هل يمكن للذكاء الاصطناعي تحسين جودة الرعاية الصحية في أفريقيا دون مخاطر على المرضى؟

في أفريقيا جنوب الصحراء، يمثل نقص الكوادر الطبية المؤهلة والوصول المحدود إلى التدريب المستمر تحديًا كبيرًا لجودة الرعاية الصحية. تُظهر حلول تم اختبارها في كينيا أن الذكاء الاصطناعي يمكن أن يوفر دعمًا ثمينًا للأطباء في الخطوط الأمامية. بين يوليو وسبتمبر 2024، تم استخدام نظام مساعد لاتخاذ القرارات الطبية بناءً على الذكاء الاصطناعي في 16 عيادة كينية. يقوم هذا النظام بتحليل سجلات المرضى ويقدم تشخيصات وعلاجًا مناسبًا للسياق المحلي في الوقت الفعلي.

أظهرت النتائج أن النصائح التي يولدها الذكاء الاصطناعي كانت تقريبًا دائمًا متوافقة مع الإرشادات المحلية، حيث لم يتم اكتشاف معلومات خاطئة أو مخترعة إلا في 3٪ من الحالات. غالبًا ما ترتبط هذه الأخطاء باختصارات تم تفسيرها بشكل خاطئ أو بأسماء أدوية، لكنها تظل نادرة. من ناحية أخرى، في ما يقرب من 8٪ من الاستشارات، قدم الذكاء الاصطناعي توصيات محتملة الخطورة، مثل الوصفات غير المناسبة أو التشخيصات غير الكاملة. على الرغم من ذلك، لم يتبع الأطباء دائمًا النصائح المفيدة، حيث قاموا بتعديل قراراتهم في 38٪ فقط من الحالات التي كان من الممكن للذكاء الاصطناعي تحسينها.

سمحت الأداة بتصحيح المخاطر الموجودة في الملاحظات الأولية للأطباء في 8٪ من الاستشارات. ومع ذلك، تم اتباع التوصيات الضارة أكثر من النصائح المفيدة، مما يسلط الضوء على مشكلة في التبني غير المتكافئ. تجاهل الأطباء اقتراحات الذكاء الاصطناعي في 62٪ من الحالات، حتى عندما كانت هذه الاقتراحات يمكن أن تحسن الرعاية.

يبقى تكلفة استخدام هذا النظام منخفضة جدًا، حوالي 0.5 سنت دولار لكل استشارة، مما يجعله في المتناول حتى في البيئات ذات الموارد المحدودة. ومع ذلك، فإن فعاليته تعتمد بشكل كبير على تكيفه مع السياق المحلي. أحيانًا، أضعفت التوصيات غير الملائمة، مثل الأدوية غير المتوفرة أو الفحوصات المستحيلة إجراؤها في المكان، ثقة مقدمي الرعاية.

تظهر هذه التجربة أن الذكاء الاصطناعي يمكن أن يعزز جودة الرعاية في المناطق الأقل خدمة، شريطة دمجه بشكل أفضل مع الواقع المحلي واستخدامه بحذر. التدريب المستمر للأطباء ووجود ضوابط مناسبة أمران أساسيان لتعظيم فوائده مع تقليل المخاطر. هناك حاجة إلى تجارب إضافية لتأكيد تأثيره الفعلي على صحة المرضى.

Crédits

Étude source

DOI : https://doi.org/10.1038/s44360-026-00082-5

Titre : Safety of a large language model-based clinical decision support system in African primary healthcare

Revue : Nature Health

Éditeur : Springer Science and Business Media LLC

Auteurs : Ambrose Agweyu; Paul Mwaniki; Wilkister Musau; Robert Korom; Lynda Isaaka; Conrad Wanyama; Sarah Kiptinness; Najib Adan; Mira Emmanuel-Fabula; Bilal A. Mateen