DermaGPT إطار متعدد الوسائط موزع مع دالة ثقة مُتعلمة ميتا لتشخيصات الجلد القابلة للتفسير

لماذا تهم فحوصات الجلد الأذكى

تؤثر مشاكل الجلد على مليارات الأشخاص، ومع ذلك تفتقر العديد من المجتمعات إلى أطباء جلدية أو تكاد تكون بلاهم. هذا يعني أن الشامات أو الطفح المشبوه قد يُشخّص بشكل خاطئ أو يُعالَج متأخراً، لا سيما في العيادات الصغيرة ذات التكنولوجيا المحدودة. تعرض هذه الدراسة DermaGPT، نظام ذكاء اصطناعي مصمّم لمساعدة الأطباء على اكتشاف أنواع السرطان الشائعة والآفات الأخرى من الصور، مع توضيح أسبابه بلغة بسيطة وحماية خصوصية المرضى.

نوع جديد من المساعد الرقمي للجلد

تم بناء DermaGPT كمساعد ذا عنصرين. أولاً، وحدة الرؤية تنظر إلى صور مقربة للجلد، مأخوذة بكاميرات هواتف ذكية عادية أو بمِجهر الجلد (dermatoscope)، وتُنبئ أيٍّ من بين 11 نوعاً شائعاً من الآفات التي ترى وما إذا كانت على الأرجح حميدة أم خبيثة. ثانياً، وحدة لغوية منفصلة تحول تلك التنبؤات إلى تفسيرات موجهة للمريض ترد على أسئلة مثل ما هو هذا الحالة، ما مدى خطورتها المحتملة، وما العلاجات التي تُؤخذ بعين الاعتبار عادة. عبر فصل «الرؤية» عن «الشرح» يهدف المصمّمون إلى إبقاء جوهر التشخيص مستقراً مع السماح بتحسين أو استبدال جانب الشرح مع مرور الوقت.

مصمم للعيادات الواقعية

بعكس العديد من أنظمة الذكاء الطبي المثيرة للأنظار والتي تعمل فقط على خوادم كبيرة ومكلفة، صُمّم DermaGPT ليكون خفيف الوزن عن قصد. عموده الفقري البصري، المقتبس من نموذج رؤية-لغة من Google، مُعدّل بطريقة تغيّر حوالي واحد بالمئة فقط من معلماته. هذا يجعله سريعاً وبأسعار معقولة بما يكفي للعمل على بطاقات رسومية متواضعة متاحة في المستشفيات. درّب المؤلفون النظام على صور مؤكدة بالخزعة من أربع عيادات خاصة ثم اختبروه على مجموعة بيانات عامة مستقلة من ستانفورد تحتوي على 4452 صورة. في هذا الاختبار الخارجي، حدّد DermaGPT نوع الآفة بشكل صحيح نحو 90 بالمئة من الوقت وفصّل بشكل صحيح بين الآفات الحميدة والخبيثة نحو 93 بالمئة من الوقت.

الحفاظ على البيانات محلياً وتعلّم الثقة بكل موقع

لأن الصور الطبية حساسة، يُدرَّب DermaGPT باستخدام التعلّم الفيدرالي: يحتفظ كل مستشفى بصوره في الموقع ويشارك فقط تحديثات النموذج، لا الصور الخام. مع ذلك تختلف المستشفيات في تركيب المرضى وجودة الكاميرات وألوان البشرة، مما قد يجعل النموذج المشترك أقل موثوقية. للتعامل مع ذلك أضاف المؤلفون دالة ثقة مُتعلمة ميتا تقدر مدى موثوقية تحديثات كل عيادة، استناداً إلى مقاييس مثل عدم اليقين، والمعايرة، وعلامات تحول البيانات. أثناء التدريب تُعطى التحديثات القادمة من مواقع أكثر معايرة واتساقاً وزنًا أعلى، بينما تُخفّض أوزان المواقع الأكثر ضوضاءً. حسّن هذا المخطط «الواعي بالثقة» كل من الدقة وموثوقية درجات الثقة في النموذج، خصوصاً في أكثر المواقع تحدّياً التي تضم تنوعاً أكبر لألوان البشرة.

شرح التشخيصات بلغة يومية

لإعداد الشروحات يدخل DermaGPT تنبؤاته في عدة نماذج لغوية كبيرة ويقارن أداءها. كما يستخدم وحدة «استرجاع متقدم» تسحب مقاطع قصيرة من مصادر جلدية مختارة بعناية على الإنترنت وتزوّد النموذج اللغوي بها كسياق. قيّم أربعة أطباء جلدية معتمدين جودة الإجابات الناتجة من حيث الوضوح والفائدة والأساس الواقعي ومدى احتمال استخدامهم أداة كهذه. عبر جميع النماذج، جعلت إضافة خطوة الاسترجاع الشروحات أكثر غنى وأقل عرضة للادعاءات غير المدعومة. برز نموذج واحد اسمه DeepSeek-V3، إذ أنتج الشروحات الأعلى تقييماً بينما اعتمد بنية فعالة نسبياً تُنشط جزءاً فقط من عصبوناته لكل استجابة.

الفوائد والتحفظات وما هو قادم

بشكل عام يظهر DermaGPT أنه من الممكن بناء مساعد لتشخيص الجلد يكون سريعاً ودقيقاً ويوعيَة بالخصوصية وقادراً على شرح نفسه بمصطلحات بشرية. لا يحلّ محل أطباء الجلد؛ بل يهدف إلى مساعدة غير المتخصصين في فرز الحالات، ودعم الإرشاد، وتمديد التوجيه على مستوى الخبراء إلى عيادات تفتقر للأخصائيين. يؤكد المؤلفون أن بعض المخاطر لا تزال قائمة—مثل الشروحات الواثقة المبنية على تشخيص أساسي خاطئ—وأن هناك حاجة لمزيد من التجارب في العالم الحقيقي. يخططون لتوسيع نطاق الحالات المشمولة، وتحسين التغطية للأمراض النادرة والألوان الجلدية الداكنة، وإضافة ميزات متعددة اللغات والمراقبة الذاتية. إذا تمّت مواجهة هذه التحديات فقد تساعد أنظمة مثل DermaGPT في جعل رعاية الجلد عالية الجودة أكثر وصولاً واتساقاً عبر بيئات رعاية صحية مختلفة جداً.

الاستشهاد: Hashjin, N.M., Amiri, M.H. & Najafabadi, M.K. DermaGPT a federated multimodal framework with a meta learned trust function for interpretable dermatology diagnostics. Sci Rep 16, 7959 (2026). https://doi.org/10.1038/s41598-026-38715-0

الكلمات المفتاحية: الذكاء الاصطناعي في الأمراض الجلدية, كشف سرطان الجلد, التعلّم الفيدرالي, الذكاء الطبي القابل للشرح, دعم اتخاذ القرار السريري