القاهرة: الأمير كمال فرج.

كشفت دراسة جديدة عن فشل الذكاء الاصطناعي في الطب الشخصي، وخاصة في علاج الفصام. على الرغم من أن هذه النماذج يمكنها التنبؤ بنتائج المرضى في تجارب سريرية محددة، إلا أنها تفشل عند تطبيقها على تجارب مختلفة، مما يشكل تحديًا لموثوقية الخوارزميات المعتمدة على الذكاء الاصطناعي في بيئات متنوعة.

ذكر تقرير نشرته مجلة Neuroscience أن "هذه الدراسة تؤكد على حاجة الخوارزميات لإثبات فعاليتها في سياقات متعددة قبل أن يمكن الوثوق بها حقًا، حيث تسلط النتائج الضوء على فجوة كبيرة بين إمكانات الطب الشخصي وتطبيقه العملي الحالي، خاصة بالنظر إلى التباين في التجارب السريرية والإعدادات الطبية في العالم الحقيقي".

برز البحث عن الطب الشخصي، وهو نهج طبي يستخدم فيه الممارسون الملف الجيني الفريد للمريض لتصميم العلاج الفردي، كهدف بالغ الأهمية في قطاع الرعاية الصحية. لكن دراسة جديدة بقيادة جامعة ييل تظهر أن النماذج الرياضية المتاحة حاليا للتنبؤ بالعلاجات لها فعالية محدودة.

وفي تحليل التجارب السريرية لعلاجات الفصام المتعددة، وجد الباحثون أن الخوارزميات الرياضية كانت قادرة على التنبؤ بنتائج المرضى ضمن التجارب المحددة التي تم تطويرها من أجلها، لكنها فشلت في العمل مع المرضى المشاركين في تجارب مختلفة.

قال آدم شيكرود، الأستاذ المساعد المساعد في الطب النفسي في كلية الطب بجامعة ييل والمؤلف المقابل لهذه الورقة التي نشرت في مجلة Science: إن "هذه الدراسة تتحدى الوضع الراهن لتطوير الخوارزميات وترفع مستوى المستقبل". "في الوقت الحالي، أود أن أقول إننا بحاجة إلى رؤية الخوارزميات تعمل في إعدادين مختلفين على الأقل قبل أن نتمكن من التحمس لها حقًا."، وأضاف: "ما زلت متفائلاً، لكن كباحثين طبيين لدينا بعض الأمور الجادة التي يتعين علينا اكتشافها".

يقول الباحثون إن الفصام، وهو اضطراب دماغي معقد يؤثر على حوالي 1% من سكان الولايات المتحدة، يوضح تمامًا الحاجة إلى علاجات أكثر تخصيصًا. يفشل ما يصل إلى 50% من المرضى الذين تم تشخيص إصابتهم بالفصام في الاستجابة لأول عقار مضاد للذهان يتم وصفه لهم، ولكن من المستحيل التنبؤ بأي من المرضى سوف يستجيب للعلاج ومن لن يستجيب.

ويأمل الباحثون أن تسفر التقنيات الجديدة التي تستخدم التعلم الآلي والذكاء الاصطناعي عن خوارزميات تتنبأ بشكل أفضل بالعلاجات التي ستعمل لمرضى مختلفين، وتساعد في تحسين النتائج وتقليل تكاليف الرعاية.

ومع ذلك، نظرًا للتكلفة العالية لإجراء تجربة سريرية، يتم تطوير واختبار معظم الخوارزميات فقط باستخدام تجربة سريرية واحدة. لكن الباحثين كانوا يأملون أن تنجح هذه الخوارزميات إذا تم اختبارها على مرضى لديهم ملفات تعريف مماثلة ويتلقون علاجات مماثلة.

بالنسبة للدراسة الجديدة، قام شكرود وزملاؤه في جامعة ييل بتجميع البيانات من خمس تجارب سريرية لعلاجات الفصام التي تم توفيرها من خلال مشروع الوصول إلى البيانات المفتوحة في جامعة ييل (YODA)، الذي يدعو ويدعم المشاركة المسؤولة لبيانات البحوث السريرية.

وفي معظم الحالات، وجدوا أن الخوارزميات تنبأت بشكل فعال بنتائج المرضى في التجربة السريرية التي تم تطويرها فيها. ومع ذلك، فقد فشلت في التنبؤ بشكل فعال بنتائج مرضى الفصام الذين يتم علاجهم في تجارب سريرية مختلفة.

قال شكرود: “كانت الخوارزميات تعمل دائمًا تقريبًا من المرة الأولى، ولكن عندما اختبرناها على مرضى من تجارب أخرى، لم تكن القيمة التنبؤية أكبر من الصدفة".

تكمن المشكلة، وفقًا لشكرود، في أن معظم الخوارزميات الرياضية التي يستخدمها الباحثون الطبيون صُممت لاستخدامها في مجموعات بيانات أكبر بكثير. إن التجارب السريرية باهظة الثمن وتستغرق وقتًا طويلاً، لذا فإن الدراسات عادة ما تسجل أقل من 1000 مريض.

وقال إن تطبيق أدوات الذكاء الاصطناعي القوية لتحليل مجموعات البيانات الصغيرة هذه يمكن أن يؤدي في كثير من الأحيان إلى "الإفراط في المطابقة"، حيث يتعلم النموذج أنماط استجابة مميزة، أو خاصة فقط ببيانات التجربة الأولية، ولكنها تختفي عندما يتم تضمين بيانات جديدة إضافية.

وقال: "الحقيقة هي أننا بحاجة إلى التفكير في تطوير الخوارزميات بنفس الطريقة التي نفكر بها في تطوير أدوية جديدة". "نحن بحاجة إلى رؤية الخوارزميات تعمل في أوقات أو سياقات مختلفة قبل أن نتمكن من تصديقها حقًا."

وأضاف الباحثون أن إدراج متغيرات بيئية أخرى في المستقبل قد يحسن أو لا يحسن نجاح الخوارزميات في تحليل بيانات التجارب السريرية. على سبيل المثال، هل يتعاطى المريض المخدرات أو يحصل على دعم شخصي من العائلة أو الأصدقاء؟ هذه هي أنواع العوامل التي يمكن أن تؤثر على نتائج العلاج.

تستخدم أغلب التجارب السريرية معايير دقيقة لتحسين فرص النجاح، مثل المبادئ التوجيهية التي ينبغي أن تشمل (أو تستبعد) المرضى، والقياس الدقيق للنتائج، وفرض قيود على عدد الأطباء الذين يقدمون العلاج. وفي الوقت نفسه، يقول الباحثون إن إعدادات العالم الحقيقي بها تنوع أكبر بكثير من المرضى وتباين أكبر في جودة العلاج واتساقه.

وقال المؤلف المشارك جون كريستال، وأستاذ روبرت إل. ماكنيل الابن للأبحاث التحويلية: "من الناحية النظرية، ينبغي أن تكون التجارب السريرية هي المكان الأسهل لعمل الخوارزميات. لكن إذا لم تتمكن الخوارزميات من التعميم من تجربة سريرية إلى أخرى، فسيكون استخدامها في الممارسة السريرية أكثر صعوبة".

ويشير شكرود إلى أن زيادة الجهود المبذولة لمشاركة البيانات بين الباحثين وتخزين البيانات الإضافية من قبل مقدمي الرعاية الصحية على نطاق واسع قد يساعد في زيادة موثوقية ودقة الخوارزميات المعتمدة على الذكاء الاصطناعي.

وقال فيليب كورليت، الأستاذ المساعد في الطب النفسي بجامعة ييل والمؤلف المشارك للدراسة: "على الرغم من أن الدراسة تناولت تجارب الفصام، إلا أنها تثير أسئلة صعبة حول الطب الشخصي على نطاق أوسع، وتطبيقه في أمراض القلب والأوعية الدموية والسرطان".

ومن المأمول على نطاق واسع أن تتمكن النماذج الإحصائية من تحسين عملية صنع القرار المتعلقة بالعلاجات الطبية. ونظرًا لتكلفة وندرة بيانات النتائج الطبية، يعتمد هذا الأمل عادةً على ملاحظة الباحثين لنجاح النموذج في واحدة أو اثنتين من مجموعات البيانات أو السياقات السريرية.