WHO ) من أن مقدمي الرعاية الصحية في جميع أنحاء العالم بحاجة إلى توخي الحذر بشأن تبني تقنيات الذكاء الاصطناعي، لا سيما في البلدان ذات الدخل المنخفض والمتوسط.
في حين أن النماذج متعددة الوسائط الكبيرة (LMMs)، وهي مجموعة فرعية من الذكاء الاصطناعي التوليدي، لديها القدرة على إحداث ثورة في الرعاية الصحية، فإن منظمة الصحة العالمية تؤكد على الحاجة إلى الوعي والتنفيذ المسؤول.
الذكاء الاصطناعي في الرعاية الصحية: تغيير جذري
تُقرّ منظمة الصحة العالمية بالإمكانات الهائلة للنماذج متعددة الوسائط الكبيرة (LMMs) في مجال الرعاية الصحية. وقد اكتسبت أنظمة الذكاء الاصطناعي هذه، مثل منصات ChatGPT وBard وBERT، شهرةً واسعةً بسرعة. تستطيع هذه النماذج معالجة مدخلات بيانات متنوعة، تشمل النصوص والفيديوهات والصور، لإنتاج مخرجات متنوعة.
تشمل تطبيقاتها في مجال الرعاية الصحية التشخيص، والبحث العلمي، وتطوير الأدوية، والتدريب الطبي، والإدارة، وحتى التقييم الذاتي للأعراض من قبل المرضى. ومن خلال تحليل كميات هائلة من البيانات الطبية، مثل الصور والمسح الضوئي والسجلات الصحيةtron، يمكن لنماذج التعلم الآلي أن تعزز التشخيص، وتحسن العلاجات، وتتنبأ بنتائج المرضى، وتزيد من الكفاءة.
من أبرز مزايا الذكاء الاصطناعي في الرعاية الصحية قدرته على إنقاذ الأرواح من خلال توفير تشخيصات دقيقة وخطط علاجية مُخصصة. علاوة على ذلك، يُمكنه تخفيف العبء عن كاهل العاملين في مجال الرعاية الصحية، مما يُتيح لهم التركيز على مهام أكثر أهمية من الأعمال الورقية الروتينية. في المناطق التي تُعاني من نقص في الأطباء، يُمكن للنماذج الطبية المُدارة أن تلعب دورًا محوريًا في تحسين إمكانية الوصول إلى الرعاية الصحية، وضمان وصول أوسع وأكثر عدلًا للرعاية الطبية.
المخاطر والتحديات
على الرغم من التوقعات الواعدة، تحذر منظمة الصحة العالمية من تجاهل المخاطر المصاحبة. فقد ينتج عن المبالغة في تقدير قدرات فرق إدارة الأمراض المعدية، لا سيما إذا لم يتم الاعتراف بمحدودياتها بشكل كافٍ، تشخيصات خاطئة وقرارات علاجية غير مناسبة.
علاوة على ذلك، من المرجح أن تصبح أنظمة الرعاية الصحيةdent بشكل مفرط على أنظمة إدارة البيانات المحلية، لا سيما في البلدان ذات الدخل المنخفض والمتوسط حيث قد يكون الصيانة والتحديثات غير كافية. وقد يؤدي هذا الاعتماد أيضاً إلى فقدان الوظائف ويستلزم إعادة تدريب مكثفة للعاملين في مجال الرعاية الصحية.
علاوة على ذلك، تُثير التكلفة البيئية لتدريب نماذج الذكاء الاصطناعي واستخدامها قلقًا بالغًا، إذ من المعروف أن هذه النماذج تُسهم في انبعاثات الكربون واستهلاك المياه. كما أن تطوير ونشر نماذج التعلم الآلي يتركز بشكل أساسي في أيدي شركات التكنولوجيا الكبرى نظرًا للتكاليف المالية الباهظة المترتبة على ذلك، مما قد يُعزز نفوذها وهيمنتها في هذا المجال.
عدم المساواة في الوصول
تُثير منظمة الصحة العالمية قضايا تتعلق بتكافؤ فرص الوصول إلى الذكاء الاصطناعي في الرعاية الصحية. فالفجوة الرقمية وارتفاع رسوم الاشتراك قد يُحدّان من الوصول إلى هذه النماذج، مما يُفاقم التفاوتات الصحية بين الدول المتقدمة والنامية. علاوة على ذلك، إذا تم تدريب نماذج الانحدار الخطي المختلط على بيانات متحيزة، فقد تُكرّس هذه التحيزات داخل أنظمة الرعاية الصحية.
يتطلب التصدي لهذه التحديات بناء البنية التحتية اللازمة وتطبيق اللوائح المنظمة لاستخدام الذكاء الاصطناعي في القطاعين العام والخاص. وتُعدّ الشفافية، وحوكمة البيانات الفعّالة، والاعتبارات الأخلاقية أموراً بالغة الأهمية.
يمكن لمبادرات مثل تقديم المنح، والوصول إلى موارد الحوسبة السحابية المشتركة، ومجموعات البيانات المفتوحة أن تفيد البلدان ذات الدخل المنخفض والمتوسط بشكل كبير، مما يؤدي إلى تكافؤ الفرص.
بإمكان المنظمات الدولية تسهيل نقل المعرفة ودعم الدول في الحصول على البيانات المحلية، بما يضمن أن تعكس نماذج الذكاء الاصطناعي هذه الاحتياجات الإقليمية بدقة. ويُعدّ إشراك أصحاب المصلحة من الدول ذات الموارد المحدودة في تطوير وإدارة تقنيات إدارة دورة حياة المنتج الجديدة أمراً بالغ الأهمية لدعم التنمية الشاملة.
في نهاية المطاف، تُقرّ منظمة الصحة العالمية بأنّ بعض الأضرار الناجمة عن الذكاء الاصطناعي في الرعاية الصحية أمرٌ لا مفرّ منه. ولذلك، تتضمن إرشادات المنظمة توصيات بشأن آليات المسؤولية، وتدعو إلى وضع آليات تعويض في حال تضرّر المرضى نتيجةً للذكاء الاصطناعي. ويُعدّ وضع معايير واضحة للمسؤولية، وإرساء رقابة تنظيمية فعّالة، أمراً بالغ الأهمية لضمان حصول الأفراد المتضررين من تطبيقات الذكاء الاصطناعي على تعويضات كافية، وعلى سبل انتصاف قانونية.
