بعد الجزء الأول عن المجال البحثي في تطبيقات الذكاء الاصطناعي في القطاع الصحي، والجزء الثاني عن حجم السوق وأهم الشركات فيه، يركز الجزء الثالث على التحديات والاعتبارات الأخلاقية لتطبيقات الذكاء الاصطناعي في القطاع الصحي وأهم المراجع في المجال.
التحديات والاعتبارات الأخلاقية لتطبيقات الذكاء الاصطناعي في القطاع الصحي
بحكم خصوصية البيانات والأثر الناتج عن تطبيقات الذكاء الاصطناعي، من المهم الإشارة إلى أبرز التحديات التي قد تواجه تصميم وتطبيقات نماذج الذكاء الاصطناعي في القطاع الصحي:
- خصوصية البيانات: تُعد خصوصية البيانات من أبرز التحديات عند استخدام الذكاء الاصطناعي في الرعاية الصحية، خاصةً عند التعامل مع معلومات المرضى الشخصية والطبية. تسريب المعلومات أو اختراقها أو استخدامها دون الحصول على إذن من المريض يمكن أن يؤدي إلى عواقب قانونية وأخلاقية جسيمة، إضافةً إلى فقدان الثقة بين المرضى ومزودي الخدمة. لذا، يجب اتخاذ تدابير صارمة لحماية البيانات، مثل التشفير وإدارة الوصول تضمن خصوصية البيانات. ومن الأمثلة المشهورة في هذا السياق هو مشروع نايتينجيل بين Google Cloud ونظام الصحة الأمريكي Ascension، الذي يُعد أحد أكبر أنظمة الرعاية الصحية في الولايات المتحدة، بهدف تحليل سجلات الصحة الإلكترونية لملايين المرضى باستخدام أدوات بيانات جوجل المتقدمة. أثار المشروع مخاوف كبيرة بشأن الخصوصية حيث نُقلت بيانات المرضى، بما في ذلك معلومات حساسة، إلى سحابة جوجل دون الحصول على موافقة صريحة أو تقديم إشعار واضح للمرضى. وفي استجابة للانتقادات الواسعة، أكدت الشركتان أن المبادرة كانت متوافقة مع قوانين HIPAA (قانون التأمين الصحي قابلية النقل والمساءلة) وتهدف إلى تحسين نتائج الرعاية الصحية من خلال استخدام التحليلات المتقدمة للبيانات. ومع ذلك، أثار المشروع جدلًا واسعًا حول كيفية التعامل مع بيانات المرضى، وأهمية الشفافية في التعاونات بين قطاع الرعاية الصحية والشركات التكنولوجية الكبرى، حيث يعتقد الكثيرون أنه كان يجب ضمان حماية خصوصية البيانات أكثر.
- التحيّز: قد تنتج أنظمة الذكاء الاصطناعي قرارات غير دقيقة أو غير عادلة إذا تدربت على بيانات منحازة أو تفتقر إلى التمثيل الكافي لمجموعات معينة من السكان. هذا التحيز قد يؤدي إلى تمييز في التشخيص أو العلاج، مما يُضر بالعدالة في تقديم الرعاية الصحية. من الضروري التأكد من تنوع وشمولية البيانات المستخدمة في التدريب.
- التشريعات و التنظيمات: تتطلب تقنيات الذكاء الاصطناعي المستخدمة في المجال الطبي موافقات تنظيمية صارمة قبل اعتمادها للاستخدام السريري. على سبيل المثال، قد تحتاج الأنظمة إلى موافقة من هيئة الغذاء والدواء (FDA) في الولايات المتحدة، أو ما يعادلها من الهيئات التنظيمية في بلدان أخرى. يتطلب ذلك الالتزام بمعايير الشفافية، والسلامة، والفعالية، مما قد يطيل فترة الإطلاق التجاري.
- الإشراف البشري: تحقيق التوازن بين الذكاء الاصطناعي واللمسة الإنسانية في الرعاية. رغم قدرة الذكاء الاصطناعي على تعزيز الكفاءة واتخاذ القرارات بسرعة، إلا أن وجود العنصر البشري لا يزال ضروريًا في الرعاية الصحية. الأطباء والمختصون قادرون على فهم السياق الإنساني والعاطفي للحالات الطبية، وهو ما لا تستطيع الأنظمة التقنية المدعومة بالذكاء الاصطناعي تفسيره بالكامل وبشمولية في الوقت الحالي. لذلك، يجب استخدام الذكاء الاصطناعي كأداة مساعدة، وليس بديلًا كاملًا، لضمان تقديم رعاية شاملة وآمنة.
برامج التطوير المهني في مجال تطبيقات الذكاء الاصطناعي في القطاع الصحي:
ظهرت خلال السنوات الماضية العديد من البرامج التدريبية المتاحة عن بعد في مجال تطبيقات الذكاء الاصطناعي في القطاع الصحي. هذا بالتأكيد لا يغني على البرامج المتاحة بشكل حضوري أو تكون هجينة (حضوري وعن بعد). ولكن قد تكون البرامج المتاحة عن بعد فرصة أولية للتطوير المهني في المرحلة الأولية، وأذكر أهمها هنا:
- AI in Healthcare Specialization – Stanford University
- الوصف: سلسلة من الدورات تشرح كيفية استخدام الذكاء الاصطناعي لتحسين الرعاية الصحية، مع التركيز على الأخلاقيات، نماذج التنبؤ، والتشخيص المدعوم بالذكاء الاصطناعي.
- النوع: عن بُعد (عبر منصة Coursera)
- المدة: 4 أشهر تقريبًا
- الرابط
- Artificial Intelligence in Healthcare – Harvard Medical School
- الوصف: برنامج مكثف يوفّر للمهنيين الصحيين والمطورين فهماً عمليًا لكيفية تقييم وتطبيق حلول الذكاء الاصطناعي في الرعاية الصحية.
- النوع: عن بُعد (جلسات تفاعلية مباشرة)
- المدة: 8 أسابيع
- الرابط
- AI for Healthcare – MIT Professional Education
- الوصف: يركّز على الأسس التقنية للذكاء الاصطناعي وتطبيقاته في الرعاية الصحية، مثل تحليل الصور الطبية والنماذج التنبؤية.
- النوع: عن بُعد
- المدة: 6 أسابيع
- الرابط
- Innovation with AI in Healthcare
- الوصف: يساعد القادة على تبني الذكاء الاصطناعي لتحسين الرعاية الصحية وتحقيق التحول الرقمي من خلال تعلم المفاهيم وتطبيقات الذكاء الاصطناعي.
- النوع: عن بُعد
- المدة: 4 أيام
- الرابط
و أخيرًا، هناك الكثير من النقاشات والمحاضرات والندوات المتاحة مجانًا على قنوات اليوتيوب الخاصة لهذه الجهات بهذا الشأن التي تطرح الكثير من المواضيع والتوجهات المستقبلية لهذا القطاع.
أهم الكتب التي تحدثت عن تطبيقات نماذج الذكاء الاصطناعي في القطاع الصحي
- الذكاء الاصطناعي والتعلم الآلي في الرعاية الصحية والعلوم الطبية: أفضل الممارسات والمخاطر
Intelligence and Machine Learning in Healthcare and Medical Sciences: Best Practices and Pitfalls
- حرره جيورجي سيمون وكونستانتين أليفيريس
- الوصف: كتاب متاح مجانًا يناقش كيفية استخدام الذكاء الاصطناعي والتعلم الآلي في تحسين الرعاية الصحية. يقدم أفضل الممارسات لهذه التقنيات ويستعرض التحديات والمخاطر المحتملة مثل التحيز في البيانات. يُعد مرجعًا مهمًا للممارسين في المجال الطبي.
- الطب العميق: كيف يمكن للذكاء الاصطناعي أن يعيد الإنسانية للرعاية الصحية
Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again
- مؤلفه إريك توبول
- الوصف: يناقش هذا الكتاب كيف يمكن للذكاء الاصطناعي أن يعيد الاتصال الإنساني بين الأطباء والمرضى من خلال تقليل الأعباء الإدارية، مما يسمح برعاية أكثر تخصيصًا وكفاءة.
2. الرعاية الصحية أولًا بالذكاء الاصطناعي: تطبيقات الذكاء الاصطناعي في الإدارة وتقديم الرعاية
AI First Healthcare: AI Applications in Healthcare Administration and Delivery
- تأليف كيري هولي
- الوصف: يستعرض الكتاب الإمكانيات التحويلية للذكاء الاصطناعي في مجال الرعاية الصحية، مع التركيز على التطبيقات العملية والاستراتيجيات لدمج الذكاء الاصطناعي في الممارسات الطبية لتحسين النتائج التشغيلية وصحة المرضى.
3. الذكاء الاصطناعي في الطب (الجزء الأول والثاني)
Artificial Intelligence in Medicine
- المؤلف نيكلاس ليدسترومر
- الوصف: يقدم الكتاب تحليلًا شاملًا لتطبيقات الذكاء الاصطناعي في مختلف مجالات الطب، ويستعرض التطورات التاريخية، والإنجازات الحالية، والتحديات المستقبلية في دمج الذكاء الاصطناعي في الرعاية الصحية.
4. ثورة الذكاء الاصطناعي في الطب: GPT-4 وما بعده
The AI Revolution in Medicine: GPT-4 and Beyond
- المؤلفون: بيتر لي، كاري غولدبيرغ، وإسحاق كوهين
- الوصف: يناقش الكتاب كيف تُحدث تقنيات الذكاء الاصطناعي مثل GPT-4 ثورة في الممارسات الطبية، ويستعرض تأثيرها على رعاية المرضى ومستقبل صناعة الرعاية الصحية.
5. التعلم الآلي والذكاء الاصطناعي في الرعاية الصحية: البيانات الضخمة لتحسين النتائج الصحي
Machine Learning and AI for Healthcare: Big Data for Improved Health Outcomes
- المؤلف أرجون بانيسار
- الوصف: يوفر هذا الكتاب نظرة شاملة على كيفية استخدام التعلم الآلي والذكاء الاصطناعي لتحسين النتائج الصحية، مع مناقشة الخوارزميات، تقنيات معالجة البيانات، والتطبيقات الواقعية في المجال الطبي.
ما الذي يجب على الجامعات العربية عمله؟
لتطوير برامج مهنية بهدف تحسين جدارات الممارسين الصحيين، هناك العديد من الخطوات العملية التي يمكن للجامعات العربية اتباعها لتطوير برامج مهنية مرنة وحديثة لتطوير مهارات الممارسين الصحيين بمستجدات تطبيقات الذكاء الاصطناعي في القطاع الصحي وأرى من الواجب الإسراع في تنفيذها:
- أولًا: بناء شراكات استراتيجية مع المؤسسات العالمية. ليس هناك حاجة لاختراع العجلة من جديد، فقد يكون هناك تعاون لنقل المعرفة والمحتوى الأكاديمي الذي أصدرته إحدى الجامعات المرموقة، ومن ثم إتاحته لطلابهم وطالباتهم من خلال الشراكات مع هذه المؤسسات.
- ثانيًا: إطلاق الشراكات البينية بين كليات الطب وعلوم الأحياء والعلوم الصحية التطبيقية وكذلك كليات علوم الحاسب وتقنية المعلومات. يجب على الجامعات بناء وتصميم برامج بحثية ومهنية وأكاديمية بتخصصات مدمجة أو بينية ومخرجات تعلم تعد الممارسين في المجال وتمزج بين أساسيات القطاع الصحي وكذلك مستجدات التقنية والذكاء الاصطناعي. أسمع كثيرًا عما تقوم به جامعة الملك فهد للبترول والمعادن، وكذلك جامعة الملك عبدالله للعلوم والتقنية من جهود في هذا السياق وآمل أن نرى نتائج هذه التخصصات قريبًا.
- ثالثًا: تصميم برامج مهنية وشهادات احترافية مرنة. ليس بالضرورة أن تكون البرامج الأولية عميقة جدًا، ولكن من المهم أن تعطي لمحة أولية عن التحول في القطاع الصحي وكيف سيؤثر الذكاء الاصطناعي على القطاع. وليس بالضرورة أن تكون طويلة (6-10 أسابيع) وتكون موجهة للممارسين الصحيين، والباحثين، ومطوري الأنظمة. ومن المهم أيضًا التركيز على التدريب العملي ودراسات الحالة الواقعية، واستخدام بيانات طبية حقيقية (مع ضمان الخصوصية).
- رابعًا: الاعتماد على التعلم عن بُعد والمنصات الذكية. وأنا في الرياض استطعت من مكتبي ومنزلي التعلم في أرقى الجامعات في هذا المجال. ولم يكن ذلك متاحًا إلا عن طريق البرامج التدريبية المسجلة والمتاحة افتراضيًا بشكل غير متزامن في ظل توفر منصات التعلم عن التي تقدم المحتوى بشكل تفاعلي وتقدم اختبارات تطبيقية وتطبيقات واقعة. وبهذا سيسمح بالوصول إلى أكبر شريحة من الراغبين في الاستزادة في هذا المجال بيُسر وسلاسة.
- خامسًا: ربط البرامج التدريبية باحتياجات القطاع الصحي المحلي والإقليمي. من الضروري استهداف المشاكل التي تواجه القطاع الصحي عمومًا ولكن من المهم التركيز على المشاكل التي تواجه القطاع الصحي في المملكة والمنطقة. على سبيل المثال، قد يكون التركيز على استكشاف طرق جديدة للتشخيص ومدعومة بالذكاء الاصطناعي للأمراض الأكثر شيوعًا هنا مقارنة بدول أخرى، مثل السكري من النوع الثاني والأمراض الوراثية المتعلقة بزواج الأقارب وكذلك الأمراض المرتبطة بالنمط الغذائي وغيرها من الأمراض.
ختامًا
بالرغم من التقدم المتسارع في هذا القطاع إلا أننا ما زلنا في بداية هذه الحقبة المثيرة من الزمن، وقد يكون هناك الكثير من الضجيج. و كما يقول الدكتور نيغام شاه– أستاذ الطب في جامعة ستانفورد، وكبير علماء البيانات في ستانفورد للرعاية الصحية- “قد يكون إطلاق نموذج يصدر فاتورة تلقائيًا أكثر سهولة مقارنة بنموذج آخر للتشخيص التلقائي“.
أحببت أن أشارككم ما تعلمته في هذا المجال وأتمنى أن ينال استحسان المهتمين من رواد الأعمال والمستثمرين وكذلك الممارسين الصحيين أو من يعمل في القطاع الصحي وكذلك الطلاب والطالبات في كليات الطب والكليات الصحية.