أظهرت دراسة جديدة أجرتها فرق من جامعة واشنطن في سانت لويس (WashU) أن النماذج الذكية الاصطناعية التي تُبنى بالاعتماد على المعرفة السريرية تتفوق على النماذج الكبيرة المُدرّبة مسبقًا (foundation models) في توقع مرض التهاب العمود الفقري العنقي (CSM)، وهو أحد أكثر الأسباب شيوعًا للخلل في وظائف النخاع الشوكي لدى كبار السن. يُعد CSM نتيجة لانضغاط النخاع الشوكي بسبب التهاب المفاصل في الرقبة، ويتطور تدريجيًا، مما يؤدي إلى أعراض مثل آلام الرقبة، ضعف العضلات، وصعوبة في المشي، لكن تشخيصه غالبًا ما يتأخر لسنوات بسبب عدم انتباه الأطباء إلى الأعراض المبكرة. لحل هذه المشكلة، طوّر الباحثون نموذجًا ذكيًا يعتمد على تحليل سجلات المرضى الإلكترونية لحوالي 2 مليون شخص، باستخدام سبعة نماذج ذكية اصطناعية. استخدم الباحثون بيانات من نظام صحي في سانت لويس وبيانات خارجية كبيرة، بهدف تحديد المرضى المعرضين لخطر الإصابة بـ CSM حتى 30 شهرًا قبل التشخيص السريري. ساهم كل من سالم يكدان، الباحث ما بعد الدكتوراه في قسم جراحة الأعصاب، وبن وارنر، الطالب في الدكتوراه في علوم الحاسوب، في تطوير النموذج، واعتُبرا المؤلفين الرئيسيين. أظهرت النتائج أن النماذج الكبيرة المُدرّبة مسبقًا أظهرت أداءً متفوقًا داخل مجموعة بيانات كبيرة ومتنوعة، لكنها فشلت في التعميم عند تطبيقها على أنظمة صحية مختلفة. في المقابل، نماذج أصغر تم تصميمها بناءً على معرفة سريرية حقيقية، وتركزت على المتغيرات الأكثر صلة، أظهرت أداءً أكثر اتساقًا وموثوقية عبر أنظمة صحية متعددة. كما أن النماذج المتوسطة الحجم أظهرت أداءً متوسطًا في جميع الفترات الزمنية المدروسة. يوضح جاكوب غرينبرغ، الأستاذ المساعد في جراحة الأعصاب، أن الهدف كان تحديد المرضى في مرحلة مبكرة بما يكفي لتقديم تدخلات علاجية فعّالة. وأضاف أن النموذج الصغير، رغم بساطته، حقق أداءً مماثلًا أو أفضل من النماذج الكبيرة، بفضل دمج المعرفة السريرية في بنائه. ويؤكد تشاينيان ليو، الأستاذ ورئيس معهد الذكاء الاصطناعي للصحة، أن التحدي الأكبر في نماذج الذكاء الاصطناعي في الطب هو التعميم، وتشير النتائج إلى أن دمج المعرفة الطبية في تطوير النماذج يُعزز من كفاءتها وموثوقيتها، خاصة في الحالات المعقدة مثل CSM. النتائج تُظهر أن الاعتماد فقط على البيانات الكبيرة لا يكفي، وأن المعرفة السريرية لا تزال عنصرًا أساسيًا لتطوير أدوات ذكاء اصطناعي موثوقة وقابلة للتطبيق في الواقع السريري.