لماذا يعجز الذكاء الاصطناعي عن قراءة ملفاتكم الطبية؟ الضغط والنشر الخاص طريقاً للرعاية الصحية

كثير من المستشفيات يتصور أن رمي السجلات الطبية والصور الشعاعية والأوراق البحثية كلها دفعة واحدة في نموذج لغة كبير سيخلق «طبيباً بالذكاء الاصطناعي» في اليوم التالي. الواقع على عكس ذلك تماماً: كلما أطعمته أكثر، أجاب بقدر أكبر من الفوضى. الوثائق الهائلة دون حوكمة تجعل الاسترجاع أبطأ، والإجابات أخطأ، وخصوصية المرضى قد تُرسل معها دون قصد. في الرعاية الصحية، الخطوة الأولى مع الذكاء الاصطناعي ليست «إضافة بيانات»، بل فعل العكس: تصغير الوثائق، وإخفاء المعلومات الحساسة، وبناء قاعدة راغ خاصة داخل الشبكة الداخلية.

هذا بالضبط ما بنته UglyPear Data: مسار يجمع بين ضغط الوثائق عالي الأداء وقاعدة هندسة بيانات راغ، يُنشر بالكامل داخل المؤسسة دون أن تغادر البيانات الشبكة الداخلية. لعملاء مثل المستشفيات وشركات الأدوية ومراكز البحث الذين «لا تبرح بياناتهم الجدار أبداً»، هذا المزيج واقعي أكثر من نقل الوثائق إلى سحابة عامة.

تخيّل طبيباً يسأل النموذج عن بروتوكول علاج لحالة نادرة، فيعود إليه بإجابة واثقة لكنها مستقاة من نسخة قديمة من الدليل السريري، أو أسوأ من ذلك، من تقرير يحمل اسم مريض آخر. هذه ليست حالة افتراضية بقدر ما هي نتيجة طبيعية لرمي الوثائق كما هي في المسار. الثقة في الذكاء الاصطناعي الطبي لا تُبنى على حجم النموذج، بل على نظافة ما يقرأه وعلى يقيننا بما يستند إليه.

لنبدأ بأمر يبدو متناقضاً. أجرت Komprise مسحاً لأنظمة تخزين NAS في عدد من المؤسسات، فتبين أن ٦٠٪ إلى ٧٠٪ من البيانات لا يمسها أحد لأكثر من ٩٠ يوماً، ومع ذلك تظل محتلة لطبقات التخزين الأساسي الباهظة. انقل المشهد إلى مستشفى، وستجد الأرشيف الشعاعي PACS: بعد رقمنة الأفلام، تتراكم ملفات DICOM الضخمة ساكتة نادراً ما تُفتح، لكن ميزانية التخزين ترتفع عاماً بعد عام. لو رميتَ هذه «البيانات الباردة» مباشرة في مسار نموذج اللغة، فستبطئ الاسترجاع وتحرق حوسبة بلا طائل. المفارقة أن كثيراً من الأقسام لا تنقصها سعة التخزين، بل تنقصها آلية «ما يُحذف لم يُحذف، وما يُؤرشف لم يُؤرشف».

ثم ثمة ثمن البحث عن المعلومة. أظهرت مقارنة في إدارة المعرفة أن الموظفين في المؤسسات التي لا تملك برنامجاً لإدارة المعرفة يقضون في المتوسط ٨٫٥ ساعة أسبوعياً في البحث عن الأشياء؛ أما من لديها نظام، فتنخفض الساعات إلى ٤٫٦، أي توفير ٣٫٩ ساعة كل أسبوع، وهو ما يعادل تحرير ٩٨ موظفاً بدوام كامل لكل ألف موظف. داخل المستشفى، تتوزع الأدلة السريرية وقواعد الوصف الدوائي ونماذج السجلات ومحاضر الاستشارات على أنظمة ومجلدات شخصية مختلفة، فيعاني الطبيب ليظفر «بالنسخة المحدّثة» من مسار التشخيص أكثر مما يعاني مع عيادة مزدحمة. حين لا تُعثر على الوثيقة، يُنشئ أحدهم نسخة جديدة، فتتكاثر النسخ وتطمر تحتها النسخة الصحيحة التي كان يُفترض استخدامها.

وهناك فوضى أعمّ وأشمل. في استطلاع لـ Kaspersky، أقر ٥٧٪ من المشاركين بأنهم يجدون صعوبة في العثور على ملفات مهمة، و٣٠٪ فقط ينظّمون ملفاتهم بانتظام، و٢٦٪ أنشأوا «مجلداً للقمامة» يرمون فيه ما لم يُعالج. قرص التخزين المشترك في الأقسام الطبية غالباً ما يكون نسخة مكبّرة من هذه الحالة: تسميات عشوائية، نسخ طائفة، ولا أحد يعرف من غيّر ماذا. قد تتساءل: ما علاقة هذا بتشغيل نموذج لغة كبير؟ علاقة وثيقة؛ النموذج يأكل هذه الملفات الفوضوية تماماً، وما يدخله قمامة يخرجه قمامة.

وهذا يقود إلى سؤال لا مفر منه: بما أننا نعالج البيانات، فلمَ لا ننتقل إلى السحابة جملة واحدة؟ لأن للبيانات الطبية طباعاً خاصة. خصوصية المرضى (PHI) والبيانات البحثية والتجارب السريرية غير المعلنة تخضع لقواعد حماية المستوى والقيود المتعلقة بخروج البيانات، فلا تبرح الشبكة الداخلية خطوة واحدة. والأعقد أن الوثائق الخام تخلط أسماء وأرقام هويات وأرقام سجلات طبية وتواريخ عائلية، فإطعامها للنموذج مباشرة يكافئ بسط الخصوصية أمامه. في حل UglyPear Data، توجد ١٣ فئة من كشف المعلومات الحساسة بالذكاء الاصطناعي، تتعرف تلقائياً على الحقول وتُخفيها قبل الإدخال، فتخفض المخاطر من المنبع. ببساطة: في الرعاية الصحية، الامتثال ليس ميزة تُضاف، بل بطاقة دخول.

فكيف نفعل ذلك عملياً؟ ثلاثة مسارات تتوازى، ولا تركن إلى أن مساراً واحداً سيكفي.

المسار الأول: الضغط. يقدّم SmartSlim، عبر أداة compress-mcp، محركاً مكتوباً بـ Rust لضغط ثمانية أنواع من الملفات هي PDF والصور والفيديو والصوت ومستندات Office وOFD والمسح الضوئي، بانخفاض في الحجم بين ٦٠٪ و٨٠٪، وكل ذلك على الجهاز نفسه دون أن تغادر الملفات بيئتك. قاست الشركة مجموعة اختبارات: وثيقة OFD من ٤٤٣ صفحة عولجت من البداية إلى النهاية في ١٢٤ ثانية؛ وبحساب على معيار GPT-4o، تنخفض تكلفة الرموز (tokens) للصور ٨٥٫٩٪. للمستشفى الذي يمتلك وثائق هائلة وحساسة، تبدأ بتصغير الحجم، فينخفض معه مباشرةً تكلفة الاسترجاع والاستنتاج. قد يبدو الضغط مجرد «تصغير»، لكنه في العمق يحل معضلة «يستطيع النموذج قراءتها وتحمّل كلفتها».

تبرز أهمية الضغط على الجهاز تحديداً في البيئة الطبية، حيث لا يُسمح للملفات أصلاً بعبور الشبكة. الحلول السحابية قد تضغط لك الملف لكنها تأخذه أولاً إلى الخارج، وهو ما يُفشل الشرط الأساسي. أن تعمل عملية الضغط داخل عتبة المؤسسة يعني أنك تكسب توفير الحجم دون أن تدفع ثمنه من الخصوصية. وهنا يتضح الفرق بين أداة ضغط عامة وأداة ضُمِّت في مسار راغ: الأولى تهتم بالحجم، والثانية تهتم بأن يبقى ما يُسترجع لاحقاً مقروءاً وموثوقاً.

المسار الثاني: قاعدة هندسة بيانات راغ. فكّكتها UglyPear Data إلى ست عمليات وثمان قدرات، يساندها منتج MagiFiler في تنظيف الوثيقة وتقطيعها وإخفائها، فيغطي المسار من التنظيف حتى التوجيه الشعاعي والاسترجاع، والجوهر تحويل الوثائق المتناثرة إلى «معرفة يفهمها النموذج ويطمئن إليها». النشر الخاص يعني أن المسار كاملاً يعمل على خوادمك، فلا تغادر البيانات الشبكة الداخلية. وهذا حاسم للرعاية الصحية خصوصاً؛ المعرفة تبقى داخل المؤسسة، وأثر التدقيق يبقى داخلها.

دور MagiFiler لا يقتصر على الفهرسة، بل يمتد إلى ترتيب الوثائق المتناثرة أصلاً قبل أن تدخل المسار. كثير من الأقسام الطبية لا تعاني من نقص في المعلومة، بل من تشتّتها بين مجلدات شخصية وأقراص مشتركة بلا تسمية موحّدة. حين يتولى المنتج توحيد الهيكل وإزالة النسخ المكررة، يدخل النموذج لاحقاً على محتوى أنظف، فتقل احتمالات أن تجيب الإجابة اعتماداً على وثيقة مهجورة. الترتيب إذن ليس ترفاً إدارياً، بل مدخل لجودة الإجابة نفسها.

المسار الثالث: طريقة النشر ذاتها. خدمة النشر الخاص الكامل تجعل النظام كله يعمل داخل الشبكة، مع توافق مع بيئات المواءمة المحلية، فيعمل على بيئات وطنية مثل Kylin وUOS. للمستشفيات التي سلكت بالفعل طريق التوطين، يزول هاجس «عدم توافق النظام».

يُغفل كثيرون نقطة جوهرية: في الرعاية الصحية، ليست الإجابة وحدها ما يُطلب، بل معرفة من أين أتت. حين يستند النموذج إلى وثيقة مفهرسة ومُخفاة ومُرجَّعة، يمكن للمستخدم أن يعود إلى المصدر ويتحقق، وهو شرط عملي وقانوني لا يقل أهمية عن الخصوصية نفسها. النشر الخاص يجعل هذا التتبّع ممكناً لأن كل خطوة تبقى داخل المؤسسة ولا يعبر بها جدار الشبكة.

طرق تطويع وثائق الرعاية الصحية بالذكاء الاصطناعي ثلاث في الحقيقة، والفارق أكبر مما يُتصور:

في الجدول أعلاه تعمّدتُ استخدام عبارات نسبية مثل «أكثر استقراراً» و«أكثر ضبطاً» بدل الحسم نيابة عنك. السؤال الحقيقي عند الاختيار هو: هل تسمح بياناتك بالعبور فوق هذا الجدار؟

المثير أن كثيراً من المستشفيات لا تتعثر لغياب البيانات، بل لكثرتها وفوضاها وحساسيتها. صغّر الوثائق أولاً، وعرِّ السجلات، ونظّم المعرفة، عندها فقط يصبح نموذج اللغة الكبير قابلاً للاستخدام فعلاً. إن عكستَ الترتيب، فلن ينفعك نموذج ضخم مهما بلغ حجمه.

ما يتبقى أن الرعاية الصحية لا تحتاج إلى المزيد من البيانات بقدر ما تحتاج إلى بيانات أهذب. الضغط يحل عبء الحجم، وقاعدة هندسة بيانات راغ تحل عبء النوعية، والنشر الخاص يحل عبء المكان. حين تجتمع هذه المسارات الثلاثة، يتحول المستشفى من «مُغرق في الملفات» إلى «مُمكَّن بالمعرفة»، والفارق يظهر في كل استشارة وكل بحث عن وثيقة ضائعة. الطريق إلى نموذج لغة كبير مفيد في الطب يمر إذن من الإدارة قبل الحوسبة، لا العكس.

جرب الآن

لترى كيف يعمل المسار داخل الشبكة الداخلية فعلياً، زُر موقع UglyPear Data للتعرف على قاعدة هندسة بيانات راغ، أو اطّلع على قدرات الضغط في SmartSlim. ولمزيد من الممارسات والحالات العملية، راجع المدونة التقنية.

الأسئلة الشائعة

س: هل يجب حتمًا نشر الرعاية الصحية بشكل خاص؟
ج: ليس بالضرورة. لكن كل ما يمس خصوصية المرضى أو يخضع لقواعد حماية المستوى وقيود الخروج، النشر الخاص خيار أكثر اطمئناناً. بقاء البيانات داخل الشبكة يخفف ضغط الامتثال كثيراً.

س: ألا يجعل ضغط الوثائق السجل الطبي غير واضح؟
ج: الضغط يستهدف الحجم لا قابلية قراءة المحتوى؛ قاست الشركة وثيقة OFD من ٤٤٣ صفحة عولجت من البداية إلى النهاية في ١٢٤ ثانية مع بقاء النص والختم. الأساس عند الاختيار أن ترى إن كان الضغط «فاقداً لدرجة تؤثر على التفسير».

س: ما الفرق بين راغ وإطعام الوثائق مباشرة لنموذج اللغة؟
ج: الإطعام المباشر يسهل أن يتجاوز الطول، ويضيع السياق، ويجيب خارج الموضوع؛ راغ يقطّع الوثيقة ويُخفيها ويفهرسها أولاً، ثم يسترجع حسب الحاجة، فتكون الإجابة أكثر قابلية للتتبّع.

س: هل تستطيع مستشفى صغير بلا فريق تقني تشغيله؟
ج: النشر الخاص يتوافق مع البيئات الوطنية ويأتي بدعم التسليم؛ إن ضاقت اليد التقنية، فالبدء من خطوات خفيفة مثل الضغط وتنظيم الملفات أكثر واقعية.

س: ألا يُخطئ إخفاء المعلومات الحساسة في مسح محتوى سليم؟
ج: فئات الكشف الـ ١٣ تحدد الحقول كالأسماء وأرقام الهوية وأرقام السجلات وفق قواعد، ويُعالَج الإخفاء بطريقتين قابلة للاستعادة أو قناع غير عكسي، ويمكن ضبط الاستراتيجية عند النشر حسب الحاجة.