عندما يدخل AI model إلى قسم الباثولوجي لا يبدأ السؤال من شاشة جميلة أو رقم دقة منشور في ورقة. يبدأ من حالة عمل عادية: WSI تصل إلى قائمة الطبيب، النموذج يضع علامة على منطقة مشتبه بها، أو يعطي قياسا كميا في IHC، أو يقترح أولوية لحالة تحتاج قراءة أسرع. في هذه اللحظة يصبح القرار أخلاقيا وتشغيليا في الوقت نفسه.
المقال المنشور في Journal of Pathology Informatics بتاريخ 11 آب 2026 يناقش إرشادات أخلاقية لاستخدام تطبيقات AI في الباثولوجي، اعتمادا على إطار عمل مستقبلي داخل مركز أكاديمي كبير للرعاية المتقدمة. أهمية الموضوع لطبيب الباثولوجي تأتي من مكانه العملي: كثير من الأقسام صارت تتعامل مع WSI، image management system، وربط مع LIS، لكن إدخال AI إلى هذا الخط يضيف مسؤوليات جديدة حول التحيز، حدود الاستخدام، المراقبة، والموافقة المحلية على تشغيل النموذج.
الاعتماد على AI يبدأ من تعريف المهمة
أي نموذج يدخل إلى المختبر يجب أن يكون له سؤال محدد. هل يساعد في triage؟ هل يقيس biomarker؟ هل يرصد mitosis؟ هل يقترح مناطق للمراجعة؟ الخطر يبدأ عندما يتحول النموذج إلى أداة عامة داخل مسار تشخيصي من دون وصف واضح للقرار الذي يؤثر فيه.
طبيب الباثولوجي يحتاج معرفة موقع المخرجات داخل مسار الحالة. نتيجة النموذج التي تظهر قبل القراءة الأولى تختلف عن نتيجة تظهر بعد التوقيع الأولي. التنبيه الذي يغيّر ترتيب worklist يختلف عن قياس يدخل في التقرير. كل موضع له أثر مختلف على انتباه الطبيب، وقت الحالة، وتوثيق القرار.
التحيز في الباثولوجي ليس فكرة نظرية
التحيز قد يظهر من اختلافات scanner، stain، thickness، نوع العينة، أو مصدر البيانات التي تدرب عليها النموذج. في قسم يعتمد على أكثر من جهاز أو يستقبل عينات من مستشفيات مختلفة، قد يعطي النموذج أداء جيدا في مجموعة واحدة ثم يضعف في مجموعة أخرى. لذلك لا يكفي رقم الأداء العام المنشور في الورقة أو ملف الشركة.
الفحص المحلي يجب أن يقطع البيانات إلى شرائح مفهومة للطبيب: نوع العينة، العضو، طريقة الصبغ، مصدر المستشفى، وجود artifact، ودرجة صعوبة الحالة. إذا كان النموذج يعمل على prostate أو breast أو GI، فالسؤال العملي هو: أين يفشل داخل الحالات التي نراها نحن؟ هذا السؤال أقرب إلى سلامة المريض من متوسط AUC واحد.
المسؤولية الطبية تبقى داخل التقرير
إدخال AI لا يغيّر ملكية القرار التشخيصي. التقرير النهائي يحمل توقيع الطبيب، لذلك يجب أن تكون مخرجات النموذج قابلة للمراجعة. صندوق أسود يعطي نتيجة رقمية بلا overlay مفهوم، بلا مصدر داخل WSI، وبلا سجل يوضح النسخة المستخدمة، سيصعب الدفاع عنه عند اختلاف القراءة أو ظهور اعتراض سريري.
المطلوب ليس فتح كل حساب داخلي للنموذج. المطلوب واجهة تسمح للطبيب برؤية ما اعتمد عليه النظام، مقارنة النتيجة مع morphology وIHC والمعلومات السريرية، ثم قبول المخرجات أو رفضها مع سبب واضح عند الحاجة. هذا مهم خاصة في القياسات التي قد تؤثر على علاج أو أهلية المريض لدراسة سريرية.
الموافقة المحلية أهم من شراء النظام
القسم الذي يشتري AI model جاهزا ما زال يحتاج سياسة داخلية قبل التشغيل. من سيختبر النموذج؟ ما حجم العينة المحلية؟ من يراجع الحالات الخلافية؟ كيف تُسجل الأخطاء؟ متى يتوقف النموذج مؤقتا؟ هذه الأسئلة يجب أن تكون جزءا من governance قبل أن تظهر النتائج للطبيب في العمل اليومي.
المقال يلفت الانتباه إلى الدروس القادمة من إطار عمل مستقبلي داخل مركز أكاديمي كبير. هذا النوع من الأطر مهم لأنه يتعامل مع AI كجزء من نظام رعاية، لا كبرنامج منفصل. في الباثولوجي، النظام يشمل WSI acquisition، QC، LIS، التخزين، واجهة الطبيب، أمن البيانات، والتدريب المستمر للمستخدمين.
ما الذي يراقبه القسم بعد التشغيل؟
بعد الإطلاق، المتابعة يجب أن تكون مستمرة. أداء النموذج قد يتغير مع تبديل scanner، تحديث بروتوكول الصبغ، تغيير مورد الكواشف، أو دخول نوع جديد من العينات. لذلك يحتاج القسم مؤشرات تشغيلية بسيطة: عدد الحالات التي استخدم فيها النموذج، معدل رفض المخرجات، الحالات التي احتاجت تصحيحا، أثره على TAT، وأي اختلاف بين الأطباء في الاعتماد عليه.
هذه المؤشرات لا تخدم الإدارة فقط. هي تساعد طبيب الباثولوجي على معرفة حدود الأداة داخل القسم. إذا كان النموذج يضيف وقتا في حالات معينة أو يرفع إنذارات كثيرة بلا فائدة، فالنتيجة العملية تختلف عن وعد الشركة أو نتيجة الورقة.
الدرس العملي لطبيب الباثولوجي
قيمة الإرشادات الأخلاقية تظهر عندما تتحول إلى أسئلة يومية قبل اعتماد أي AI model: ما المهمة؟ أين يدخل في workflow؟ ما بيانات التحقق المحلية؟ من يملك قرار القبول أو الرفض؟ كيف نوثق الخطأ؟ كيف نعرف أن الأداء لم يتغير بعد تحديثات المختبر؟
هذه الأسئلة تجعل AI جزءا منظما من ممارسة الباثولوجي الرقمي، وتمنع انتقاله من تجربة جذابة إلى عبء غير واضح على الطبيب. بالنسبة للأقسام التي تفكر في WSI وAI خلال السنوات القريبة، البداية المناسبة هي بناء سياسة تشغيلية صغيرة قابلة للتطبيق، ثم اختبار نموذج واحد في مهمة واحدة، قبل توسيع الاستخدام إلى أكثر من مسار تشخيصي.
المصدر: Journal of Pathology Informatics. DOI: 10.1016/j.jpi.2026.100706.