ذكاء Microsoft الاصطناعي MAI-DxO أنجح من الأطباء بـ4 أضعاف في حل أصعب الحالات
في هذا المقال
تأخر التشخيص: الأزمة الصامتة للأنظمة الصحية
التشخيص الطبي من أعقد محطات الرعاية الصحية الحديثة وأكثرها تكلفة. فالتشخيص الخاطئ أو المتأخر يضر بشدة بجودة حياة المرضى وبميزانيات الصحة أيضًا. ويتطلب الوصول إلى تشخيص صحيح في الحالات النادرة أو المعقدة متعددة الأجهزة تنسيق تخصصات متعددة. الذكاء الاصطناعي (AI) يدخل المشهد الآن واعدًا بجعل العملية أسرع و أكثر موثوقية .
البحث الذي نشرته Microsoft في 30 يونيو 2025 من أكثر المبادرات طموحًا في هذا المجال. Medical AI Diagnostic Orchestrator (MAI-DxO) هو نظام شخّص حالات نشرتها مجلة New England Journal of Medicine (NEJM)، وعددها 304 حالات صعبة، بدقة 85.5% . وعلى الحالات نفسها بلغ متوسط نجاح الأطباء ذوي الخبرة 20% فقط.
🔎 Sequential Diagnosis Benchmark: اختبار التحديات السريرية الحقيقية
من NEJM وسلسلتها “Case Records of the Massachusetts General Hospital” أُخذت حالات:
- تتضمن علامات من أجهزة متعددة،
- وتتطلب فحوصًا متقدمة وتقييمًا متعدد التخصصات،
- وتشمل سلاسل تشخيص خطوة بخطوة تحاكي المسار السريري الحقيقي.
حوّلت Microsoft هذه الحالات إلى منصة تفاعلية باسم Sequential Diagnosis Benchmark (SD Bench) . ويقوم فيها الأطباء وأنظمة AI بما يلي:
- تقييم العرض الأولي،
- واختيار الفحوص والأسئلة اللازمة،
- والوصول تدريجيًا إلى التشخيص النهائي.
لكل فحص تكلفة افتراضية، مما يقيس الدقة و الكفاءة الاقتصادية معًا.
🤖 MAI-DxO: قوة التنسيق
MAI-DxO يجمع بدل نموذج واحد نماذج لغوية كبيرة متنوعة مثل GPT وClaude وGemini وDeepSeek في «لجنة أطباء افتراضية» . ويتولى كل «وكيل» دورًا مختلفًا:
- Dr Hypothesis Agent: يسرد التشخيصات المحتملة.
- Dr Test Chooser Agent: يختار الفحوص الأنسب.
- Dr Stewardship Agent: يقلل الفحوص غير الضرورية.
- Dr Checklist Agent: يتحقق من التكامل السريري.
- Dr Challenger Agent: يتحدى القرارات ويتيح إعادة التفكير عند الحاجة.
يختار النظام في كل خطوة أحد خيارات طرح سؤال, طلب فحص أو تقديم تشخيص ، وتُوازن القرارات على مقياسي الدقة والتكلفة.
الشكل 1 — مسار القرار متعدد الوكلاء في MAI-DxO.
📊 الأطباء البشر مقابل MAI-DxO
| المجموعة المقارَنة | معدل التشخيص الصحيح | متوسط تكلفة الفحوص |
|---|---|---|
| MAI-DxO + OpenAI (o3) | 85.5% | منخفض |
| 21 طبيبًا من الولايات المتحدة وبريطانيا | 20% | مرتفع |
| أفضل النماذج اللغوية الكبيرة المستقلة | 60 – 70% | متوسط |
لا يكتفي MAI-DxO بتقديم تشخيص أكثر دقة ، بل يحققه أيضًا بتكلفة أقل ، مما يوفر للأنظمة الصحية مكسبين: الجودة والاستدامة.
الشكل 2 — حد Pareto للدقة والتكلفة: يتقدم MAI-DxO في الدقة والتكلفة معًا بحسب إعدادات النموذج.
🔮 هل سيحل الذكاء الاصطناعي محل الأطباء؟
على المدى القصير، لا. وكما تؤكد Microsoft، فإن MAI-DxO لم يتلقَّ اعتمادًا سريريًا ، وهو نموذج بحثي أولي. والهدف ليس تقليل الأطباء ، بل الأخطاء :
- تقديم دعم القرار لتسريع المسار إلى التشخيص الصحيح،
- وأتمتة المهام الروتينية لتخفيف عبء الأطباء،
- وتقليل التشخيص الخاطئ برأي ثانٍ في الحالات الصعبة.
وقبل الاستخدام الواسع في المستشفيات الحقيقية، يجب إتمام التحقق السريري والرقابة الأخلاقية والتنظيم .
💬 كلمة أخيرة
MAI-DxO يكشف عتبة «الذكاء الفائق» التي بلغها الذكاء الاصطناعي في التشخيص السريري. فبدقة تتجاوز 85% ونهج مجدٍ اقتصاديًا وبنية شفافة متعددة الوكلاء، يتجه النظام ليكون عنصرًا أساسيًا في منظومة الصحة المستقبلية. ونشهد تعاون الذكاء البشري والاصطناعي لفتح عصر جديد في الصحة.
المصادر
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.