ديب رير: الذكاء الاصطناعي الصيني الذي يتفوق على الأطباء في تشخيص الأمراض النادرة

ثلاثمئة مليون شخص حول العالم يعيشون مع أمراض نادرة، أغلبهم يقضون في المتوسط خمس سنوات أو أكثر في دوّامة من الإحالات والتشخيصات الخاطئة قبل أن يعرف أحدهم اسم المرض الذي يُعانيه. هذه المأساة الرقمية دفعت باحثين في شنغهاي إلى طرح سؤال جذري: هل يمكن للذكاء الاصطناعي أن يختصر هذه الرحلة؟ الجواب جاء في دراسة موثقة، ومحكّمة، ومنشورة في أرقى المجلات العلمية على وجه الأرض.

DeepRare تشخيص أمراض نادرة : تفوق رقمي يُقلق الأوساط الطبية

في أول اختبار مرجعي شامل، قيّم الباحثون “ديب رير” على 6,401 حالة سريرية مؤكدة التشخيص مُسبقاً، مزوّدين النظام بنفس بيانات الأعراض والتحاليل الجينية التي أُتيحت أصلاً للأطباء البشريين. النتائج كانت لافتة: النظام لم يتفوق فحسب على 15 أداة تشخيصية معتمدة عالمياً، بل خرج من المقارنة المباشرة مع خبراء بشريين متمرسين بنتيجة مثيرة للجدل.

في الاختبار الأصعب — مواجهة مباشرة مع خمسة أطباء بشريين تجاوزت خبرة كل منهم عشر سنوات على 163 حالة نادرة بالغة التعقيد — حقق “ديب رير” دقة في التشخيص الأول بلغت 64.4%، في حين توقفت دقة الأطباء عند 54.6%. الفارق ليس هامشياً في عالم الطب؛ إنه يُترجم في الواقع إلى تشخيصات صحيحة لمزيد من المرضى الذين ظلوا بلا إجابة.

آلية العمل: حين يُحاكي الذكاء الاصطناعي “التفكير البطيء” للطبيب

ما يُميّز “ديب رير” عن غيره من أنظمة الذكاء الاصطناعي الطبية ليس الدقة وحدها، بل طريقة الوصول إليها. معظم أنظمة الذكاء الاصطناعي الطبية الحالية تعمل عبر “مطابقة الأنماط” السريعة: تقارن أعراض المريض بقاعدة بيانات وتُخرج احتمالاً. “ديب رير” يسلك مساراً مختلفاً جذرياً، إذ يعتمد على بنية “الوكلاء الذكيين” (Agentic AI) التي تُحاكي ما يصفه علماء الإدراك بـ”التفكير البطيء” — العملية المنهجية التي يسير فيها الطبيب المتمرس خطوة بخطوة.

يبدأ النظام بصياغة فرضيات تشخيصية بناءً على أعراض المريض، ثم يشرع في البحث الذاتي في قواعد البيانات الجينية والمؤلفات الطبية الضخمة للتحقق من كل فرضية أو دحضها، ويُكرر هذه الدورة حتى يصل إلى استنتاج راسخ. والأهم من ذلك أن كل خطوة في هذه العملية موثقة ومرفقة بمراجعها العلمية، في حل جذري لمعضلة “الصندوق الأسود” التي طالما أقلقت الأطباء في تعاملهم مع مخرجات الذكاء الاصطناعي الطبي.

طوق نجاة للمناطق التي تعاني نقص التقنيات الجينية

من أبرز ما كشفت عنه الدراسة أن “ديب رير” لا يعتمد اعتماداً كلياً على توافر البيانات الجينية. في اختبارات أُجريت باستخدام بيانات الأعراض السريرية وحدها — دون أي فحوصات جينية — حقق النظام دقة تبلغ 57.18%، وهو ما يمثل تحسناً بمقدار 23.79 نقطة مئوية على أفضل نموذج دولي سابق في نفس الظروف.

هذه النتيجة تحمل دلالة خاصة لمناطق واسعة من العالم النامي حيث لا تتوفر تقنيات التسلسل الجيني المتقدم في المستشفيات العامة. البروفيسور صن كون، أحد قادة الفريق البحثي، وصف هذه الخاصية بأنها “طوق نجاة” لأطباء الرعاية الأولية الذين يواجهون حالات غامضة بأدوات محدودة، مشيراً إلى أن النظام “يُعوّض جزئياً عن غياب البنية التحتية الجينومية بتعمقه في الأعراض السريرية المتاحة”.

من المختبر إلى العيادة: التحالف العالمي و20 ألف حالة واقعية

لا يكتفي الفريق البحثي بالأرقام المختبرية. منذ إطلاق منصة “ديب رير” الإلكترونية في يوليو 2025، تجاوز عدد المستخدمين المحترفين المسجلين ألف متخصص من أكثر من 600 مؤسسة طبية وبحثية حول العالم، مما يُعطي النظام بعداً تطبيقياً فعلياً متجاوزاً حدود البحث الأكاديمي.

وأعلن الفريق عن تأسيس “التحالف العالمي للذكاء الاصطناعي لتشخيص الأمراض النادرة”، بهدف التحقق من أداء التقنية على أكثر من 20 ألف حالة سريرية واقعية خلال العام الجاري، مع استكشاف شراكات دولية لتوسيع نطاق التجارب. يهدف هذا التحرك إلى تقليص ما يُعرف في الأوساط الطبية بـ”رحلة العذاب التشخيصية” (Diagnostic Odyssey) التي يقطعها المرضى سنوات قبل الحصول على إجابة.

حدود المشهد: نجاح لا يعني استبدال الطبيب

رغم الأرقام اللافتة، يحرص الباحثون على الإبقاء على سقف توقعات معقول. ورقتهم العلمية في نيتشر تُصنّف النظام صراحةً في خانة “دعم القرار التشخيصي” لا “الاستبدال التام للطبيب”. ويُشير الفريق إلى أن جميع الاختبارات جرت في بيئة استعادية (Retrospective) — أي على حالات مؤكدة سابقاً — لا في بيئة سريرية حقيقية تتضمن التفاعل الحي مع المريض وتطور أعراضه.

كما يظل اختبار النظام على 163 حالة في المقارنة مع الأطباء محدوداً إحصائياً، وإن كان يُمثّل نقطة انطلاق موثوقة لدراسات أكبر. والتحدي الحقيقي القادم هو التحقق الاستشرافي (Prospective Validation): كيف سيؤدي النظام في العيادات الحية، على مرضى حقيقيين، في الوقت الفعلي، مع كل ما ينطوي عليه ذلك من متغيرات لا تستطيع قاعدة البيانات وحدها استيعابها؟

السياق الأشمل: سباق عالمي نحو طب الأمراض النادرة الرقمي

يأتي “ديب رير” في سياق تسارع ملحوظ للاستثمار في الذكاء الاصطناعي الطبي المتخصص في الأمراض النادرة. في العام الماضي، طوّر فريق دولي بقيادة كلية الطب بجامعة هارفارد نظام “بوب إيف” (popEVE) المتخصص في رصد الطفرات الجينية الضارة غير الموثقة سابقاً، فيما تُضخّ الشركات الكبرى كـ”غوغل ديب مايند” و”مايكروسوفت” مليارات الدولارات في برامج الاستدلال الجيني.

ما يُميّز “ديب رير” في هذا السباق هو جمعه بين ثلاثة عناصر نادراً ما تجتمع في نظام واحد: دقة تفوق الأدوات المعيارية، وشفافية في التفكير تُذيب الهوة بين الطبيب والآلة، وقدرة على العمل حتى في غياب البنية التحتية الجينومية. إن تجاوز النظام اختبار التطبيق الواقعي الحي، فقد يُمثّل مجلة نيتشر في ذلك بداية سرد طبي جديد — لا إعلاناً عن بحث، بل إيذاناً بحقبة.