أصبح الذكاء الاصطناعي القابل للتفسير (Explainable AI – XAI) أحد أهم التحولات في الطب الحديث. خاصة في مجالات الأمراض وتشخيص الأشعة، حيث لم يعد الهدف مجرد تحقيق دقة عالية في التنبؤ. بل الوصول إلى أنظمة يمكن فهم قراراتها وتفسيرها من قبل الأطباء.
هذا التحول جاء استجابة لحاجة أساسية في القطاع الطبي: الثقة، والسلامة، والمسؤولية القانونية في القرارات الحساسة.
في النماذج التقليدية للذكاء الاصطناعي، تعمل الخوارزميات – خاصة الشبكات العصبية العميقة – كـ”صندوق أسود”، تعطي نتيجة تشخيصية دون توضيح كيف وصلت إليها. لكن في المجال الطبي، هذا غير كافٍ، لأن القرار الطبي لا يُبنى على النتيجة فقط. بل على فهم السبب، ومسار التفكير، ومصدر الإشارة داخل الصورة الطبية.
لذلك تطور مجال XAI ليقدم أدوات وتقنيات مثل خرائط التفعيل الحراري (Grad-CAM). وتحليل مساهمة السمات (SHAP)، والتفسير المحلي (LIME)، والتي تُستخدم لتحديد المناطق داخل صور الأشعة التي أثرت في قرار النموذج.
هذه الأدوات أصبحت اليوم جزءًا من الأنظمة البحثية والسريرية في تحليل الأورام، وأمراض الرئة، وأمراض الدماغ، وأمراض القلب.
أولاً: نتائج حديثة في الأشعة الطبية
تشير المراجعات العلمية الحديثة حتى عام 2026 إلى أن XAI أصبح مكونًا أساسيًا في أنظمة التصوير الطبي. وليس إضافة اختيارية. فقد أظهرت الدراسات أن النماذج التي تقدم تفسيرات بصرية للأطباء تحقق قبولًا سريريًا أعلى مقارنة بالنماذج غير التفسيرية. حتى لو كانت دقتها متقاربة.
وفي دراسات تحليل أورام الدماغ والرئة. أظهرت النماذج التي تجمع بين أكثر من تقنية تفسير (مثل Grad-CAM + SHAP + LRP) قدرة أعلى على توضيح مناطق الإصابة بدقة متعددة المستويات: من البكسل إلى المنطقة التشريحية.
كما تشير الأبحاث الحديثة إلى أن أكثر التطبيقات استخدامًا لـ XAI في التصوير الطبي هي:
- الكشف المبكر عن السرطان.
- تشخيص أمراض الرئة مثل الالتهاب الرئوي والأورام.
- تحليل صور الدماغ والأعصاب.
- دعم اتخاذ القرار في الأشعة التشخيصية
ثانياً: لماذا أصبح XAI ضرورة في الطب وليس رفاهية؟
السبب الأساسي هو أن المجال الطبي “عالي المخاطر”. فقرارات خاطئة قد تؤدي إلى علاج غير مناسب أو تأخير في التشخيص. لذلك لا يكفي أن يقول النظام “هناك ورم”، بل يجب أن يوضح:
- أين يقع الورم؟
- ما هي المنطقة التي اعتمد عليها؟
- ما مدى ثقة النموذج في القرار؟
وقد أظهرت الدراسات أن XAI يعزز ما يسمى بـ “الثقة السريرية”. ويزيد من قابلية الأطباء لاعتماد الذكاء الاصطناعي في القرار الطبي، خاصة في الأشعة التشخيصية.
ثالثاً: اتجاهات البحث الحديثة حتى 2026
تشير الأبحاث الحديثة إلى 4 اتجاهات رئيسية:
1. التفسير القائم على الدمج (Hybrid XAI)
دمج أكثر من تقنية تفسير للحصول على رؤية متعددة المستويات للقرار الطبي، بدل الاعتماد على طريقة واحدة فقط.
2. التفسير المرتبط بسير العمل الطبي
لم يعد الهدف “شرح النموذج”، بل “مساعدة الطبيب داخل سير العمل”، مثل دمج التفسير داخل أنظمة PACS في المستشفيات.
3. التقييم الإكلينيكي للتفسير
بدأت الدراسات الحديثة لا تكتفي بجودة الخوارزمية، بل تقيس:
- مدى اتساق التفسير
- مدى فائدته للطبيب
- مدى ارتباطه بالواقع السريري
- 4. XAI + النماذج متعددة الوسائط
- دمج الصور مع التقارير الطبية والبيانات السريرية لتفسير القرار بشكل أكثر شمولية.
رابعاً: التحديات الحالية
رغم التقدم العلمي الكبير، لا تزال هناك تحديات علمية تؤثر على حياة المرضى وهي تحديات أساسية في:
- عدم اتساق التفسيرات: نفس الصورة قد تعطي تفسيرات مختلفة.
- صعوبة التحقق السريري: هل التفسير يعكس فعلاً سبب القرار أم مجرد تقريب بصري؟
- خطر “الثقة الزائفة”: قد يثق الطبيب في تفسير غير دقيق لأنه يبدو مقنعًا بصريًا.
- الحاجة لمعايير تقييم موحدة للتفسير وليس فقط الدقة.
خامساً: مستقبل XAI في الطب (ما بعد 2026)
الاتجاه المستقبلي لا يسير نحو جعل الذكاء الاصطناعي “قابلًا للفهم فقط”، بل نحو بناء أنظمة:
- شفافة
- قابلة للتدقيق
- قابلة للمساءلة
- ومدمجة في القرار الطبي الحقيقي
كما بدأت تظهر مفاهيم جديدة مثل:
- أنظمة ذكاء طبي “موثوقة” Trust-Aware AI
- نماذج تفسير تقيس الثقة وليس فقط التفسير
- دمج XAI مع الحوكمة الطبية والاعتماد التنظيمي
الذكاء الاصطناعي القابل للتفسير لم يعد مجرد اتجاه بحثي، بل أصبح حجر أساس في الذكاء الاصطناعي الطبي الحديث. وفي الأشعة والأمراض تحديدًا، يمثل الفرق بين نظام “ذكي” ونظام “قابل للاستخدام سريريًا”.
ومع استمرار تطور الأبحاث حتى 2026، يتضح أن المستقبل لن يكون للذكاء الاصطناعي الأكثر دقة فقط، بل للذكاء الاصطناعي الذي يمكن للطبيب أن يفهمه، يثق فيه، ويشاركه القرار الطبي بثقة ومسؤولية.
بقلم/ د.دعاء محيي الدين
خبير واستشاري في الذكاء الاصطناعي وعلوم البيانات
عضو هيئة تدريس في الذكاء الاصطناعي