يحتاج المريض إلى تشخيص موثوق ومسار واضح للعلاج. وتطرح أحدث أبحاث Microsoft في الذكاء الاصطناعي الطبي سؤالاً عملياً أمام قادة الرعاية الصحية: كيف ينبغي للمؤسسة أن تقيّم نظاماً يجمع الأدلة ويتخذ القرارات عبر خطوات متعددة؟
أرى أن MAI-DxO يستحق الاهتمام بسبب آلية اتخاذه للقرارات، إلى جانب دقته. وينبغي للرؤساء التنفيذيين ورؤساء التقنية دراسة هذه الآلية مع الحفاظ على تمييز واضح بين الأداء البحثي والقيمة المثبتة في الممارسة السريرية.
نُشرت دراسة Sequential diagnosis with language models في مجلة Science بتاريخ 22 أكتوبر 2026. وحقق MAI-DxO، عند تشغيله باستخدام GPT-5، دقة تشخيصية بلغت 83.2% في 304 حالات صعبة من مجلة NEJM. وحقق الأطباء العامون الذين استخدموا مصادر مرجعية دقة بلغت 36.1%، مقابل 22.3% لمن لم يستخدموا تلك المصادر. وفي 325 حالة لمرضى أُدخلوا إلى المستشفى عبر قسم الطوارئ، بلغت دقة النظام 80.3%، مقابل 46.8% للأطباء. وهذه نتائج تقييمات مضبوطة لسجلات حالات طبية. [1, 2]
تصف هذه النسب أداء الأطباء في المهام المحددة ضمن الدراسة. ولا ينبغي أبداً عرضها باعتبارها مستوى الدقة العام للأطباء في الممارسة اليومية. كما أن الدرجة الإجمالية في الاختبار المرجعي لا تجيب عن سؤال بالغ الأهمية: أي الأخطاء قد يسبب الضرر الأكبر؟
ينسّق MAI-DxO عمل لجنة افتراضية تقترح تشخيصات، وتتحدى الافتراضات، وتختار الأسئلة أو الفحوص. ويتغير تقييمه مع وصول معلومات جديدة. ويقيس الاختبار المرجعي المسار المؤدي إلى التشخيص، بما يشمل التكاليف التقديرية للفحوص. كما قيّمت Microsoft إعدادات تخضع لقيود أشد على التكلفة. [2]
الدرس التصميمي المفيد لقادة المؤسسات هو الفصل بين اقتراح الإجابة ومراجعة الأدلة التي تستند إليها. وقبل تنفيذ إجراء ذي تبعات مهمة، ينبغي أن يتمكن المراجع من تحديد المعلومات الناقصة، واختبار التفسير الأرجح، وطلب معلومات إضافية.
قد تكرر أدوار متعددة للذكاء الاصطناعي الخطأ نفسه. لذلك ينبغي اختبار اتفاق الوكلاء بالرجوع إلى أدلة خارجية. فإضافة النقاش تنشئ عنصراً آخر يحتاج إلى التقييم، لكنها لا تثبت وجود تحقق مستقل.
سأقارن الأنظمة عبر ثلاثة أبعاد. قارنوا درجة الإجابة النهائية بجودة عملية اتخاذ القرار كاملة. وقارنوا التكلفة التقديرية للمهمة بالتكلفة الإجمالية لتقديم الخدمة. وقارنوا الأداء على السجلات السابقة بالنتائج المرصودة أثناء الاستخدام في دراسة مستقبلية. كل مقارنة تجيب عن سؤال استثماري مختلف.
على سبيل المثال، قد تؤدي توصية قليلة التكلفة إلى عبء مراجعة كبير. وقد تصل الإجابة الصحيحة متأخرة إلى حد تفقد معه فائدتها. وقد يواجه نظام ينجح مع السجلات المكتملة صعوبة عندما لا تتوافر معلومات مهمة. ويحتاج القادة إلى تقييم يُظهر هذه الفروق بوضوح.
يستخدم SDBench نموذجاً مسؤولاً عن إتاحة المعلومات المطلوبة، ونموذجاً آخر للحكم على التشخيصات. وعندما لا تكون نتيجة مطلوبة موجودة في السجل، يستطيع نموذج إتاحة المعلومات توليد نتائج تتسق مع الحالة. تتيح هذه الآليات إجراء تقييم تفاعلي، لكنها تُدخل أيضاً افتراضات تحتاج إلى تدقيق. [3]
هذا مهم لأن بيئة التقييم تؤثر في النتيجة المقاسة. ويجب أن يتحقق المستشفى من كيفية تصرف النظام في ظل المعلومات الناقصة، والروايات المتعارضة، والتأخيرات التشغيلية. ولا تكفي الدقة التشخيصية وحدها لإثبات سلامة المرضى أو جودة العلاج أو فاعلية الفريق السريري.
أعلنت Microsoft عن دراسة مستقبلية بالتعاون مع Beth Israel Deaconess Medical Center، سيتفاعل فيها المرضى مباشرة مع النظام، وستُقارن نتائجه بالتقييمات المستقلة للأطباء. وهذه خطوة تحقق مخططة، وليست دليلاً على تحسن نتائج المرضى بالفعل. [2]
ينبغي للرؤساء التنفيذيين تحديد الفائدة المستهدفة قبل تمويل التطبيق. فقد تكون الفائدة في تجربة أولية للرعاية الصحية هي التعرف الأسرع على حالة مرضية محددة، أو توفير دعم أفضل لمراجعة الحالات الصعبة. عيّنوا المسؤول السريري، واتفقوا على مقاييس النتائج، وحددوا شروط إيقاف التجربة الأولية. وتجنبوا اتخاذ قرارات بشأن أعداد الموظفين اعتماداً على مقارنة في اختبار مرجعي.
ينبغي لرؤساء التقنية بناء التقييم حول سير العمل المقصود. قارنوا بين العملية الحالية، والذكاء الاصطناعي الذي يعمل منفرداً في بيئة مضبوطة، والأطباء الذين يستعينون به. استخدموا حالات تمثل الخدمة المقترحة. وافحصوا التشخيصات الخطيرة التي فات اكتشافها، والفحوص غير الضرورية، والوقت اللازم لاتخاذ القرار، وعبء مراجعة التوصيات. واعرضوا النتائج للفئات المعنية من المرضى، إلى جانب المتوسط العام.
ابدؤوا بتقييم استعادي باستخدام بيانات تخضع لحوكمة مناسبة. وإذا دعمت الأدلة الانتقال إلى المرحلة التالية، فادرسوا إجراء دراسة مستقبلية خاضعة للإشراف، بقيادة سريرية ومع الموافقات المطلوبة. واجعلوا صلاحية طلب الفحوص أو تغيير العلاج محددة بوضوح. وحددوا متى يجب أن يُحيل النظام القرار إلى الطبيب، وكيف يستطيع الطبيب تجاوز توصيته.
اشترطوا أدلة قابلة للتتبع للتوصيات، ووصولاً مضبوطاً إلى معلومات المرضى، وسجلاً لإصدار النموذج وسير العمل المستخدمين. وأعيدوا التقييمات ذات الصلة عندما يتغير أي منهما. فالتجربة الأولية الناجحة تحتاج إلى عملية تشغيلية تكشف تراجع الأداء وتتيح سحب النظام من الاستخدام عند الحاجة.
ينبغي للقادة الماليين التمييز بين التكاليف التقديرية للفحوص والوفورات المحققة فعلياً. وأدرجوا تكاليف التكامل، والمراجعة السريرية، والمراقبة، والتقييم المستمر ضمن دراسة الجدوى. ويجب تقييم أي وفر إلى جانب عواقب التشخيصات الفائتة والفحوص التي يمكن تجنبها.
يفيد الانضباط التقييمي نفسه عند النظر في استخدام الذكاء الاصطناعي لمطالبات التأمين، أو استثناءات المشتريات، أو التحقيق في الحوادث. وتحتاج هذه التطبيقات إلى أدلتها الخاصة. فلا يمكن لاختبار مرجعي طبي أن يثبت صلاحية سير عمل مالي أو تشغيلي.
يمنحنا MAI-DxO سبباً لفحص كيفية طلب الذكاء الاصطناعي للأدلة، ومراجعته لموقفه، وتحديده وقت التوقف. وستتوقف القيمة المؤسسية على ما إذا كانت هذه السلوكيات تحسن خدمة محددة في ظروف التشغيل الفعلية.
إذا كنتم بصدد الموافقة على تجربة أولية للذكاء الاصطناعي الطبي، فما الأدلة التي ستطلبونها قبل السماح لتوصياته بالتأثير في رعاية المرضى؟
فكّروا بمنهج رياضي. صمّموا الحلول الهندسية بذكاء. قودوا باستراتيجية. ابنوا بمسؤولية. توسّعوا عالمياً. اصنعوا قيمة تجارية حقيقية من خلال الذكاء الاصطناعي.
Think mathematically. Engineer intelligently. Lead strategically. Build responsibly. Scale globally. Create real business value through artificial intelligence.
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 October 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. SDBench documentation. https://microsoft.github.io/sdbench/
