السبت 18 يوليو 2026
“BiomedGPT: ثورة جديدة في عالم الرعاية الصحية بفضل الذكاء الاصطناعي”
استعد لمستقبل مشرق في الرعاية الصحية، حيث يقدم BiomedGPT نموذجًا مبتكرًا يجمع بين تقنيات الذكاء الاصطناعي لتقديم الدعم اللازم للأطباء وتحسين نتائج المرضى.
تم تطوير Biomed GPT، نموذج الذكاء الاصطناعي من جامعة ليهاي، بهدف تحسين نتائج الرعاية الصحية ودعم الأبحاث الطبية. يعتمد النموذج على تقنيات متقدمة مثل معالجة الصور الطبية وفهم اللغة الطبيعية، مما يمكّن الأطباء من اتخاذ قرارات طبية أكثر دقة وفاعلية. يمتاز BiomedGPT بقدرته على التعامل مع مجموعة واسعة من المهام الطبية الحيوية دون الحاجة إلى تطوير نسخ مخصصة لكل مهمة، مما يجعله أداة متعددة الاستخدامات. وقد أُجريت اختبارات على BiomedGPT في مستشفى ماساتشوستس العام، حيث أظهرت النتائج المشجعة فعاليته في البيئات السريرية.
نموذج BiomedGPT يحقق نتائج واعدة في الرعاية الصحية من خلال دعم قرارات الأطباء وتسهيل الأبحاث الطبية
كشفت دراسة حديثة نُشرت في مجلة Nature Medicine عن أداة ذكاء اصطناعي ثورية جديدة تُدعى BiomedGPT، التي طورتها جامعة ليهاي، والتي تعد بتحسين نتائج الرعاية الصحية والأبحاث الطبية الحيوية بشكل غير مسبوق. يتميز BiomedGPT بأنه نموذج مفتوح المصدر يدمج بين الرؤية الحاسوبية وفهم اللغة الطبيعية، مما يجعله “نموذجًا عامًا” قادرًا على أداء مجموعة متنوعة من المهام الطبية الحيوية بكفاءة عالية.
كيف يعمل BiomedGPT ولماذا يُعتبر نقلة نوعية في الذكاء الاصطناعي الطبي؟
يقول ليشاو سون، الأستاذ المساعد في علوم وهندسة الحاسوب بجامعة ليهاي والمؤلف الرئيسي للدراسة: “يجمع BiomedGPT بين نوعين من قدرات الذكاء الاصطناعي، إذ يستخدم كلاً من معالجة الصور وتحليل النصوص ليصبح أداة فعالة لدعم اتخاذ القرارات الطبية”.
يوضح سون أن أحد جوانب النموذج مُدرب على قراءة الصور الطبية، مثل الأشعة السينية، بينما الجانب الآخر مُدرب على فهم النصوص الطبية. هذا التكامل يتيح للنموذج التعامل مع تحديات طبية متعددة من خلال استخدام قاعدة بيانات شاملة من الصور الطبية والتقارير البحثية.
عادةً ما تعتمد نماذج الذكاء الاصطناعي على تدريب خاص لكل مهمة محددة، مثل الكشف عن الأورام في التصوير أو تلخيص الأوراق البحثية. لكن BiomedGPT يعمل كنموذج عام، مما يعني أنه يمكنه معالجة مهام متنوعة دون الحاجة إلى تطوير نسخة متخصصة لكل مهمة. هذه الميزة تجعل منه أداة متعددة الوظائف وقابلة للتكيف مع مختلف التطبيقات الطبية الحيوية.
نتائج متقدمة في 16 مهمة حيوية
تم تطوير BiomedGPT كنموذج أساسي، حيث خضع لتدريب شامل على كميات ضخمة من البيانات الطبية، بما في ذلك الصور والنصوص. ومن خلال تقييمه على 25 مجموعة بيانات تغطي 9 مهام طبية حيوية مختلفة، استطاع النموذج تحقيق 16 نتيجة جديدة مهمة، وأثبت كفاءته في ثلاث مهام إشعاعية من خلال تقديرات خبراء بشريين، مما يبرز قدراته التنبؤية الدقيقة.
يقول كاي زانغ، طالب الدكتوراه في جامعة ليهاي والمؤلف الأول للدراسة: “نشرنا الكود مفتوح المصدر لتمكين الباحثين الآخرين من تطويره وتوسيع نطاق استخدامه في تطبيقات متنوعة.” ويضيف زانغ أن نتائج الدراسة تشير إلى إمكانات كبيرة لتحسين الأداء التشخيصي للأطباء وتسريع سير العمل اليومي.
إمكانات BiomedGPT ودوره المستقبلي في الرعاية الصحية
أحد المجالات المستقبلية التي يمكن أن يساهم فيها BiomedGPT تشمل تفسير الصور الطبية المعقدة، تحليل الأبحاث العلمية، وحتى التنبؤ بتفاعلات الأدوية. يضيف زانغ: “القدرة على التفاعل مع بيانات متنوعة تجعل BiomedGPT أداة مرنة لتحسين تشخيص الأمراض وكفاءة العمليات في المجال الطبي.” وأوضح أن نهج التدريب المتكامل على بيانات متنوعة أثبت فعاليته في تعزيز دقة النموذج، مما يمهد الطريق لتطبيقات مستقبلية واسعة في تحسين الرعاية الصحية.
التحقق السريري وتطبيقات العالم الواقعي
لضمان فعالية BiomedGPT في بيئات الرعاية الصحية الحقيقية، تم إجراء اختبارات شاملة في مستشفى ماساتشوستس العام (MGH). خلال هذه الاختبارات، تم استخدام النموذج في مهام متعددة، مثل الرد على الأسئلة المتعلقة بالصور الطبية وتوليد تقارير الأشعة. وقد أظهر BiomedGPT أداءً متميزًا، مما أكد دقته وصلاحيته للاستخدام السريري.
وشارك في تطوير BiomedGPT باحثون من عدة مؤسسات مرموقة، منها جامعة جورجيا، ومركز سامسونج للأبحاث في أمريكا، وجامعة بنسلفانيا، وجامعة ستانفورد، بالإضافة إلى جامعة تكساس-هيلث ومستشفى الأطفال في فيلادلفيا، مما يعكس التعاون الواسع والمتميز في مجال الذكاء الاصطناعي الطبي.
فوائد التعاون متعدد التخصصات
أكد سون على أهمية التعاون المتعدد التخصصات في تطوير BiomedGPT، حيث شارك خبراء من مجالات علوم الحاسوب، والطب، والأشعة، والهندسة الطبية الحيوية. ساهم كل باحث بخبراته المتخصصة لضمان شمولية النموذج، بدءًا من تطوير الخوارزميات وصولًا إلى التقييمات السريرية.
ويختتم سون حديثه قائلاً: “يمثل BiomedGPT جهدًا جماعيًا حقيقيًا. هدفنا هو تسخير التكنولوجيا لمساعدة الأطباء في اتخاذ قرارات مستنيرة وتحسين رعاية المرضى على نطاق واسع. وندرك أن تأثيره الحقيقي يعتمد على تعاون العلم والهندسة.”
