مايكروسوفت: نظامنا الطبي يتفوّق على الأطباء في الحالات المعقّدة

أعلنت مايكروسوفت عن نتائج دراسة نُشرت في دورية «ساينس» تفيد بأن نظامها التشخيصي القائم على الذكاء الاصطناعي تمكّن من تحليل حالات طبية شديدة التعقيد بدقّة تجاوزت ضعف ما حقّقه أطباء عامّون في بيئة محاكاة. ووصف مصطفى سليمان، الرئيس التنفيذي لوحدة الذكاء الاصطناعي في الشركة، هذه النتيجة بأنها خطوة على طريق ما يسميه «التفوّق الطبي الخارق»، وهو هدف طويل الأمد يسعى إليه منذ سنوات.

كيف يعمل نظام MAI-DxO؟

النظام المعروف اختصاراً بـ DxO لا يعتمد على نموذج واحد يُجيب عن سؤال، بل يُنسّق بين مجموعة من الوكلاء الذكية التي تتصرّف كأنها هيئة استشارية من الأطباء. يطرح هذا «الفريق الرقمي» أسئلة على المريض، ويطلب التحاليل والفحوصات اللازمة، ثم يتناقش داخلياً للوصول إلى تشخيص نهائي، مع مراعاة التكلفة التقديرية لكل خطوة.

في الاختبار، استُخدمت حالات معقّدة مستمدّة من «نيو إنجلاند جورنال أوف ميديسن»، وسجّل النظام إجابات صحيحة في 83% من الحالات، مقابل 36% فقط لأطباء الرعاية الأولية والباطنة العامة الذين عملوا بشكل فردي مع إمكانية الرجوع إلى المراجع. لكن تجدر الإشارة إلى ملاحظة جوهرية: مثل هذه الحالات تُدار عادةً من قِبل أطباء متخصّصين أو فرق طبية كاملة، وهؤلاء لم يكونوا طرفاً في المقارنة.

مَن صاحب الفضل الحقيقي: التنسيق أم النموذج؟

تكشف أرقام الدراسة نفسها أن الجزء الأكبر من التحسّن يأتي من قوة النماذج الأساسية، في حين تضيف طبقة التنسيق التي بنتها مايكروسوفت مكاسب إضافية محدودة في بعض السياقات. فقد جُرِّب النظام مع نماذج من OpenAI وجوجل وأنثروبيك وميتا وديب سيك، وكانت أفضل النتائج مع نماذج GPT-5 وGPT-5.5.

• نموذج GPT-5 بمفرده وبتوجيه بسيط سجّل 78.9% في الحالات المعقّدة بتكلفة تقديرية نحو 8400 دولار للحالة، وخفّض DxO التكلفة بنحو 3000 دولار لكنه رفع الدقّة أربع نقاط فقط.
• مع GPT-5.5، ارتفعت الدقّة في الحالات المعقّدة من 72% إلى قريب من 87% بتكلفة أقل قليلاً.
• في حالات أقسام الطوارئ، تلاشى الفرق تقريباً: نحو 85% بوجود النظام أو بدونه وبتكلفة مشابهة.
• الفائدة الأكبر ظهرت مع النماذج الأقل قدرة، مثل Gemini 2.5 Flash الذي انتقل من 46.4% إلى نحو 69%.

ويُفسّر باحثو الشركة ذلك بأن هوامش التحسّن تتقلّص طبيعياً كلما اقترب النموذج من الحد الأقصى النظري للأداء، وأن دور طبقة التنسيق يتركّز في موازنة الدقّة مع التكلفة لا في مضاعفة الدقّة وحدها.

فجوة العرض والطلب في الخبرة الطبية

يرى دومينيك كينغ، نائب الرئيس لقطاع الصحة في وحدة الذكاء الاصطناعي بمايكروسوفت، أن التحدي الأكبر في منظومات الرعاية الصحية اليوم هو الاتساع المتزايد في الفارق بين الطلب على الخبرة الطبية والمعروض منها، وهو ما تحاول هذه الأدوات معالجته بوصفها طبقة مساندة لقرار الطبيب لا بديلاً عنه.

من المحاكاة إلى المستشفى

الخطوة التالية هي اختبار النظام في بيئات سريرية حقيقية عبر شراكة مع مركز «بيث إزرائيل ديكونس» الطبي في بوستن. وفق الخطة، يتلقّى المرضى الرعاية المعتادة كاملة من فرز وفحوصات واستشارات وقرار الخروج من المستشفى، وبالتوازي يتفاعل من يوافق منهم مع النظام الذكي، ثم تُقارَن توصياته بقرارات الأطباء. ويصف كينغ هذه التجربة بأنها قد تكون الأكبر من نوعها، إذ تشمل أقسام الطوارئ وبيئات الرعاية العاجلة معاً. يُذكر أن جوجل نشرت هذا الشهر دراسة سريرية مع المركز ذاته في «لانسيت» لتقييم نظامها التشخيصي الحواري AMIE في زيارات الرعاية العاجلة.

نموذج أساسي للرعاية الصحية قادم

كشف سليمان أن مايكروسوفت تعمل مع «مايو كلينك» على تدريب نموذج أساسي مخصّص للرعاية الصحية يُتوقّع إطلاقه العام المقبل، معتبراً أن DxO يمثّل جزءاً من البنية التحتية اللازمة لتحقيق اختراقات فعلية. ويتوقّع أن تصبح النماذج الصحية أفضل بمقدار درجة كاملة من حيث القدرة خلال 24 إلى 36 شهراً، مستنداً إلى ما يسميه «الدولاب الدوّار»: نموذج في الإنتاج الفعلي يُحسّن تدريجياً عبر الاستخدام الواقعي ورصد الثغرات ومعالجتها، كما حدث سابقاً في البرمجة وأدوات المحادثة.

ويذهب سليمان إلى أن عام 2027 قد يشهد تحوّلاً في التعامل مع السجلات الطبية يشبه ما جرى في البرمجة، بحيث تصبح النماذج قادرة على توليد تنبّؤات دقيقة لمسار حالة المريض، وهي قدرة استشرافية يعتبرها ذات قيمة كبيرة للطبيب.

قراءة متوازنة

النتائج مثيرة للاهتمام، لكنها تبقى في إطار المحاكاة لا الممارسة السريرية، والمقارنة أُجريت مع أطباء عامّين يعملون منفردين في حالات تستدعي عادةً فرقاً متخصّصة. القيمة الحقيقية ستتضح من التجارب الميدانية الجارية، ومن قدرة هذه الأنظمة على العمل داخل سياق المستشفى بكل تعقيداته وتنوّع حالاته.

✦ بقلم فريق دروب أيديا