أزمة الذكاء الاصطناعي في الرعاية الصحية: الضعف أمام التحديات اللغوية والصور الغامضة!

في عالم [الطب](/tag/الطب) الحديث، يلعب [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) ([Artificial Intelligence](/tag/artificial-intelligence)) دورًا متزايد الأهمية. لكن هل تساءلت يومًا عن مدى [قوة](/tag/قوة) هذه الأنظمة أمام التحديات الحقيقية في بيئات [الرعاية الصحية](/tag/الرعاية-الصحية) المحدودة الموارد؟

أصدرت [دراسة جديدة](/tag/[دراسة](/tag/دراسة)-جديدة) [تقارير](/tag/تقارير) مثيرة حول ضعف [أنظمة](/tag/أنظمة) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) في [التشخيص](/tag/التشخيص) السريري. فقد تم [تقييم](/tag/تقييم) هذه الأنظمة غالبًا باستخدام [بيانات](/tag/بيانات) باللغة الإنجليزية ومنظومات معيارية لا تعكس الواقع الذي يعيشه مقدمو [الرعاية الصحية](/tag/الرعاية-الصحية) في مناطق مثل نيجيريا. هذه [الدراسة](/tag/الدراسة) تقدم أول [تدقيق](/tag/تدقيق) نظامي لاختبار نقطتين ضعف متضادتين في [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) [الطبي](/tag/الطبي): هشاشة [الصور](/tag/الصور) أمام التهديدات (Adversarial Image Fragility) والانزلاق اللغوي التشخيصي (Cross-Lingual Diagnostic Drift).

باستخدام [نموذج](/tag/نموذج) DenseNet121، الذي يُعد العمود الفقري لنظام CheXNet، وخُصص لتحليل [الأشعة السينية](/tag/[الأشعة](/tag/الأشعة)-السينية) لمرضى COVID-19، ظهر أن [دقة](/tag/دقة) [التشخيص](/tag/التشخيص) تتراجع من 89.3% إلى 62.0% عند تطبيق أي تغير طفيف لا يمكن إدراكه بالعين المجردة. والمثير للإعجاب أن [استراتيجيات الدفاع](/tag/[استراتيجيات](/tag/استراتيجيات)-الدفاع) القياسية، مثل التنعيم الغازي، لم تتمكن من استعادة [السلامة السريرية](/tag/[السلامة](/tag/السلامة)-السريرية).

وفي تجربة موازية، تم اختبار نموذجين لغويين على 20 حالة سريرية لمرضى [COVID-19](/tag/covid-19) مقدمة بالإنجليزية القياسية، ولغة نيجيرية بيدجين (Nigerian Pidgin)، والإنجليزية المتأثرة باللهجة اليوغندية. إذ تراجعت [دقة](/tag/دقة) [نموذج](/tag/نموذج) Llama3.1:8b من 80.0% إلى 65.0% في البيدجين، بينما [نموذج](/tag/نموذج) NatLAS، الذي يمثل [السياق](/tag/السياق) الأفريقي، انخفض من 85.0% إلى 55.0% مع انخفاض الاتساق في [التشخيص](/tag/التشخيص) إلى 50%.

هذه النتائج تقدم [صورة](/tag/صورة) مقلقة عن كيفية [فشل](/tag/فشل) الأنظمة الحالية للذكاء الاصطناعي في مواجهة التحديات المعقدة في [الرعاية الصحية](/tag/الرعاية-الصحية). تدعو هذه [الدراسة](/tag/الدراسة) إلى [تطوير](/tag/تطوير) [أنظمة](/tag/أنظمة) [ذكاء اصطناعي](/tag/ذكاء-اصطناعي) مضادة للتهديدات وشاملة من الناحية اللغوية لتلبية احتياجات الناس في المناطق المنخفضة الموارد. كيف تقيّمون هذه التحديات في [تطبيقات الذكاء الاصطناعي](/tag/[تطبيقات](/tag/تطبيقات)-الذكاء-الاصطناعي)؟ ما رأيكم في ضرورة [تطوير](/tag/تطوير) هذه الأنظمة؟ شاركونا في [التعليقات](/tag/التعليقات).