د. أحمد النجار.. دقة التشخيص تبدأ من معايرة الأجهزة وظبط البيانات الطبية

كتب: د. أحمد النجار 

دقة التشخيص تبدأ من معايرة الأجهزة الطبية وضبط البيانات الطبية لتدريب الذكاء الاصطناعي.

بعد رحلتي مع الأشعة والتحاليل في الأيام السالفة، كان لابد من كتابة هذا المقال لعله يصل إلى من بيدهم القرار من ملائكة الرحمة

نداء عاجل إلى..

* معالي وزير الصحة والسكان بجمهورية مصر العربية.

* السادة مديري المستشفيات الحكومية والجامعية والخاصة.

* أصحاب ومديري مراكز الأشعة والتحاليل الطبية.

* السادة الأطباء والفنيين مستخدمي الأجهزة الطبية.

في ظل التطور الطبي والتكنولوجي الهائل، أصبحت الأجهزة الطبية Medical Devices عنصرًا أساسيًا في التشخيص والعلاج. ولكن هناك حقيقة علمية لا يمكن تجاهلها.. دقة أي قياس طبي Medical Measurement تعتمد بشكل أساسي على معايرة الجهاز Calibration وفق المعايير المحلية والدولية.

ولو حضرتك لا تعلم كيف!!! ممكن نتواصل.

وإن شاء الله نعملها مع بعض، ولابد من عمل test على مجموعة من المرضى من نفس المنطقة التي سوف يعمل بها الجهاز.. فهذا ضروري للغاية.

الاختلافات بين الدول

لقد أثبتت الدراسات الطبية أن نتائج الأجهزة الطبية قد تختلف من دولة وأخرى، ليس فقط بسبب بروتوكولات المعايرة “Calibration Protocols”، ولكن أيضًا بسبب اختلاف طبيعة جسم الإنسان “Human Physiology” بين الشعوب:

 • طبيعة الجسم في مصر تختلف عن أمريكا أو كندا أو اليابان في نسب الدهون، كثافة العظام “Bone Density”، حجم الأعضاء “Organ Size”، والعوامل الجينية “Genetic Factors”.

 • لذلك، برمجة الأجهزة على جداول مرجعية “Reference Datasets” خاصة بسكان دولة معينة، أو حتى سكان منطقة في نفس الدولة، قد تؤدي إلى نتائج غير دقيقة عند استخدامها في دولة أخرى دون تعديل أو إعادة معايرة.

الذكاء الاصطناعي والبيانات الطبية

في عصر الذكاء الاصطناعي “Artificial Intelligence (AI)”، أصبحت البيانات الطبية (Medical Datasets) التي تنتجها هذه الأجهزة أساسًا لتدريب خوارزميات التعلم الآلي “Machine Learning (ML)” والتعلم العميق “Deep Learning (DL)” لتطوير أنظمة دعم القرار الطبيClinical Decision Support Systems” (CDSS).

لكن.. إذا كانت الأجهزة غير مُعايرة بدقة سينتج عنها Data Bias أو Data Drift بسبب القياسات غير الدقيقة.

 • يتم تدريب نماذج الذكاء الاصطناعي AI Models على بيانات خاطئة، مما يؤدي إلى False Positives أو False Negatives في التشخيص Diagnosis.

 • هذا الخلل لا يؤثر على مريض واحد فقط، بل على آلاف المرضى إذا تم استخدام هذه النماذج على نطاق واسع.

المطلوب بشكل عاجل..

 1. إلزام جميع المستشفيات والمراكز الطبية بعمل معايرة “Calibration” دورية للأجهزة، وتوثيقها في سجلات قابلة للمراجعة “Auditable Records”.

 2. تطبيق معايير معايرة تتناسب مع طبيعة سكان مصر بالتعاون مع الشركات المصنعة Manufacturers والمراكز البحثية Research Centers.

 3. تدريب فرق الهندسة الطبية Biomedical Engineering Teams على المعايرة المتقدمة Advanced Calibration Techniques.

 4. فرض رقابة صارمة على مراكز الأشعة والتحاليل لضمان استخدام أجهزة مُعايرة فقط.

 5. توعية الأطباء والفنيين بخطورة الاعتماد على أجهزة غير مُعايرة وتأثير ذلك على Diagnostic Accuracy.

 6. إنشاء منصة وطنية للبيانات الطبية National Medical Data Platform لضمان أن كل البيانات المستخدمة في تدريب خوارزميات الذكاء الاصطناعي تأتي من أجهزة مُعايرة ومعتمدة.

رسالة واضحة..

المعايرة Calibration ليست رفاهية، بل هي ضرورة لإنقاذ الأرواح وضمان دقة التشخيص، سواء تم التشخيص عبر طبيب Clinician أو عبر خوارزمية ذكاء اصطناعي AI Algorithm.

نطالب بتحرك فوري من وزارة الصحة وجميع الجهات المعنية لوضع خطة وطنية شاملة لمعايرة الأجهزة الطبية، وضبط البيانات التي تُغذي أنظمة الذكاء الاصطناعي، بما يتناسب مع الخصائص الفسيولوجية Physiology لشعب مصر.

صحة المصريين أمانة، والدقة في التشخيص أول طريق العلاج.