نظام وكيلي لتشخيص الأمراض النادرة مع استدلال قابل للتتبع

لماذا يهم اكتشاف الأمراض النادرة بسرعة أكبر

بالنسبة للعائلات التي تعيش مع أمراض نادرة، قد يستغرق الوصول إلى اسم الحالة سنوات من المواعيد والآراء المتضاربة والنهايات المسدودة. تؤخر هذه «الملحمة التشخيصية» الطويلة بدء العلاج، وتستنزف المدخرات وتترك المرضى في حالة من الانتظار. تقدم هذه الدراسة DeepRare، نظاماً للذكاء الاصطناعي مصمماً ليعمل كزميل رقمي للأطباء. يهدف إلى اكتشاف الأمراض النادرة في مراحل أبكر وشرح مسار تفكيره بطريقة يمكن للأطباء التحقق منها والثقة بها.

مساعد رقمي جديد من نوعه للأطباء

تم تصميم DeepRare ليعمل بطريقة مماثلة لعمل العيادات الحقيقية. يستطيع قراءة ملاحظات العيادة الحرة النص، وقوائم الأعراض المهيكلة ونتائج اختبارات الجينات الحديثة، ثم تحويل كل ذلك إلى قائمة مصنفة من الاحتمالات المرضية النادرة. وعلى خلاف العديد من الأدوات الحالية التي تعيد قائمة أسماء فقط، ينتج DeepRare سلسلة استدلالية خطوة بخطوة تربط كل اقتراح بأوراق طبية، وقواعد بيانات خبراء وحالات سابقة مماثلة. هذا يعني أن الممارس يمكنه رؤية ليس فقط ما يوصي به النظام، بل لماذا يوصي به.

كيف يفكر النظام في كل حالة

تحت الغطاء، يُنظّم DeepRare كنظام «متعدد الوكلاء». في مركزه نموذج لغوي قوي يعمل كمنسق، يقرر ماذا يفعل بعد ذلك مع وصول معلومات جديدة. تحيط به وحدات مساعدة متخصصة: بعضها ينظف ويقنن الأعراض، وبعضها يبحث في الأدبيات الطبية وبنوك حالات الأمراض النادرة، وأخرى تفسر قوائم طويلة من متغيرات الجينات. لكل مريض، يدور DeepRare في حلقات تجمع الأدلة، وتقترح التشخيصات ثم تعيد فحص أفكارها الخاصة. إذا وجد مشاكل في تفسير مرشح، فإنه يعود للبحث عن أدلة أفضل بدلاً من المضي قُدماً بتخمين ضعيف.

اختبار DeepRare في العالم الحقيقي

اختبر الباحثون DeepRare على 6,401 حالة مرضية مأخوذة من تسعة مصادر مختلفة، بما في ذلك مجموعات بيانات عامة كبيرة، وتقارير حالات عبر الإنترنت وأربعة مستشفيات رئيسية في أوروبا وأمريكا الشمالية والصين. غطّت هذه الحالات معاً 2,919 مرضاً نادراً مميزاً عبر 14 جهازاً عضوياً، من اضطرابات الدماغ إلى أمراض الكلى. باستخدام أوصاف الأعراض المهيكلة فقط، وضع DeepRare المرض الصحيح في المرتبة الأولى نحو 57% من الحالات—أكثر بأكثر من 20 نقطة مئوية من أفضل طريقة منافسة وبفارق كبير عن أدوات مستخدمة على نطاق واسع مثل PhenoBrain وPubCaseFinder. عندما كانت نتائج تسلسل الجينات متاحة أيضاً، ارتفعت دقة DeepRare في التصنيف الأولي إلى نحو 69%، متفوقاً على أداة وراثية رائدة تسمى Exomiser في مجموعتين مستقلتين من المستشفيات.

مقارنة الذكاء الاصطناعي بالأخصائيين البشر

للاختبار ما إذا كانت أداءات DeepRare ستصمد أمام أخصائيين بشريين، أجرى الفريق مقارنة مواجهة باستخدام 163 حالة صعبة من مستشفى أطفال. طُلب من خمسة أطباء لديهم أكثر من عقد من الخبرة في الأمراض النادرة اقتراح ما يصل إلى خمسة تشخيصات محتملة لكل حالة، باستخدام محركات البحث ولكن دون الاستعانة بالذكاء الاصطناعي. تلقى DeepRare نفس معلومات الأعراض. لم يكتفِ النظام بمضاهاة أداء الأطباء عندما سُمح له بخمس تخمينات، بل تفوق فعلاً في دقته للتنبؤ الأولي الوحيد. كما فحصت مجموعة أخرى من عشرة أطباء أمراض نادرة سلاسل استدلال النظام لـ180 حالة ووصفت أكثر من 95% من الأدلة التي استشهد بها بأنها دقيقة وذات صلة، مما يشير إلى أن تفسيراتها موثوقة طبياً وليست «رواية» اصطناعية فحسب.

لماذا يغير الاستدلال القابل للتتبع قواعد اللعبة

بجانب الدقة الخام، يرى المؤلفون أن DeepRare قد يعيد تشكيل طريقة التحقيق في الأمراض النادرة. لأن النظام يربط كل خطوة من تفكيره بالمصادر الطبية والمرضى المماثلين، يمكنه تقليص الوقت الذي يقضيه الطبيب في البحث عبر الأدبيات أو قواعد الحالات بشكل كبير. وأداءه القوي عبر أجهزة عضوية متعددة يعني أنه يمكن أن يساعد الأطباء غير المتخصصين على التعرف على حالات نادراً ما يروها، خصوصاً في مستشفيات تفتقر إلى مراكز متخصصة للأمراض النادرة. تشير الدراسة إلى تحديات مفتوحة، مثل التضارب بين المتلازمات المتشابهة والحاجة لتوسيع النظام نحو الكشف المبكر وتخطيط العلاج. ومع ذلك، توحي النتائج بأن زملاء الذكاء الاصطناعي المصممين بعناية مثل DeepRare قد يقصرون الملحمة التشخيصية لآلاف العائلات بجعل الأمراض النادرة أسهل على الإدراك والاستدلال في الممارسة السريرية اليومية.

الاستشهاد: Zhao, W., Wu, C., Fan, Y. et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature 651, 775–784 (2026). https://doi.org/10.1038/s41586-025-10097-9

الكلمات المفتاحية: تشخيص الأمراض النادرة, الذكاء الاصطناعي الطبي, نماذج اللغة الكبيرة, دعم القرار الإكلينيكي, الطب الجينومي