أفادت دراسة حديثة نشرتها مجلة “جاما نيتورك أوبن”، بأن روبوتات الذكاء الاصطناعي العامة تواجه تحديات كبيرة في دقة التشخيص الطبي، لاسيما عند التعامل مع بيانات مرضى غير مكتملة أو غامضة.
حللت الدراسة أداء 21 نموذجاً من نماذج التعلم الآلي لشركات تقنية كبرى، حيث كشفت النتائج عن إخفاق واسع النطاق بمعدلات خطأ تخطت 80% في حالات “التشخيص التفريقي”، وهي المرحلة التي تتطلب استنتاجات دقيقة بناءً على معلومات جزئية.
أوضحت النتائج تحسناً ملموساً في الأداء عند توفر بيانات شاملة، حيث تراجعت معدلات الفشل إلى ما دون 40% في التشخيصات النهائية، بل وتمكنت أفضل النماذج من تحقيق دقة فاقت 90% في البيئات المعلوماتية المكتملة.
خلصت الدراسة إلى ضرورة الحذر من الاعتماد المنفرد على التكنولوجيا في تحديد المشكلات الصحية، مؤكدة أن البيانات غير الواحدة التي يقدمها المستخدمون قد تؤدي إلى نتائج مضللة، مما يبرز أهمية الدور البشري المتخصص في الربط بين الأعراض والتشخيص السليم.
