsis detection: A word of caution. Am J Respir Crit Care Med. 2023;207(7):853-854. doi:10.1164/rccm.202212-2284VP
9. Adegbesan A, Akingbola A, Aremu O, et al. From scalpels to algorithms: The risk of dependence on artificial intelligence in surgery. J Med Surg Public Health. 2024;3:100140. doi:10.1016/j.glmedi.2024.100140
10. Mennella C, Maniscalco U, De Pietro G, Esposito M. Ethical and regulatory challenges of AI technologies in healthcare: A narrative review. Heliyon. 2024;10(4):e26297. doi:10.1016/j.heliyon.2024.e26297
11. Katirai A. The environmental costs of artificial intelligence for healthcare. Asian Bioeth Rev. 2024;16(3):527-538. doi:10.1007/s41649-024-00295-4
12. Tahir D. Health care AI, intended to save money, turns out to require a lot of expensive humans. KFF Health News. Published January 10, 2025. Accessed March 23, 2025.
13. Duwe G, Mercier D, Wiesmann C, et al. Challenges and perspectives in use of artificial intelligence to support treatment recommendations in clinical oncology. Cancer Med. 2024;13(12):e7398. doi:10.1002/cam4.7398
14. Carroll G. Transforming cancer care delivery with generative AI. ASCO Connection. Published November 9, 2023. Accessed March 23, 2025.
هل كان هذا المقال مفيدًا لك؟
تساعدنا ملاحظاتك على تحسين المحتوى.
تعليقات القراء
شارك تعليقك
لا يُنشر اسمك وتعليقك إلا بعد موافقة المسؤول. لا يُعرض بريدك الإلكتروني للزوار مطلقًا.
كن أول من يعلّق.