أصدر مركز المعلومات ودعم اتخاذ القرار بمجلس الوزراء، تحليلاً جديداً قدم من خلاله عرضاً لمزايا وتحديات توظيف الذكاء الاصطناعي في القطاعات الصحية، مع إلقاء نظرة على بعض التجارب الدولية في هذا المجال، حيث أشار إلى أن أنظمة الرعاية الصحية شهدت على مدار السنوات الماضية تحولًا كبيرًا بفضل إدماج تقنيات الذكاء الاصطناعي، التي باتت تؤدي دورًا محوريًّا في التشخيص، ورعاية المرضى، والإدارة، وتعزيز الصحة العامة؛ وأصبحت توفر إمكانات كبيرة، بدءاً من أدوات التعلم الآلي القادرة على قراءة الصور الطبية بدقة، إلى منصات المراقبة الصحية عن بُعد، بما يُسهم في تحسين الكفاءة في المجال الطبي، مضيفاً أنه في ظل التحديات المتزايدة، مثل نقص الكوادر، وتزايد الأمراض المزمنة، تتجه دول عديدة اليوم لتبني حلول ذكية ترتكز على البيانات والتعلم الآلي؛ ما يجعلها في طليعة ثورة صحية رقمية تُعيد تشكيل مستقبل الرعاية الصحية عالميًّا.
وأكد المركز تحقيق تقنيات الذكاء الاصطناعي تأثيرًا ملحوظًا في مجال الرعاية الصحية وخاصة فيما يتعلق بتحسين دقة التشخيص والكشف المبكر عن الأمراض؛ فالتعلم الآلي (Machine learning)، وهو عنصر أساسي في الذكاء الاصطناعي المستخدم في الرعاية الصحية، أحدث نقلة نوعية في هذا المجال من خلال تحسين التشخيص والعلاج؛ فعن طريق معالجة كميات هائلة من البيانات السريرية، يمكن للخوارزميات تحديد الأنماط والتنبؤ بالنتائج الطبية بدقة كبيرة.
كما تساعد تقنية “التعلم الآلي” في تحليل سجلات المرضى، والتصوير الطبي، واكتشاف علاجات جديدة؛ ما يساعد المتخصصين في الرعاية الصحية على تحسين العلاج وخفض التكاليف. وكذلك يُتيح التعلم الآلي التشخيص الدقيق للأمراض، وتقديم علاجات مخصصة، واكتشاف التغيرات الطفيفة في العلامات الحيوية، والتي قد تشير إلى مشكلات صحية محتملة. ولعل أبرز الأمثلة على تقنيات التعلم الآلي برنامج (EchoNext) الذي يتم توظيفه في اكتشاف أمراض القلب الهيكلية بنسبة دقة تبلغ 77%، وقد أسهم بالفعل في اكتشاف آلاف الحالات عالية الخطورة.
بالإضافة إلى ذلك، هناك أداة “معالجة اللغة الطبيعية” (NLP) وهي أحد أشكال الذكاء الاصطناعي التي تُتيح لأجهزة الكمبيوتر فهم اللغة البشرية واستخدامها، ويُستخدم هذا النوع من الذكاء الاصطناعي في قطاع الرعاية الصحية بشكل متزايد، وهو ما يُسهم في تحسين جودة الرعاية الصحية من خلال تشخيص أدق، وتبسيط الإجراءات السريرية.
على الجانب الآخر، يُحدث الذكاء الاصطناعي تحولًا كبيرًا في الجوانب الإدارية للرعاية الطبية؛ فمن خلال أتمتة المهام الروتينية، مثل: إدخال البيانات، ومعالجة المطالبات، وتنسيق المواعيد، تُتيح تقنيات الذكاء الاصطناعي لمقدمي الرعاية والمؤسسات الصحية توفير الوقت للتركيز على رعاية المرضى.
علاوة على ذلك، يمتلك الذكاء الاصطناعي القدرة على تقليل الأخطاء البشرية من خلال تسريع مراجعة السجلات الطبية، والصور الشعاعية، ونتائج الاختبارات. ومع منحه للمهنيين الطبيين مزيدًا من التحكم في سير عملهم، يمكنهم تقديم رعاية ذات جودة عليا مع الحفاظ على الكفاءة في التكاليف.
أشار التحليل إلى أن تقنيات الذكاء الاصطناعي توفر فرصًا كبيرة لمعالجة أزمات أنظمة الرعاية الصحية، وخاصة المتعلقة بارتفاع النفقات وأزمة القوى العاملة؛ فالتقديرات تشير إلى أن نفقات الرعاية الصحية قد ارتفعت بوتيرة سريعة خلال السنوات العشرين الماضية، ويُقدّر أن ما لا يقل عن 20% من هذه النفقات يتم هدرها.
في الوقت نفسه، يواجه قطاع الرعاية الصحية أزمة حادة في القوى العاملة؛ إذ تُقدِّر “منظمة الصحة العالمية” (WHO) وجود عجز بنحو 10 ملايين عامل صحي بحلول عام 2030، خاصة في البلدان ذات الدخل المنخفض والمتوسط. كما أن العاملين في قطاع الصحة يعانون من الإرهاق الشديد؛ حيث تشير التقديرات إلى أن نحو 50% من المهنيين الصحيين يعانون من الاحتراق الوظيفي.
أوضح التقرير أنه رغم المكاسب التي يوفرها الذكاء الاصطناعي في قطاع الرعاية الصحية، لا يخلو الأمر من تحديات عديدة تتطلب التعامل معها، خاصة مع تزايد استثمارات المؤسسات الصحية في استخدام هذه التقنيات، ويأتي في مقدمة هذه التحديات:
-خصوصية البيانات: حيث تُعَد حماية البيانات الشخصية من أبرز المخاوف المتعلقة باستخدام الذكاء الاصطناعي في الرعاية الصحية؛ فأنظمة الذكاء الاصطناعي تعتمد على كميات هائلة من بيانات المرضى لتعمل بكفاءة، لكن أي سوء في التعامل مع هذه البيانات قد يؤدي إلى خروقات في الخصوصية. وتزداد الخطورة عندما تكون تلك البيانات مدرجة على منصات سحابية أو مجموعات بيانات غير محمية بشكل كافٍ.
-غياب أطر تنظيمية واضحة: رغم أن بعض المناطق، مثل الاتحاد الأوروبي، تبنَّت تشريعات شاملة مثل قانون الذكاء الاصطناعي (EU AI Act) لعام 2024، فإن العديد من الدول -خاصة في الجنوب العالمي- لا تمتلك تنظيمًا واضحًا لاستخدام الذكاء الاصطناعي في مجال الرعاية الصحية. هذا التباين يعقِّد عملية نشر أدوات الذكاء الاصطناعي عالميًّا، خاصة بالنسبة للشركات متعددة الجنسيات.
-صعوبة مواكبة التطورات: هناك صعوبة في مواكبة قطاع الصحة للابتكارات السريعة في مجال الذكاء الاصطناعي؛ فالذكاء الاصطناعي يُعَد قطاعًا ناشئًا، ومعظم الشركات العاملة فيه لا يتجاوز عمرها عشر سنوات، بينما قطاع الرعاية الصحية يُعَد صناعة ناضجة تهيمن عليها مؤسسات راسخة. هذا التفاوت بين طبيعة القطاعين قد يُبطئ وتيرة الابتكار، من خلال الإجراءات والهياكل المتجذّرة التي قد تعوق تبني التقنيات الجديدة.
-صعوبات التكامل مع أنظمة المعلومات الصحية: يتطلب تطبيق الذكاء الاصطناعي في المستشفيات دمجًا فعّالًا مع السجلات الصحية الإلكترونية وقواعد بيانات التصوير الطبي وسير العمل السريري، ومع هذا، فالعديد من المؤسسات الصحية تفتقر إلى البنية التحتية التكنولوجية والمعايير اللازمة لضمان هذا التكامل؛ ما يؤدي إلى تنفيذ مجزَّأ وأعباء إدارية إضافية.
-التحيّز الخوارزمي والعدالة الصحية: تعتمد أنظمة الذكاء الاصطناعي على البيانات التي تُدرَّب عليها، وإذا كانت هذه البيانات تفتقر إلى تمثيل سكاني متنوع، فقد يؤدي ذلك إلى أداء ضعيف في تشخيص أو علاج فئات معينة من السكان. وقد كشفت عدة دراسات أن العديد من النماذج التجارية المستخدمة في الرعاية الصحية أظهرت تحيزًا عنصريًّا واجتماعيًّا؛ مما يُعمِّق الفجوات في جودة الرعاية الصحية.
-مقاومة القوى العاملة: رغم تزايُد الحماس تجاه الذكاء الاصطناعي، فإن كثيرًا من العاملين في المجال الصحي يبقون مترددين أو مقاومين له، بسبب مخاوف من فقدان الوظائف أو المسؤولية القانونية أو نقص التدريب.
