حوار خاص مع مستشار مجلس الدولة لي يونلي: في بعض المجالات، لا تقل قدرات الطبيب العام في الذكاء الاصطناعي عن تلك التي يتمتع بها الطبيب المدرب تدريبًا رسميًا

每经记者｜张宏    每经编辑｜魏官红

2025年，一名来自湖北宜昌的58岁患者在人工智能辅助下，检测出胃部一处隐匿的“黏膜内高分化腺癌”。随着相似案例越来越多，人工智能在医疗中的作用逐渐显现。

هذا العام، تم إدراج “الاقتصاد الذكي” لأول مرة في “تقرير عمل الحكومة”. خطة “الخمسة عشر” تضمنت مشروع “الذكاء الاصطناعي+” كجزء من المهام الأساسية للصين الرقمية. في أغسطس 2025، أصدرت مجلس الدولة “آراء حول تنفيذ عمل “الذكاء الاصطناعي+” بعمق”، مطالبة باستكشاف وترويج مساعدي الصحة السكنية المتقدمين الذين يمكن للجميع الاستفادة منهم، ودفع تطبيق الذكاء الاصطناعي في المشاهد مثل التشخيص المساعد، وإدارة الصحة، وخدمات التأمين الصحي، مما يزيد بشكل كبير من قدرة وكفاءة خدمات الصحة الأساسية، وتم إدراج المحتويات ذات الصلة في خطة “الخمسة عشر”.

في الفترة من 25 إلى 29 مارس، عقد “المنتدى السنوي 2026 لزون Zhongguancun” في بكين. خلال المنتدى، حول معدل اختراق الذكاء الاصطناعي في الطب، والعقبات في التطبيق، والأدوار التي يمكن أن يلعبها الذكاء الاصطناعي في مراحل معينة، أجرى مراسل “الأخبار الاقتصادية اليومية” (المشار إليه فيما بعد بـNBD) مقابلة مع المستشار في مجلس الدولة، وأستاذ التعيين الدائم في كلية إدارة الصحة والسياسة في جامعة بكين Union Medical College، ليو يوانلي.

“”

ليو يوانلي في منتدى المناقشة صورة المصدر: كل الأخبار الاقتصادية اليومية الصحفي زانغ هونغ

تحديد من يدفع، وكيفية الدفع هو القضية الأساسية لتطوير صناعة الذكاء الاصطناعي في الطب

NBD**: ما هو معدل اختراق الذكاء الاصطناعي في الطب حاليا؟**

ليو يوانلي: لا يزال السوق يظهر حالة من التنافس المتعدد. منتجات الذكاء الاصطناعي في الطب تنقسم أساساً إلى نوعين: إلى C (توجه للمستهلكين) و إلى B (توجه للمؤسسات الطبية)، والقضية الأساسية هي من الذي سيدفع، وكيف سيقوم بالدفع.

على السطح، يعتمد تقبل السوق للمنتجات الجيدة على رغبة المستهلك أو المؤسسة الطبية في استخدامها، لكن الدافع الرئيسي وراء ذلك هو التأمين الصحي. التأمين الصحي له تأثير حاسم على قرارات المرضى والمرافق الطبية، وخاصة بالنسبة للأخيرة.

تتمتع مؤسساتنا الطبية بطبيعة عامة، لكن بقائها وتطورها يعتمد بشكل كبير على إيرادات الأعمال، حيث أن أكثر من 60٪ من إيرادات الأعمال تأتي من مدفوعات التأمين الصحي. لذلك، إذا تم تضمين منتجات الذكاء الاصطناعي في قائمة التعويضات التأمينية، فإنها ستكون لديها أساس سوقي؛ وإذا لم يتم تضمينها، ستقوم المؤسسات الطبية بتقييمها بحذر.

حتى لو تم تضمين المنتج في قائمة التأمين الصحي، تظل مستويات التسعير ومعايير التعويض متغيرات حاسمة. أي تطبيق لتقنية طبية ممتازة يترافق مع نفقات، ويجب على المؤسسات الطبية إجراء تحليل دقيق للتكاليف والفوائد.

حالياً، تواجه المستشفيات العامة في بلادنا تحديات في توازن الإيرادات والنفقات، وفي هذا السياق، تواجه المستشفيات العامة ضغوطاً مالية كبيرة. لذلك، يجب على منتجات الذكاء الاصطناعي أن تثبت أنها تستطيع تحقيق “الطب القيمي” - أي تحسين جودة الرعاية الصحية، وتقليل المضاعفات، وتحسين نتائج المرضى، في الوقت نفسه تقليل التكاليف التشغيلية الإجمالية للمؤسسات الطبية. على الرغم من أن جودة الرعاية الصحية، والسيطرة على التكاليف، والقطاع العام غالباً ما يُنظر إليها على أنها “مثلث مستحيل”، إذا لم يتم إثبات أن التقنية تستطيع تجاوز هذه العقبة، سيكون من الصعب على المؤسسات الطبية اتخاذ قرار استخدام.

حالياً، يبالغ بعض المنتجات الذكاء الاصطناعي في تسويقها من حيث التقدم التكنولوجي وحجم الاستثمار في البحث والتطوير. ومع ذلك، يجب أن يكون التركيز أكثر على استدامة نموذجها التجاري. إذا كانت تفتقر إلى تضمين التأمين الصحي في الوقت المناسب وآلية تعويض التكاليف المعقولة، فإن تنفيذ التقنية سيواجه عقبات “الكيلومتر الأخير”.

لذا، في ظل ظروف الاقتصاد السوقي، يعتمد الترويج واستخدام تقنيات الرعاية الصحية الممتازة على إنشاء وتحسين آليات الدفع، وتحديد من سيقوم بالدفع، وكيف سيتم الدفع. هذه هي القضايا الأساسية التي تحتاج إلى حل رئيسي في تطوير صناعة الذكاء الاصطناعي في الطب حالياً.

في بعض المجالات، قدرة الذكاء الاصطناعي كطبيب عام لا تقل عن الأطباء المدربين تدريباً رسمياً

NBD**: كان هناك أخبار سابقة تتعلق باستخدام الأطباء الذكاء الاصطناعي للمساعدة في تشخيص النقاط المرضية في صور المرضى. برأيك، في أي مرحلة من مراحل الطب يمكن أن يلعب الذكاء الاصطناعي دوراً أفضل الآن؟**

ليو يوانلي: هذا لا شك فيه. تعتمد التحسينات المستمرة في الذكاء الاصطناعي الطبي حالياً على أساسين رئيسيين: قاعدة المعرفة وقاعدة البيانات. في جميع المراحل التي تتعلق بالمعرفة، وخاصة في مجال المعرفة الطبية المنشورة، تتجاوز قدرة الذكاء الاصطناعي بكثير قدرة طبيب واحد. سواء كان ذلك في نشر المعرفة الصحية، أو في التشخيص والعلاج للأمراض الشائعة والمتكررة - بعد إدخال الأعراض ومؤشرات الاختبار الأساسية، يمكن للذكاء الاصطناعي أن يقدم أحكاماً بسرعة. ببساطة، قدرة الذكاء الاصطناعي كطبيب عام في التعامل مع الأمراض الشائعة والمتكررة لا تقل عن قدرة الأطباء المدربين تدريباً رسمياً.

لكن إذا كان الأمر يتعلق ببيانات متعددة الأنماط، مثل دمج نتائج الفحوصات السريرية، والبيانات التصويرية، ثم دمج تاريخ المريض وغيرها من المعلومات لعلاج الأمراض المعقدة، فإن الذكاء الاصطناعي لا يزال يعاني من نقص واضح.

ومع ذلك، هناك نقطتان تستحقان الانتباه. أولاً، على الرغم من وجود العديد من العيوب، فإن أكبر سمات تطوير الذكاء الاصطناعي هي سرعة التكرار العالية. طالما توفر الدعم الكافي من قوة الحوسبة، مع قاعدة معرفة عالية الجودة وبيانات العالم الحقيقي للتدريب، ستستمر التقنية في التقدم، والقدرة ستكون واعدة للغاية. ثانياً، هذه الإمكانية لا تتحقق بشكل سلبي، بل تحتاج إلى مشاركتنا النشطة.

لذا أعتقد أن منتجات الذكاء الاصطناعي الطبية يجب أن تُعتبر إلى حد ما منتجات عامة - التقنية الممتازة التي تُنتَج يمكن أن تستفيد بسرعة المجتمع العالمي. ومع ذلك، جودة المنتج مرتبطة ارتباطًا وثيقًا بما إذا كان كل مريض، كل طبيب، وكل خبير على استعداد للمساهمة بالتجارب السريرية وبيانات العالم الحقيقي. كلما كان الخبير أكثر خبرة، زادت مسؤوليته في مشاركة الخبرات وتقديم البيانات، مما يعزز تحسين وتكرار هذه المنتجات العامة. يجب أن تتكامل الإمكانيات، والمسؤوليات، والمهام.

استنادًا إلى ذلك، في تطوير نماذج الذكاء الاصطناعي في مجال الرعاية الصحية، يجب إنشاء تحالف حوكمة بيانات في مجال الرعاية الصحية، لتعزيز مشاركة البيانات والابتكار التعاوني. لقد ساهمت UK Biobank في المملكة المتحدة بأكثر من ثلاثين هدفًا جديدًا للبشرية، كما أن الصين قادرة على إنشاء China Biobank الخاصة بها.

بالإضافة إلى ذلك، يجب تعزيز بناء التحالف العالمي. من ناحية، تطوير النماذج بشكل مشترك، ومن ناحية أخرى، الأهم هو إنشاء نظام تقييم علمي وموثوق - ليس فقط للاستماع إلى آراء الخبراء الصينيين، ولكن أيضًا لجمع الأحكام المهنية من الخبراء في جميع البلدان، حتى نتمكن من ضمان جودة المنتجات الناتجة.

تعزيز استخدام البيانات الناتجة عن المهام العلاجية الأصلية لتدريب النماذج الكبيرة

NBD**: يجب أن نستخدم أولاً، لنحصل على البيانات؛ ولتكون هناك استخدامات، يجب أولاً إثبات قيمتها؛ ولتكون للمنتجات قيمة، يجب أولاً وجود بيانات. هل هناك تناقض في ذلك؟**

ليو يوانلي: يُطلق على ذلك “فضاء البيانات القابلة للاعتماد في الرعاية الصحية”، وهناك مستندات من الإدارة الوطنية للبيانات يمكن الرجوع إليها. تشمل آليتها الأساسية عدة جوانب: أولاً، يجب تحديد ملكية البيانات، وثانيًا، يجب تحفيز جميع الأطراف لمشاركة قيمة البيانات، والأساس هو عمل حوكمة البيانات. تحتاج جميع الأطراف المالكة للبيانات إلى تحسين حوكمة البيانات الخاصة بها، لضمان أن تكون البيانات حقيقية، موثوقة، وقابلة للاستخدام، وفي الوقت نفسه أن تكون مستعدة للمشاركة، وأن تكون قادرة على الحصول على عائدات مناسبة من القيمة الناتجة عن المشاركة، مما يحفز دافع المشاركة.

على وجه التحديد، أثناء عمليات التشخيص والعلاج السريرية، سيتم إنتاج كميات كبيرة من البيانات، وقد أكملت هذه البيانات المهام العلاجية الأصلية، ويمكن تحسين جودتها وزيادة هيكليتها من خلال مزيد من الحوكمة، بحيث يمكن استخدامها مباشرة لتدريب النماذج الكبيرة. لذلك، تعتبر حوكمة البيانات الخطوة الأولى، والاستخدام هو الخطوة الثانية، وتوزيع القيمة هو المرحلة اللاحقة.