صعود الذكاء الاصطناعي مفتوح المصدر في التشخيص الطبي
كان مشهد التشخيص بمساعدة الذكاء الاصطناعي، حتى وقت قريب، يهيمن عليه إلى حد كبير نماذج الذكاء الاصطناعي الاحتكارية التي طورتها شركات التكنولوجيا العملاقة مثل OpenAI و Google. تعمل هذه النماذج مغلقة المصدر، على الرغم من قوتها، على خوادم خارجية. وهذا يستلزم قيام المستشفيات والأطباء بنقل بيانات المرضى خارج شبكاتهم الآمنة، مما يثير مخاوف بشأن خصوصية البيانات وأمنها.
في تناقض صارخ، تقدم نماذج الذكاء الاصطناعي مفتوحة المصدر بديلاً مقنعًا. هذه النماذج متاحة مجانًا، والأهم من ذلك، يمكن تكييفها لتناسب المتطلبات المحددة لبيئات سريرية متنوعة. توفر القدرة على تشغيل هذه النماذج على خوادم المستشفى الداخلية مستوى محسّنًا بشكل كبير من خصوصية البيانات والمرونة لتكييف الذكاء الاصطناعي مع التركيبة السكانية الفريدة للمرضى في ممارسة معينة. ومع ذلك، كانت هناك عقبة كبيرة تاريخيًا تتمثل في فجوة الأداء بين النماذج مفتوحة المصدر ونظيراتها الاحتكارية. يشير البحث الأخير إلى أن هذه الفجوة تضيق بسرعة.
الذكاء الاصطناعي مفتوح المصدر يضاهي أداء GPT-4
قام فريق البحث في كلية الطب بجامعة هارفارد بتقييم دقيق لـ Llama 3.1 405B من Meta، وهو نموذج ذكاء اصطناعي مفتوح المصدر، مقابل GPT-4 الهائل. تضمن التقييم إخضاع كلا النموذجين لاختبار صارم يتألف من 92 حالة تشخيصية معقدة نُشرت سابقًا في The New England Journal of Medicine. كانت النتائج مذهلة:
- الدقة التشخيصية: حدد Llama 3.1 التشخيص بشكل صحيح في 70٪ من الحالات، متجاوزًا معدل دقة GPT-4 البالغ 64٪.
- دقة الاقتراح الأعلى: في 41٪ من الحالات، صنف Llama 3.1 التشخيص الصحيح كاقتراحه الأساسي، متفوقًا على GPT-4، الذي حقق ذلك في 37٪ من الحالات.
- الأداء في الحالات الأحدث: عند التركيز على مجموعة فرعية من الحالات الحديثة، أظهرت دقة Llama 3.1 مزيدًا من التحسن، حيث تم تشخيص 73٪ من الحالات بشكل صحيح ووضع التشخيص الصحيح في أعلى اقتراحاته في 45٪ من الحالات.
تشير هذه النتائج بقوة إلى أن نماذج الذكاء الاصطناعي مفتوحة المصدر لا تلاحق فحسب، بل إنها تتجاوز في بعض الجوانب أداء النماذج الاحتكارية الرائدة. وهذا يوفر للأطباء بديلاً قابلاً للتطبيق وربما أكثر أمانًا للتشخيص بمساعدة الذكاء الاصطناعي.
اعتبارات رئيسية للأطباء: الذكاء الاصطناعي مفتوح المصدر مقابل الذكاء الاصطناعي الاحتكاري
يقدم ظهور نماذج الذكاء الاصطناعي مفتوحة المصدر عالية الأداء نقطة قرار حاسمة لأطباء الرعاية الأولية وأصحاب العيادات والمسؤولين. يعتمد الاختيار بين الذكاء الاصطناعي الاحتكاري ومفتوح المصدر على تقييم دقيق للعديد من العوامل الرئيسية:
خصوصية البيانات وأمنها: ربما تكون الميزة الأكثر أهمية للنماذج مفتوحة المصدر هي قدرتها على الاستضافة محليًا. وهذا يعني أن معلومات المريض الحساسة تظل آمنة داخل حدود شبكة المستشفى أو العيادة، بدلاً من نقلها إلى خوادم خارجية يديرها مزودو خدمات تابعون لجهات خارجية. يقلل هذا النهج المحلي بشكل كبير من خطر اختراق البيانات ويعزز الامتثال للوائح حماية البيانات.
التخصيص والقدرة على التكيف: غالبًا ما يتم تصميم نماذج الذكاء الاصطناعي الاحتكارية كحلول ‘مقاس واحد يناسب الجميع’. في حين أنها قد توفر إمكانات واسعة، إلا أنها تفتقر إلى المرونة اللازمة لضبطها بدقة لتلبية الاحتياجات المحددة لممارسة معينة أو مجموعة سكانية من المرضى. من ناحية أخرى، يمكن تخصيص نماذج الذكاء الاصطناعي مفتوحة المصدر باستخدام بيانات المريض الخاصة بالممارسة. يتيح ذلك إنشاء نماذج ذكاء اصطناعي أكثر دقة وملاءمة للسياق السريري المحدد.
الدعم والتكامل والخبرة الفنية: تأتي نماذج الذكاء الاصطناعي الاحتكارية عادةً مع فائدة دعم العملاء المخصص والتكامل المبسط مع أنظمة السجلات الصحية الإلكترونية (EHR) الحالية. يمكن أن يؤدي ذلك إلى تبسيط عملية التنفيذ وتوفير المساعدة المستمرة. ومع ذلك، تتطلب النماذج مفتوحة المصدر خبرة فنية داخلية للإعداد والصيانة واستكشاف الأخطاء وإصلاحها. يجب على العيادات التي تفكر في الذكاء الاصطناعي مفتوح المصدر تقييم قدراتها الداخلية أو أن تكون مستعدة للاستثمار في الدعم الخارجي.
اعتبارات التكلفة: في حين أن البرامج مفتوحة المصدر متاحة للتنزيل مجانًا، يجب أخذ التكلفة الإجمالية في الاعتبار. يجب موازنة نفقات الدعم الداخلي والصيانة والدعم الخارجي المحتمل مقابل تكاليف اشتراك الذكاء الاصطناعي الاحتكاري.
تحول نموذجي في الطب بمساعدة الذكاء الاصطناعي
أكد المؤلف الرئيسي للدراسة، أرجون مانراي، الحاصل على درجة الدكتوراه، وهو أستاذ مساعد في المعلوماتية الطبية الحيوية في كلية الطب بجامعة هارفارد، على أهمية هذا التطور. صرح مانراي: “على حد علمنا، هذه هي المرة الأولى التي يضاهي فيها نموذج ذكاء اصطناعي مفتوح المصدر أداء GPT-4 في مثل هذه الحالات الصعبة التي تم تقييمها من قبل الأطباء”. “إنه لأمر مذهل حقًا أن نماذج Llama قد لحقت بسرعة بالنموذج الاحتكاري الرائد. سيستفيد المرضى ومقدمو الرعاية والمستشفيات من هذه المنافسة.”
يؤكد البحث على فرصة متنامية لمؤسسات الرعاية الصحية والممارسات الخاصة لاستكشاف بدائل الذكاء الاصطناعي مفتوحة المصدر. تقدم هذه البدائل توازنًا مقنعًا بين الدقة التشخيصية وأمن البيانات وقدرات التخصيص. في حين أن النماذج الاحتكارية لا تزال توفر الراحة والدعم المتاح بسهولة، فإن صعود الذكاء الاصطناعي مفتوح المصدر عالي الأداء لديه القدرة على إعادة تشكيل مشهد الطب بمساعدة الذكاء الاصطناعي في السنوات القادمة.
الذكاء الاصطناعي كـ ‘مساعد طيار’، وليس بديلاً
من الأهمية بمكان التأكيد على أنه، في هذه المرحلة، يجب النظر إلى الذكاء الاصطناعي على أنه ‘مساعد طيار’ قيم لمساعدة الأطباء، وليس كبديل لحكمهم السريري وخبراتهم. يمكن أن تكون أدوات الذكاء الاصطناعي، عند دمجها بشكل مسؤول ومدروس في البنية التحتية الحالية للرعاية الصحية، بمثابة مساعدات لا تقدر بثمن للأطباء المشغولين. يمكنهم تعزيز دقة وسرعة التشخيص، مما يؤدي في النهاية إلى تحسين رعاية المرضى.
يؤكد الباحثون على أهمية مشاركة الأطباء في قيادة اعتماد وتطوير الذكاء الاصطناعي في الرعاية الصحية. يجب أن يلعب الأطباء دورًا مركزيًا في ضمان تصميم أدوات الذكاء الاصطناعي وتنفيذها بطريقة تتماشى مع احتياجاتهم وتدعم سير العمل السريري الخاص بهم. لا يتعلق مستقبل الذكاء الاصطناعي في الطب باستبدال الأطباء، بل يتعلق بتمكينهم بأدوات قوية لتعزيز قدراتهم وتحسين حياة مرضاهم. إن التقدم المستمر للنماذج مفتوحة المصدر لن يؤدي إلا إلى إفادة المجال الطبي، وتشجيع اعتماد أكبر من قبل الأطباء الذين يسعون إلى الحفاظ على السيطرة على بيانات مرضاهم.