الملخص أصبح الذكاء الاصطناعي من الأدوات المهمة في تطوير تحليل الصور الطبية، بفضل قدرته على معالجة البيانات واستخراج أنماط كمية يصعب تقديرها بالملاحظة البصرية وحدها. وتتيح تقنيات التعلم الآلي والتعلم العميق دعم اكتشاف التغيرات المرضية، وتحديد حدود الأعضاء والآفات، وإجراء القياسات بصورة آلية. ومع ذلك، فإن نجاح الخوارزميات في مهام محددة لا يعني امتلاكها فهمًا سريريًا شاملًا، ولا يضمن دقتها في جميع البيئات الطبية. تستعرض هذه المقالة المبادئ الأساسية لتحليل الصور بالذكاء الاصطناعي، وأبرز تطبيقاته، والتحديات المرتبطة بجودة البيانات والتعميم والخصوصية، مع توضيح أهمية التكامل بين الخوارزميات والخبرة البشرية. المقدمة تُعد الصور الطبية مصدرًا أساسيًا للمعلومات المستخدمة في تشخيص الأمراض ومتابعة العلاج، إذ تتيح تقنيات الأشعة السينية والتصوير المقطعي المحوسب والرنين المغناطيسي والموجات فوق الصوتية دراسة تراكيب الجسم بطرائق مختلفة. وتعتمد قراءة هذه الصور على معرفة الاختصاصي وخبرته، إلى جانب جودة الصورة والسياق السريري للمريض. لكن الصورة الرقمية ليست مشهدًا بصريًا فقط؛ فهي تتكون من قيم عددية يمكن تحليلها لاستخراج معلومات عن الشدة والشكل والملمس والتوزيع المكاني. ومن هنا نشأ الاهتمام باستخدام الخوارزميات لتحويل محتوى الصورة إلى مؤشرات قابلة للقياس، وهو المبدأ الذي يستند إليه مجال التحليل الكمي للصور، ومنه الراديوميكس. pubs.rsna.org كيف تحلل الخوارزميات الصور الطبية؟ تتعلم أنظمة الذكاء الاصطناعي من أمثلة تتضمن صورًا وبيانات مرجعية، مثل تشخيص مؤكد أو حدود أعضاء رسمها مختصون. وخلال التدريب، تُعدّل الخوارزمية معاملات النموذج لتقليل الفرق بين مخرجاته والنتائج المرجعية. في بعض أساليب التعلم الآلي، تُستخرج خصائص محددة من الصورة أولًا، ثم تُستخدم لبناء نموذج تصنيفي أو تنبؤي. أما التعلم العميق فيتيح تعلم تمثيلات للصورة بصورة آلية عبر طبقات متعددة. وقد تكون النتيجة تحديد موضع منطقة مشتبه بها، أو تصنيف صورة، أو تقسيم عضو إلى حدود واضحة، أو حساب قياس كمي. ويجب التمييز بين هذه المهام؛ فتحديد منطقة غير طبيعية لا يعادل تشخيصًا نهائيًا، كما أن ارتفاع أداء النموذج في مجموعة اختبار لا يثبت وحده فائدته السريرية. هل ترى الخوارزميات فعلًا ما لا تراه العين؟ يمكن للخوارزميات قياس فروق دقيقة في توزيع درجات الشدة وملمس الأنسجة وشكل الآفة، ومقارنة عدد كبير من السمات في الوقت نفسه. وقد تكون بعض هذه العلاقات صعبة التقدير بصريًا، حتى عندما تكون المعلومات موجودة داخل الصورة نفسها. ويهدف الراديوميكس إلى استخراج هذه السمات وتحليل ارتباطها بخصائص المرض أو نتائجه المحتملة. pubs.rsna.org ومع ذلك، لا يعني اكتشاف نمط إحصائي أنه يمثل آلية مرضية مؤكدة. فقد يتعلم النموذج خصائص مرتبطة بجهاز التصوير أو بالمستشفى بدلًا من علامات المرض. لذلك، فإن الإجابة الأدق عن سؤال العنوان هي: تستطيع الخوارزميات كشف أنماط كمية قد يصعب ملاحظتها، لكن قيمتها الطبية تتطلب تحققًا مستقلًا وتفسيرًا ضمن السياق السريري. أبرز التطبيقات الطبية يُعد دعم الكشف عن التغيرات المشتبه بها من التطبيقات البارزة. ففي دراسة منشورة في مجلة Nature عام 2020، أظهر نظام للذكاء الاصطناعي نتائج واعدة في تحليل صور تصوير الثدي الشعاعي، مع انخفاض النتائج الإيجابية والسلبية الكاذبة في مجموعات البيانات المدروسة. وتبقى هذه النتائج مرتبطة بتصميم الدراسة وبياناتها، ولا تعني تفوق جميع الأنظمة على جميع الأطباء في مختلف الظروف. Nature وتشمل التطبيقات أيضًا تقسيم الأعضاء والأورام، وقياس أحجامها، ومقارنة الصور المتتابعة لمتابعة التغيرات بمرور الزمن. ويمكن لهذه الأدوات مساندة العمل في التشخيص وتخطيط العلاج، شريطة مراجعة النتائج والتحقق من دقتها، خصوصًا عندما تكون الحدود التشريحية غير واضحة أو تتأثر الصورة بالحركة والتشويش. التحديات العلمية والأخلاقية تُعد القدرة على التعميم من أهم التحديات؛ فقد يعمل النظام بكفاءة على صور مستشفى معين، ثم ينخفض أداؤه عند استخدام صور من مؤسسة أخرى. وأظهرت دراسة حول كشف الالتهاب الرئوي في صور الصدر أن أداء بعض النماذج كان أفضل في الاختبارات الداخلية مقارنة بالاختبارات الخارجية، وأنها استطاعت التعرف على مصدر الصور، بما يوضح خطر الاعتماد على ارتباطات لا تمثل المرض مباشرة. journals.plos.org ولهذا، ينبغي تقييم الأنظمة باستخدام بيانات مستقلة ومتنوعة، ومنع تسرب بيانات المريض نفسه بين التدريب والاختبار، وفحص الأخطاء لدى الفئات المختلفة. كما يجب اختيار مقاييس مناسبة للمهمة، مثل الحساسية والنوعية، بدلًا من الاعتماد على نسبة الدقة وحدها. وتبرز أيضًا مسؤولية حماية بيانات المرضى، وتحديد صلاحيات الوصول إليها، وتوضيح حدود النظام للمستخدمين. وتؤكد منظمة الصحة العالمية ضرورة وضع الأخلاق وحقوق الإنسان والمساءلة في صميم تصميم الذكاء الاصطناعي الصحي واستخدامه. who.int دور الفيزياء الطبية والخبرة البشرية يرتبط أداء الخوارزميات بالخصائص الفيزيائية للصورة، مثل الدقة المكانية والتباين والضوضاء وإعدادات اكتساب الصورة وإعادة بنائها. ومن هنا، يبرز دور الفيزيائي الطبي في تقييم جودة الصور، وضبط أداء الأجهزة، ودراسة أثر اختلاف بروتوكولات التصوير في موثوقية التحليل. ويتحقق الاستخدام المسؤول لهذه التقنيات من خلال التعاون بين الطبيب والفيزيائي الطبي واختصاصي تكنولوجيا المعلومات. فالخوارزمية تقدم نتيجة حسابية، بينما يربط الفريق المختص هذه النتيجة بتاريخ المريض والفحص السريري وبقية الأدلة المتاحة. الخاتمة يفتح الذكاء الاصطناعي آفاقًا مهمة لاستخراج معلومات كمية من الصور الطبية ودعم تحليلها. إلا أن قيمته لا تُقاس بقدرته على اكتشاف أنماط دقيقة فقط، بل بمدى صحة هذه الأنماط، وثبات أدائه، وفائدته الفعلية للمريض. وتبقى جودة البيانات والتحقق الخارجي والإشراف البشري أسسًا ضرورية لتحويل الإمكانات التقنية إلى ممارسة طبية موثوقة. جامعة المستقبل – الجامعة الأولى في العراق