الملخص أصبح الذكاء الاصطناعي (Artificial Intelligence – AI) أحد أبرز الاتجاهات الحديثة في مجال التصوير الطبي، ولا سيما من خلال تقنيات التعلم الآلي والتعلم العميق. تستعرض هذه المقالة المبادئ العامة لاستخدام الذكاء الاصطناعي في الصور الطبية وتطبيقاته في تحسين جودة الصور، واكتشاف الآفات، والتصنيف، ودعم سير العمل، وتقليل الجرعة الإشعاعية، وإعادة بناء صور التصوير المقطعي المحوسب (CT). كما تناقش أبرز التحديات المتعلقة بجودة البيانات، وقابلية تعميم النماذج، وقابلية تفسير النتائج، والجوانب الأخلاقية، والحاجة إلى التحقق السريري من كفاءة هذه الأنظمة قبل اعتمادها في الممارسة الطبية. الكلمات المفتاحية الذكاء الاصطناعي؛ التعلم العميق؛ التصوير الطبي؛ التصوير المقطعي المحوسب؛ تحليل الصور؛ دعم القرار السريري. المقدمة أسهم توافر كميات كبيرة من البيانات الرقمية والتطور المتسارع في القدرات الحاسوبية في توسيع نطاق استخدام تقنيات الذكاء الاصطناعي في مجال الرعاية الصحية. وفي التصوير الطبي، تستطيع الخوارزميات تعلم الأنماط والخصائص من الصور الطبية، ثم تطبيق هذه المعرفة في مجموعة متنوعة من المهام، مثل التصنيف، والكشف عن الآفات، وتحسين جودة الصور، وإعادة بنائها. وقد أدى هذا التطور إلى ظهور تطبيقات جديدة يمكنها دعم الأطباء والمتخصصين في تحليل الصور الطبية وتحسين كفاءة العمل، مع ضرورة الحفاظ على الدقة والسلامة والجودة السريرية. من الذكاء الاصطناعي إلى التعلم العميق يشمل الذكاء الاصطناعي مجموعة واسعة من الأساليب والتقنيات التي تهدف إلى تمكين الأنظمة الحاسوبية من تنفيذ مهام تتطلب عادةً قدرات ذكية. ويُعد التعلم الآلي (Machine Learning) أحد فروع الذكاء الاصطناعي، حيث تتعلم الخوارزميات الأنماط والعلاقات من البيانات بدلًا من الاعتماد بصورة كاملة على قواعد مبرمجة مسبقًا. أما التعلم العميق (Deep Learning)، فيعتمد على شبكات عصبية متعددة الطبقات قادرة على تعلم تمثيلات معقدة للصور والبيانات، دون الحاجة إلى تصميم جميع الخصائص والسمات يدويًا. وقد جعلت هذه القدرة التعلم العميق من أهم التقنيات المستخدمة حاليًا في تحليل الصور الطبية. تطبيقات الذكاء الاصطناعي في التصوير الطبي تشمل تطبيقات الذكاء الاصطناعي في التصوير الطبي تحسين جودة الصور وتقليل الضوضاء، والكشف عن الآفات المرضية، وتصنيف الحالات، وتجزئة الصور (Segmentation)، وإجراء القياسات الكمية، وتحديد أولوية الحالات الطبية، واستخراج المعلومات التي قد تساعد في إعداد التقارير الطبية. وتختلف فوائد هذه التطبيقات وفقًا لنوع البيانات المستخدمة، وطبيعة المهمة السريرية، وجودة البيانات التي استُخدمت في تدريب النموذج. لذلك، فإن نجاح نظام معين في مهمة أو مجموعة بيانات محددة لا يعني بالضرورة تحقيق المستوى نفسه من الأداء عند استخدامه في بيئة سريرية أو مجموعة سكانية مختلفة. الذكاء الاصطناعي وتحسين جودة الصور يمكن تدريب خوارزميات التعلم العميق على تقليل الضوضاء، وتحسين المظهر العام للصورة، أو إعادة بناء الصور الطبية. وفي التصوير المقطعي المحوسب (CT)، تشير الدراسات الحديثة إلى أن تقنيات إعادة البناء باستخدام التعلم العميق (Deep Learning Reconstruction) يمكن أن تسهم في تحسين جودة الصور وتقليل الضوضاء، حتى عند استخدام مستويات أقل من الجرعة الإشعاعية. ومع ذلك، يجب تقييم أداء هذه التقنيات وفقًا لكل مهمة تشخيصية، لأن التحسن في المظهر العام للصورة لا يعني بالضرورة تحسن القدرة على اكتشاف جميع العلامات المرضية الدقيقة. الذكاء الاصطناعي وتقليل الجرعة في التصوير المقطعي المحوسب يمكن للذكاء الاصطناعي أن يسهم في تقليل الجرعة الإشعاعية في التصوير المقطعي المحوسب من خلال عدة تطبيقات، مثل تحسين وضعية المريض، وتحديد نطاق المسح، وإعادة بناء الصور، وتقليل الضوضاء. وتشير المراجعات العلمية الحديثة إلى أن هذه التطبيقات قد تساعد في تقليل بعض مصادر التعرض الإشعاعي غير الضروري. ومع ذلك، تعتمد النتائج على عوامل متعددة، من بينها بروتوكول التصوير المستخدم، ونوع جهاز التصوير المقطعي، وخصائص المريض، والمهمة السريرية المطلوبة. لذلك يجب تقييم تقنيات تقليل الجرعة بصورة دقيقة قبل تطبيقها بصورة واسعة. التحديات العلمية تواجه تطبيقات الذكاء الاصطناعي في التصوير الطبي مجموعة من التحديات العلمية والتقنية المهمة، من أبرزها الاختلافات بين أجهزة التصوير، والمجموعات السكانية، وبروتوكولات التصوير المستخدمة في المؤسسات الطبية المختلفة. كما تشمل التحديات عدم توازن مجموعات البيانات، والحاجة إلى بيانات عالية الجودة وموسومة بدقة، بالإضافة إلى احتمال انخفاض أداء النموذج عند تطبيقه في بيئة تختلف عن البيئة التي استُخدمت في تدريبه. وقد تؤدي بعض تطبيقات إعادة بناء الصور المعتمدة على الذكاء الاصطناعي أيضًا إلى إنتاج معلومات غير صحيحة أو تراكيب اصطناعية لا تمثل البنية الحقيقية للأنسجة، مما يتطلب تقييمًا دقيقًا ومراقبة مستمرة. الاعتبارات الأخلاقية والسريرية تتطلب أنظمة الذكاء الاصطناعي الطبية مستوى مناسبًا من الشفافية والحوكمة وحماية البيانات والتحقق السريري. وتؤكد منظمة الصحة العالمية (WHO) ضرورة تطوير واستخدام تقنيات الذكاء الاصطناعي في المجال الصحي بطريقة آمنة وأخلاقية، مع حماية سلامة الإنسان واستقلاليته وتحقيق العدالة في الاستفادة من هذه التقنيات. كما ينبغي ألا يقتصر تقييم أنظمة الذكاء الاصطناعي على دقتها التقنية فقط، بل يجب دراسة تأثيرها السريري ومدى موثوقيتها وقابليتها للتفسير ومدى ملاءمتها للبيئة الطبية التي ستُستخدم فيها. الدور المستقبلي للفيزيائي الطبي سيكون للفيزيائي الطبي دور مهم في تقييم تقنيات الذكاء الاصطناعي المستخدمة في التصوير الطبي والتحقق من أدائها وسلامتها. ويشمل هذا الدور تقييم جودة الصور، وقياس مستويات الضوضاء والتباين والجرعة الإشعاعية، ومقارنة الخوارزميات الحديثة بالطرق التقليدية، والتحقق من ثبات الأداء في الظروف السريرية المختلفة. كما سيكون من الضروري مراقبة أي تغيرات في أداء الأنظمة بعد تحديث البرمجيات أو الخوارزميات، بما يضمن استمرار جودة الصور وسلامة المرضى وتحقيق الفائدة التشخيصية المطلوبة. الخاتمة يمتلك الذكاء الاصطناعي إمكانات كبيرة لتطوير مجال التصوير الطبي وتحسين جودة الصور ودعم اكتشاف الأمراض وتحليل البيانات وتقليل الجرعة الإشعاعية في بعض التطبيقات. ومع ذلك، فإنه لا يُغني عن التقييم العلمي والسريري ولا يحل محل الخبرة البشرية المتخصصة. وينبغي أن يعتمد دمج الذكاء الاصطناعي في التصوير الطبي على التحقق المستقل من الأداء، واستخدام بيانات عالية الجودة، والمراقبة المستمرة للأنظمة، والفهم الواضح لإمكاناتها وحدودها. ومن خلال التعاون بين الأطباء والفيزيائيين الطبيين والمتخصصين في الذكاء الاصطناعي والهندسة الطبية، يمكن الاستفادة من هذه التقنيات بطريقة أكثر أمانًا وفعالية، بما يسهم في تطوير جودة الرعاية الصحية وتحسين دقة وكفاءة التصوير الطبي. جامعة المستقبل – الجامعة الأولى في العراق