يعتمد هذا المقال المثير على المحادثة مع الدكتور تشنغ تشي ليونج ، رئيس قسم علم الأمراض التشريحي في مستشفى سنغافورة العام. تم تحرير هذه المقابلة للطول والوضوح.
أنا منجذب إلى علم الأمراض لأن التشخيص الدقيق هو نقطة البداية الحرجة للعلاج والإدارة السليمة. في مجال بلدي ، ندرس الأنسجة تحت المجهر لتحديد مرض المريض أو حالته.
يحتاج علماء الأمراض إلى قضاء المزيد من الوقت في التعامل مع التعقيد المتزايد لممارستنا. الذكاء الاصطناعي لديه القدرة على تحسين إنتاجيتنا.
مع زيادة شيخوخة السكان ، سوف نتعامل مع المرضى الأكثر تعقيدًا. يعيش سكاننا المسنين لفترة أطول ، وسيكون لدينا مرضى يعانون من حالات متعددة في نفس الوقت.
نحن نتعامل دائمًا مع نقص نسبي في القوى العاملة ، وهذا معقد من حقيقة أنه يُطلب منا أن نفعل المزيد والمزيد من الأنسجة.
على سبيل المثال ، في الماضي ، قد تتطلب خزعات البروستاتا أربعة معلمات لحالة بأكملها. الآن ، علينا أن نتعامل مع معلمات أكثر تحديدًا لكل عينة فردية.
في بعض الأحيان ، يمكن أن يصل عدد العينات إلى 20 إلى 30 ، أي ما لا يقل عن 10 إلى 20 ضعف مقدار العمل الذي اعتدنا عليه بالفعل. هذا ليس مستدامًا للغاية لأنك لن تتمكن أبدًا من زيادة عدد القوى العاملة اللازمة للتعامل مع الأشياء من 10 إلى 20 مرة.
هذا هو المكان الذي ستحتاج فيه منظمة العفو الدولية إلى الدخول ، مما يسمح لنا ببذل المزيد من الجهد مع المزيد من المعلمات دون زيادة مقدار الموارد.
يمكن أن تسليط الضوء على مجالات الاهتمام بسرعة أكبر مما قد ندرسه في ظل التكبير العالي ، مما يحسن الثقة والكفاءة.
كانت الذكاء الاصطناعى جزءًا من علم الأمراض لسنوات
لقد شاركت في المعلوماتية الطبية لأكثر من عشرين عامًا ، ابتداءً عندما كنت مسؤولاً طبيًا في القوات المسلحة في سنغافورة.
قصص ذات صلة
يروي Business Insider القصص المبتكرة التي تريد معرفتها
يروي Business Insider القصص المبتكرة التي تريد معرفتها
تعرضنا للأدوات القائمة على التعلم الآلي لصور علم الأمراض الرقمية منذ حوالي عقد من الزمن.
ركز المشروع بين مستشفى سنغافورة العام وسنغافورة AI من 2020 إلى 2021 على استخدام الذكاء الاصطناعي للتمييز بين ورم يسمى الآفات الليفية. هذه ليست سرطانات الثدي التقليدية الخاصة بك ، بل حالتين مرتبطتين يمكن أن تحاكي بعضها البعض في بعض الأحيان: الأورام الليفية وأورام phyllodes.
قمنا ببناء خوارزميات AI لمحاولة التمييز بين هاتين الآفتين على مواد الخزعة. كان الهدف هو تحسين ثقتنا التشخيصية وقرارات العلاج بشكل أفضل.
الذكاء الاصطناعي غير معصوم – خاصة في الحالات المعقدة
حتى أفضل الذكاء الاصطناعى المدربين سيكون له هامش خطأ ، ويعتمد أدائها اعتمادًا كبيرًا على بيانات الإدخال.
لا يزال لدى الذكاء الاصطناعى طريقة ما للذهاب في دمج البيانات المعقدة لإرشادنا إلى التشخيص الصحيح إلى جانب ما نراه تحت المجهر.
على سبيل المثال ، ندرس البيانات الأخرى ، مثل السجلات الإلكترونية للمرضى وتقارير الأشعة ، لفهم الصورة السريرية بأكملها بشكل أفضل.
على عكس المهنيين المدربين ، لا يزال لدى الذكاء الاصطناعى مشاكل مع القدرة على التكيف والتعميم ، بما في ذلك التعامل مع القضايا في الظروف الأقل من الأمثل.
الذكاء الاصطناعي يعتمد اعتمادًا كبيرًا على بيانات التدريب. عندما تواجه الذكاء الاصطناعى أنسجة تمت معالجتها بشكل مختلف – على سبيل المثال ، فإن عينات من المختبرات الخارجية التي لها ألوان أو مظاهر مختلفة – قد تؤدي دون المستوى الأمثل.
في بعض الأحيان ، سوف يخطئ الذكاء الاصطناعي في الأنسجة المطوية على الشريحة كإيجاد إيجابي عندما لا ينبغي أن يكون. سيتمكن المحترف البشري المدرب من إيجاد طرق للتعامل مع نتائج ومواقف جديدة لديهم خبرة أقل معها ، بدلاً من محاولة إجبارها على فئة قد تميل إلى القيام بها.
الآن ، الإنسان في الحلقة أمر لا مفر منه. نمارس دائمًا هامش أمان لضمان عدم ارتكاب أخطاء.
بعد كل شيء ، ساعدنا سنوات في التدريب في بناء قاعدة المعرفة التي ستتيح لنا إجراء تفسيرات وتشخيصات دقيقة.
مع مرور الوقت ، قد تكون الذكاء الاصطناعى ، مع تدريب ما يكفي من التدريب والبيانات والإرشاد الصحيح ، قادرًا على القيام بعمل أفضل.
على الرغم من أن الذكاء الاصطناعى لن يحل محل الأطباء أو البشر على المدى المتوسط إلى الطويل ، إلا أن الإنسان الذي لا يمكن قدرته على منظمة العفو الدولية لن يتمكن من مواكبة مجال الرعاية الصحية السريع المتطور.
ستحول الذكاء الاصطناعى الطريقة التي نعمل بها في النهاية. سيتطلب الأمر منا الحصول على مجموعة مهارات مختلفة ونطلب أن نمارسها بمستوى أعلى.
هل لديك قصة لمشاركتها حول الذكاء الاصطناعي في الرعاية الصحية؟ اتصل بهذا المراسل في [email protected].