قمة أبوظبي للصحة تبدأ اليوم: الذكاء الاصطناعي يسبق المرض

تبدأ قمة مستقبل الصحة في أبوظبي اليوم 20 أكتوبر 2026 في مركز أدنيك أبوظبي، وتستمر حتى 22 أكتوبر، مع جلسات افتتاحية عن بنية التنبؤ والجينوميات والاستشعار واكتشاف الأدوية بالذكاء الاصطناعي، وفق وكالة أنباء الإمارات. وتبحث القمة كيف يمكن تحويل الإشارات الصحية المبكرة إلى تقدير للمخاطر يتيح التدخل قبل تفاقم المرض؛ وهو هدف للبرنامج، وليس نتيجة سريرية أُعلنت بالفعل.

ويحدد جدول مركز أدنيك أبوظبي القاعات 1–4 والبهو الرئيسي موقعاً للفعالية، ويذكر استضافة مبادرة «مستقبل الصحة» ودائرة الصحة – أبوظبي لها. ويتوقع إعلان مكتب أبوظبي الإعلامي حضور 130 متحدثاً في المنتدى، وأكثر من 175 جهة عارضة، ومشاركين من 100 دولة، ومن أبرز المتحدثين منصور إبراهيم المنصوري، رئيس دائرة الصحة، وماكس جاديربيرغ، رئيس شركة أيزومورفيك لابس؛ وتلخص نورة خميس الغيثي، وكيل الدائرة، الغاية بعبارة «فهم المخاطر الصحية في مراحل مبكرة، واتخاذ الإجراءات اللازمة قبل تفاقم الأمراض».

بنية التنبؤ: من أين تأتي الإشارة وإلى أين تذهب؟

تربط جلسة بنية التنبؤ السؤال التقني بقرار الرعاية: هل تقود الإشارة إلى فحص إضافي، أم إلى متابعة أقرب، أم إلى تدخل علاجي؟ فالبيانات التي تشير إلى ارتفاع خطر مرض ما لا تحدد وحدها الإجراء المناسب. يتوقف ذلك على نوع الإشارة، ومدى موثوقية قياسها، والفئة التي جُمعت منها، والوقت المتاح للتصرف قبل أن تتغير الحالة الصحية.

تميز خريطة الاستشعار لدى مبادرة مستقبل الصحة بين توقع المخاطر على مستوى السكان، وتصنيف المخاطر لتوجيه الفحوص داخل النظام الصحي، ورصد الأنماط السلوكية لدى الأفراد. لكل مستوى قرار مختلف: قد تساعد إشارة سكانية في توزيع موارد الفحص، بينما يحتاج تنبيه يخص شخصاً بعينه إلى تفسير سريري قبل تغيير رعايته. انتقال النموذج بين المستويين يتطلب تقييماً يناسب الاستخدام الجديد، لأن نجاحه في وصف اتجاه عام لا يكفي لإثبات دقته مع مريض فردي.

وتصبح بنية التنبؤ قابلة للفهم حين تتضح سلسلة العمل كاملة: مصدر البيانات، وطريقة ربط القراءات، والجهة التي تتلقى التنبيه، ثم القرار المتوقع منها. فإذا اعتمد النظام على بيانات جُمعت في ظروف محددة، يظل السؤال عما يحدث لأدائه عندما تختلف ظروف القياس أو خصائص المرضى. وفي السياق السريري، تتغير قيمة التنبيه أيضاً بحسب عدد الحالات التي يفوتها وعدد الأشخاص الذين يستدعيهم إلى متابعة لا يحتاجون إليها.

الجينوميات: ما الذي يتغير بعد ظهور النتيجة؟

تعطي جلسة الأمراض النادرة والجينوميات مثالاً مباشراً على المسافة بين اكتشاف إشارة واتخاذ قرار. قد تسهم نتيجة جينية في تضييق البحث عن سبب حالة مرضية أو توجيه فحص لاحق، لكن تفسيرها يحتاج إلى الأعراض والتاريخ الصحي ونتائج الفحوص الأخرى. والسؤال الذي يربط الجلسة بوعد الصحة التنبؤية هو ما إذا كانت النتيجة ستغير مسار الفحص أو المتابعة، ولمن تحديداً.

تختلف هذه المسألة عندما يكون الهدف تشخيص مرض يُشتبه بوجوده بالفعل عن حالة يُراد فيها تقدير خطر مستقبلي لدى شخص لا تظهر عليه أعراض. في الحالة الأولى، قد تقود الإشارة إلى البحث عن تفسير لحالة قائمة؛ وفي الثانية، يجب أن يكون معنى ارتفاع الخطر واضحاً قبل اقتراح متابعة جديدة. ولا يكفي وجود متغير جيني لإسناد قرار علاجي إليه إذا ظلت دلالته السريرية غير حاسمة.

لذلك تكتسب صلة الجينوميات ببرنامج القمة أهميتها من القرار الذي يمكن أن تتبعه، لا من كمية البيانات المنتجة. مناقشة الأمراض النادرة تتيح التمييز بين العثور على متغير يستحق الدراسة والوصول إلى تفسير يمكن للطبيب والمريض العمل بمقتضاه. كما تجعل نوع الدليل المطلوب أكثر تحديداً: هل قُيّمت الإشارة لدى الفئة المعنية، وهل تقود معرفتها إلى فحص أو متابعة لهما غرض واضح؟

الاستشعار والذكاء الاصطناعي: صلاحية النموذج عند الاستخدام

تتناول جلسة تقنيات الاستشعار إمكان التقاط تغيرات صحية مبكراً، لكن توقيت التقاط الإشارة ليس وحده مقياس الفائدة. فإذا صدر تنبيه قبل ظهور الأعراض، يلزم معرفة ما الذي يتوقعه، وخلال أي فترة، وكيف يُتعامل معه في الرعاية. ويختلف أثر إنذار يدعو إلى قياس جديد عن أثر نتيجة قد تدفع إلى تشخيص أو علاج؛ فحجم القرار يحدد مقدار الدليل المطلوب لدعمه.

توضح مبادئ الشفافية للأجهزة الطبية المعتمدة على التعلم الآلي أهمية بيان الاستخدام المقصود، وخصائص بيانات التدريب والاختبار، وحدود الأداء، ودور المختص في القرار. وهي مبادئ عامة لتقييم الأدوات الطبية، وليست اعتماداً لأي نموذج يُعرض في القمة. وفي النقاش الدائر بأبوظبي، تساعد هذه التفاصيل على التمييز بين قدرة نموذج على تصنيف بيانات اختبار وبين صلاحيته لإصدار تنبيه في بيئة رعاية فعلية.

إذا تغيرت الفئة السكانية أو طريقة جمع القراءات، قد يتغير أداء التنبؤ؛ لذلك لا تعبر قيمة دقة واحدة عن جميع ظروف الاستخدام. ويهم أيضاً ما إذا كان النظام يحدد درجة عدم اليقين، ومن يراجع تنبيهاته، وما الإجراء المتاح إذا تبين أن الإشارة خاطئة. بهذا المعنى، لا تنفصل البيانات الصحية عن سير العمل السريري: قيمة التحليل تظهر عندما يستطيع المسؤول عن الرعاية فهمه والتصرف على أساسه.

اكتشاف الأدوية: ماذا يحدث بعد ترشيح مركب؟

يفتح محور اكتشاف الأدوية بالذكاء الاصطناعي مساراً آخر للبرنامج. فالتنبؤ هنا يتعلق بترشيح هدف بيولوجي أو مركب للبحث، لا بتوقع مرض لدى شخص محدد. وقد يختصر التحليل الحاسوبي نطاق الاحتمالات التي يفحصها الباحثون، لكن الخطوة التالية تتعلق باختبار الترشيح مخبرياً، ثم بتقييم السلامة والفاعلية في المراحل الملائمة قبل الحديث عن علاج متاح للمرضى.

والسؤال الحاسم لهذا المحور هو نوع النتيجة التي تخرج من العرض: هل هي فرضية حسابية، أم مركب اجتاز اختباراً أولياً، أم نتيجة أبعد في مسار التطوير؟ التفريق بين هذه المراحل يمنع الخلط بين تسريع البحث والوصول إلى دواء. كما يوضح صلة هذا المحور ببقية القمة: بيانات الجينوميات والاستشعار قد تفتح أسئلة جديدة عن المرض، لكن تحويل المعرفة إلى علاج يمر بسلسلة مستقلة من التجارب والقرارات.

تنتقل مناقشات القمة في أيامها التالية إلى توقيت التدخل، والعلاجات، والربط بين استشعار المخاطر على مستوى السكان ورعاية الأفراد. وستتضح قيمة ما يُطرح في الافتتاح عندما تُبيّن الجلسات كيف تنتقل الإشارة أو الفرضية من مرحلة العرض إلى اختبار محدد، وما القرار الصحي الذي يمكن أن يتغير إذا نجح ذلك الاختبار.

اقرأ أيضًا:

• Mesa Quantum تجمع 11.8 مليون دولار: التمويل يسبق اختبار الميدان
• أقلّ صلاحية لوكيل الذكاء الاصطناعي: قائمة تمنع انهيار العزل
• 32 مستشارًا بالذكاء الاصطناعي يدخلون مجلس وزراء الإمارات