لماذا تفشل مشاريع ذكاء الباثولوجيا بعد نجاح النموذج؟

في كثير من مشاريع الذكاء الاصطناعي داخل الباثولوجيا، لا تأتي لحظة الفشل عند اختبار النموذج. تأتي بعدها، عندما يعرض الفريق نتيجة مقنعة ولا يعرف أحد من يملك قرار استخدامها في العمل اليومي. هذا هو لب المقال الذي نشره الدكتور Luis Cano في Beyond the Slide بعنوان “The Problem Is Not the Model. It’s the Meeting After the Model.” الفكرة تستحق الوقوف عندها لأنها تلمس نقطة نراها في المختبرات أكثر مما نحب أن نعترف.

النموذج قد يعطي تنبؤاً صالحاً. الشريحة الرقمية واضحة. التحليل النسيجي أو المكاني متماسك. ومع ذلك ينتهي الاجتماع بطلب مزيد من البيانات، أو تجربة إضافية، أو عرض آخر أمام لجنة أخرى. لا يحدث ذلك دائماً بسبب ضعف الدليل. أحياناً يحدث لأن القرار التالي يحمل مسؤولية واضحة، ولا يوجد شخص أو جسم تنظيمي مستعد لتحملها.

الاعتماد يبدأ من القرار، لا من الخادم

الحديث عن الذكاء الاصطناعي في الباثولوجيا يميل إلى التركيز على الأداء: الحساسية، النوعية، AUC، التوافق بين القراء، أو قدرة النموذج على التعامل مع تنوع التلوين والماسحات. هذه المقاييس ضرورية، لكنها لا تجيب وحدها عن سؤال الاعتماد. اختصاصي الباثولوجيا يحتاج إلى معرفة ما الذي سيحدث عندما يعطي النظام مخرجه داخل المسار التشخيصي.

هل يغيّر ترتيب الحالات؟ هل يطلب IHC إضافياً؟ هل يرفع حالة إلى مراجعة ثانية؟ هل يدخل في تقرير تشخيصي؟ من يوقفه عند خلل واضح؟ ومن يملك حق تجاهل النتيجة؟ إذا بقيت هذه الأسئلة بلا إجابة، فالمشروع سيبقى عرضاً جيداً في اجتماع، لا أداة مستخدمة على منصة العمل.

المقال يذكر فجوة لافتة: نسبة كبيرة من المختبرات تملك أجهزة WSI، لكن الاستخدام الروتيني اليومي أقل بكثير. الرقم الدقيق يختلف بين الأنظمة الصحية، لكن المعنى مألوف. شراء الماسح لا يعني أن المختبر أصبح رقمياً. وتركيب نموذج AI لا يعني أن التشخيص تغيّر.

شلل الدليل الزائد

أحد أنماط الفشل التي وصفها المقال هو طلب دليل جديد كلما اقترب الفريق من القرار. في البداية يكون الطلب علمياً ومشروعاً: نحتاج مجموعة تحقق خارجية، أو مقارنة بين ماسحات، أو تحليل أداء حسب نوع العينة. بعد حد معين يتحول الطلب إلى تأجيل منظم.

في الباثولوجيا، هذا النمط يظهر عندما يقدم الفريق نموذجاً ناجحاً في فرز الحالات، قياس واسم حيوي، أو تحديد مناطق مشتبهة، ثم تبدأ حلقة لا تنتهي من الأسئلة: ماذا عن لون مختلف؟ ماذا عن بروتوكول تثبيت آخر؟ ماذا عن جهاز آخر؟ بعض هذه الأسئلة مهم. لكن إذا لم يكن هناك معيار مسبق يقول متى يصبح الدليل كافياً لاتخاذ قرار محدود وآمن، فلن يصل المشروع إلى العيادة.

المشكلة هنا ليست حب الدقة. الدقة مطلوبة في التشخيص. المشكلة أن غياب عتبة قرار واضحة يجعل الفريق يخلط بين التحقق العلمي وبين الهروب من المسؤولية. لكل أداة يجب أن توجد نقطة توقف: إذا حققت هذه المعايير، تدخل في هذا الاستخدام المحدد، تحت هذه المراقبة، مع هذه الصلاحيات.

نية موجودة وصلاحية غائبة

النمط الثاني أكثر إزعاجاً لأنه يحدث في فرق متحمسة. الجميع يوافق على أن الأداة مفيدة. قسم الباثولوجيا يريدها. المعلوماتية الصحية لا تعارضها. الإدارة ترى قيمتها. ومع ذلك لا تصل الموافقة النهائية. لا يوجد خلاف علمي حقيقي، لكن لا أحد يحمل تفويضاً كافياً لربط النموذج بقرار تشخيصي أو تشغيلي.

هذا يقتل الحماس ببطء. الفريق الذي بنى النموذج يبدأ بتحديثه وصيانته من دون أثر واضح على العمل. اختصاصيو الباثولوجيا يجرّبونه في جلسات محدودة ثم يعودون إلى المسار القديم. بعد أشهر، يصبح المشروع عبئاً إدارياً بدل أن يكون أداة تخفف الضغط أو تقلل التباين.

في مختبر مزدحم، لا يكفي أن نقول إن النظام مفيد. يجب تحديد صاحب القرار: مدير المختبر، رئيس القسم، لجنة الجودة، مسؤول المعلوماتية، أو فريق مشترك بصلاحيات مكتوبة. من دون هذا التحديد، يتحول الذكاء الاصطناعي إلى ملف مفتوح دائماً.

درس من إنذارات الدعم السريري

استشهد المقال بتجربة نموذج Epic للتنبؤ بالإنتان، حيث ارتفع حجم الإنذارات أثناء موجة COVID-19، وانتهى الأمر بإيقافها لأن الفرق السريرية لم تملك إطاراً واضحاً لترجمة الإنذار إلى إجراء علاجي. المثال من خارج الباثولوجيا، لكنه قريب جداً من واقعنا.

أي نظام يضيف إشارات جديدة إلى يوم اختصاصي الباثولوجيا يجب أن يجيب عن سؤال العبء المعرفي. إذا أضاف النموذج تنبيهات بلا أولوية، أو نتائج بلا مسار، سيصبح مصدراً للضجيج. وإذا كان كل تنبيه يحتاج نقاشاً جديداً، فلن يصمد في مختبر يعمل بمئات الشرائح يومياً.

الأدوات الجيدة لا تكتفي بإنتاج نتيجة. هي تُدخل النتيجة في نقطة محددة من العمل. مثال ذلك: فرز حالات HER2 لمراجعة أسرع، تحديد مناطق ROI قبل القياس، أو اقتراح حالات تحتاج قراءة ثانية ضمن قواعد محددة. الاستخدام الضيق الواضح أفضل من وعود عامة تنتهي في شاشة لا يفتحها أحد.

ما الذي يعنيه هذا لاختصاصي الباثولوجيا؟

على اختصاصي الباثولوجيا ألا يترك مشروع الذكاء الاصطناعي للفريق التقني وحده. النموذج يمس القرار التشخيصي، وترتيب الأولويات، والتوثيق، والمسؤولية المهنية. لذلك يجب أن يكون السؤال الأول عند تقييم أي أداة: أين تدخل في المسار؟ السؤال الثاني: من يملك القرار الناتج عنها؟

إذا كانت الأداة تقيس Ki-67 أو PD-L1 أو تحدد النقائل العقدية، فيجب أن يكون الاستخدام مكتوباً قبل الإطلاق. هل هي أداة مساعدة للقراءة؟ هل تقدم قياساً يدخل التقرير؟ هل تُستخدم للفرز فقط؟ ما حدودها في العينات الضعيفة أو الشرائح ذات artefacts؟ وما خطة إيقافها مؤقتاً إذا تغير الأداء بعد تحديث الماسح أو بروتوكول التلوين؟

هذه ليست تفاصيل إدارية هامشية. هي شروط أمان. وهي أيضاً ما يحمي الأداة من الموت البطيء بعد مرحلة الحماس الأولى.

اختبار عملي قبل شراء أو بناء أي أداة

قبل اعتماد نموذج جديد في مختبر الباثولوجيا، يمكن طرح خمسة أسئلة قصيرة على الفريق. من سيستخدم المخرج؟ ما القرار الذي سيتغير؟ ما الحد الأدنى من الدليل المطلوب قبل التشغيل؟ من يراجع الأخطاء والانحرافات؟ ومتى نقرر أن الأداة فشلت أو تحتاج إعادة ضبط؟

إذا لم يستطع الفريق الإجابة بجمل واضحة، فالمشروع غير جاهز مهما كانت منحنيات الأداء جميلة. وقد يكون من الأفضل تشغيله في نطاق أضيق: نوع عينة واحد، مؤشر واحد، أو خطوة عمل واحدة. النجاح المحدود القابل للقياس أكثر فائدة من مشروع كبير لا يملك باب دخول إلى الروتين.

خلاصة مهنية

المقال يضع إصبعه على عيب شائع في مشاريع AI الطبية: نبالغ في هندسة النموذج ونؤجل هندسة القرار. في الباثولوجيا تحديداً، هذا الخلل مكلف لأن المخرج التشخيصي لا يعيش في فراغ. يعيش داخل تقرير، لجنة أورام، تجربة سريرية، أو قرار علاج.

لهذا يحتاج كل مشروع ذكاء اصطناعي إلى مسار قرار مكتوب بالوضوح نفسه الذي نطلبه من بروتوكولات التلوين وضبط الجودة. من دون ذلك، سيبقى النموذج ناجحاً في العرض، غائباً عن التشخيص.

المصدر: Beyond the Slide