تبدأ المشكلة داخل المختبر قبل أن تبدأ داخل خوارزمية AI. قائمة الحالات أطول من عدد الأطباء المتاحين، WSI موزعة على أكثر من منصة، بعض النتائج تحتاج مراجعة ثانية، وفريق IT يسأل عن التكامل مع LIS بينما ينتظر الطبيب حالة يجب أن تخرج اليوم. في هذا النوع من اليوم العادي، يصبح الحديث عن الباثولوجي الرقمي أقل ارتباطا بالاستعراض التقني وأكثر ارتباطا بسؤال عملي: كيف نُدخل الأدوات الرقمية من دون أن نزيد عبء طبيب الباثولوجي؟
هذا كان محور نقاشات مؤتمر Transforming Digital Pathology and AI: The Path Forward في إدنبرة خلال مايو 2026، كما عرضته The Pathologist في مقال بعنوان Digital Pathology: the Great Translation Debate. قيمة النقاش هنا أنه لم يتعامل مع AI كبديل للطبيب، ولم يقدمه كحل جاهز لكل مختبر. النقاش عاد إلى التفاصيل التي يعرفها الباثولوجست جيدا: ضغط العمل، نقص الكادر، الأنظمة المنفصلة، كلفة التحول، الحاجة إلى تدريب مستمر، وخطط العمل عند تعطل النظام الرقمي.
عندما يكون نقص الكادر هو نقطة البداية
في أحد استطلاعات الحضور داخل المؤتمر، قال اثنان أو ثلاثة فقط من العاملين في المختبرات إنهم لا يعانون من نقص في الكادر. معظم الحضور وصفوا درجات مختلفة من نقص الأطباء، الإرهاق، أو زيادة أعداد الحالات. هذه نقطة تشغيلية مهمة، لأنها تجعل طبيب الباثولوجي ينظر إلى أي أداة AI من زاوية الوقت، الثقة، ومسار العمل، قبل النظر إلى الدقة النظرية وحدها.
إذا كان المختبر يعاني أصلا من تراكم الحالات، فإن إضافة شاشة جديدة أو منصة جديدة أو خطوات اعتماد إضافية قد تتحول إلى عبء. لذلك يجب أن يبدأ تقييم أي مشروع باثولوجي رقمي من اليوم التشخيصي نفسه: أين يدخل السلايد؟ من يراجع جودة الصورة؟ كيف تُربط WSI بالطلب في LIS؟ متى يظهر تنبيه AI؟ من يراه؟ كيف يوثق الطبيب قراره النهائي؟ هذه الأسئلة الصغيرة هي التي تحدد نجاح المشروع أكثر من العنوان التجاري للأداة.
الأنظمة المنفصلة تجعل AI أبطأ مما يبدو
أحد المحاور المهمة في المقال كان مشكلة المنصات المنفصلة. عندما تكون الصور في نظام، والبيانات السريرية في نظام آخر، ونتائج IHC أو الفحوص الجزيئية في مكان ثالث، لا يحصل طبيب الباثولوجي على مسار عمل واضح. يضطر الطبيب إلى فتح أكثر من نافذة، مقارنة البيانات يدويا، ثم اتخاذ القرار تحت ضغط الوقت.
هنا يظهر الفرق بين نموذج AI يعمل في عرض تقديمي، وأداة تصلح للاستخدام اليومي. النموذج قد يصنف منطقة، يحسب نسبة، أو يقترح أولوية مراجعة، لكن فائدته العملية تعتمد على مكان ظهوره داخل مسار الحالة. إذا ظهر الناتج خارج بيئة القراءة المعتادة، أو احتاج نسخا يدويا إلى التقرير، أو لم يحفظ أثرا واضحا للمراجعة، فسيصبح خطوة إضافية. طبيب الباثولوجي لا يحتاج رقما جميلا خارج السياق. يحتاج نتيجة قابلة للمراجعة، مرتبطة بالسلايد والحالة، وتبقى تحت مسؤوليته المهنية.
AI يبقى أداة تصنيف ومراجعة تحت مسؤولية الطبيب
نقلت The Pathologist عن Hadassah Sade فكرة مهمة عند الحديث عن تحليل الصور: دور AI في هذا السياق هو تصنيف ما يراه الطبيب داخل الصورة. هذه صياغة قريبة من واقع المختبر. كثير من الاستخدامات العملية في الباثولوجي الرقمي تدعم القياس، الفرز، ترتيب الأولويات، كشف مناطق تحتاج انتباها، أو توحيد قراءة مؤشرات معينة تحت إشراف الطبيب.
في حالات IHC مثلا، قد يساعد التحليل الرقمي في قياس النسبة أو توزيع الإشارة، لكن الطبيب يبقى مسؤولا عن صلاحية العينة، جودة الصبغة، اختيار منطقة القراءة، والربط مع morphology والسياق السريري. وفي WSI الخاصة بحالات كبيرة أو متعددة البلوكات، قد يساعد AI في لفت الانتباه إلى مناطق صغيرة، لكن القرار التشخيصي يحتاج عين الطبيب وخبرته في استبعاد artifacts وتفسير النتيجة ضمن الحالة كلها.
هذه النقطة مهمة لأنها تخفف مقاومة بعض الفرق الطبية. الخوف من الاستبدال لا يساعد المختبر على التقييم الهادئ. الطريقة الأفضل هي تحديد المهمة: هل الأداة للفرز؟ للقياس؟ للتحقق من الاتساق؟ لدعم مراجعة ثانية؟ لكل مهمة مستوى مختلف من الدليل، وخطة تحقق مختلفة، وحدود مختلفة في التقرير النهائي.
الكلفة والدليل السريري في طريق الشراء
المقال أشار أيضا إلى أن الكلفة تبقى عائقا واضحا. هذا صحيح في أغلب المختبرات. الباثولوجي الرقمي لا يعني شراء scanner فقط. هناك تخزين، شبكة، عارض صور، تكامل مع LIS، أمن معلومات، تدريب، صيانة، وسياسة واضحة لاستمرارية العمل. وإذا دخل AI إلى المسار، تظهر أسئلة إضافية عن الترخيص، التحديثات، التحقق المحلي، مراقبة الأداء، ومسؤولية القرار.
لهذا لا يكفي أن تقول الشركة إن الأداة دقيقة في دراسة منشورة. يحتاج المختبر إلى دليل أقرب إلى بيئته: نوع العينات، جودة التحضير، أحجام الحالات، الاختلاف بين الأطباء، وطريقة توثيق النتيجة. كما يحتاج مدير المختبر إلى لغة أرقام مفهومة للإدارة: هل تقل مدة قراءة حالات معينة؟ هل تتحسن أولوية الحالات العاجلة؟ هل تنخفض الإعادات بسبب أخطاء ربط الصور؟ هل يصبح التدريب أسهل؟ هذه المقاييس هي التي تنقل المشروع من تجربة محدودة إلى جزء من العمل اليومي.
التحول الرقمي يحتاج خطة تعطل أيضا
طرح الحضور في المؤتمر سؤالا عمليا عن قدرة المختبرات على الاستمرار عند تعطل النظام الرقمي. هذا سؤال يجب أن يسبق التشغيل الواسع. إذا توقف عارض الصور، أو انقطع الاتصال بالتخزين، أو لم تنتقل حالة من LIS إلى منصة WSI، فما المسار البديل؟ من يقرر العودة إلى السلايدات الزجاجية؟ كيف تُوثق الحالات المتأثرة؟ وهل يستطيع الفريق معرفة آخر حالة تمت مراجعتها قبل العطل؟
لا توجد فائدة من مسار رقمي سريع في الأيام الجيدة إذا كان المختبر يتجمد عند أول خلل. يجب أن تتضمن سياسة التشغيل حدود الاعتماد على النظام، آلية الإبلاغ عن الأعطال، تدريب الفريق على العودة المؤقتة إلى المسار التقليدي، وطريقة حفظ القرار الطبي. هذه التفاصيل لا تظهر عادة في العروض التسويقية، لكنها تظهر في يوم العمل الحقيقي.
ما الذي يعنيه هذا لطبيب الباثولوجي؟
أهم ما في هذا النقاش أنه يعيد مركز المشروع إلى الطبيب والمختبر. AI قد يساعد، لكنه لا يصلح وحده مشكلة نقص الكادر، ولا يعالج ضعف التكامل بين الأنظمة، ولا يبني ثقة الفريق إذا كان مسار العمل غير واضح. نجاح الباثولوجي الرقمي يبدأ من اختيار مشكلة محددة داخل المختبر، ثم اختبار أداة مناسبة لها، ثم قياس أثرها على الوقت والجودة والتوثيق.
لذلك، عند تقييم أي مشروع جديد، اسألوا أسئلة مباشرة: أين ستظهر نتيجة AI أثناء قراءة الحالة؟ هل يستطيع الطبيب مراجعة السبب أو المنطقة التي اعتمدت عليها الأداة؟ هل يمكن تجاوز النتيجة وتوثيق السبب؟ هل يتصل النظام مع LIS ومع image management system من دون إدخال يدوي مرهق؟ وهل توجد خطة عند تعطل النظام؟ إذا كانت الإجابات غامضة، فالمشكلة ليست في مقاومة الأطباء للتقنية. المشكلة في تصميم مسار عمل لا يحترم وقت الطبيب ومسؤوليته.
التحول الناجح في الباثولوجي الرقمي لن يأتي من شراء منصة ثم انتظار أن يتكيف المختبر معها. الطريق العملي يبدأ من غرفة القراءة، من قائمة الحالات اليومية، ومن نقاط الاحتكاك التي يواجهها طبيب الباثولوجي كل صباح. عندما تُبنى الأداة حول هذه النقاط، يصبح AI مساعدا مفيدا داخل العمل، لا عبئا جديدا فوق عمل مزدحم أصلا.
المصدر: The Pathologist