لحظة الذكاء الاصطناعي الطبي في الجزائر: نماذج الموجات فوق الصوتية للجنين المدرَّبة على بيانات محلية

مختبر في Barcelona وعيادة في الجزائر العاصمة ونموذج مشترك لصحة الأم

عندما سعى باحثون في University of Barcelona إلى اختبار ما إذا كان الذكاء الاصطناعي للموجات فوق الصوتية للجنين قادراً على العمل خارج المستشفيات الأوروبية جيدة التمويل، ساعد موقعان جزائريان في الإجابة عن السؤال: EPH Kouba وClinique Des Lilas في الجزائر العاصمة. وفقاً للدراسة المنشورة في Scientific Reports في فبراير 2023، كانت الجزائر واحدة من خمس دول أفريقية — إلى جانب مصر وأوغندا وغانا ومالاوي — ساهمت بصور موجات فوق صوتية محلية لتدريب والتحقق من نموذج يصنّف مستويات تصوير الجنين القياسية التي يستخدمها الطبيب لفحص التشوهات.

إنها خطوة مهمة بهدوء. فمعظم الذكاء الاصطناعي الطبي يُبنى على بيانات من بيئات مرتفعة الدخل ثم يُصدَّر. أما هنا فقد سارت البيانات في الاتجاه الآخر: أصبحت صور المرضى الجزائريين جزءاً من قاعدة الأدلة التي أثبتت أن هذه النماذج يمكن أن تُعمَّم على عيادات مزوَّدة بأجهزة موجات فوق صوتية متوسطة المستوى وبمجموعات بيانات أصغر. وبالنسبة للأطباء ومهندسي الذكاء الاصطناعي الجزائريين، فهي نقطة دخول ملموسة إلى مجال — تشخيص صحة الأم — تمتلك فيه البلاد بالفعل مستشفيات وأخصائيي تصوير ومجموعة متنامية من خريجي التعلم الآلي.

والرهانات المتعلقة بصحة الأم حقيقية. فالدراسة نفسها تشير إلى أن وفيات حديثي الولادة في أفريقيا جنوب الصحراء بلغت 27 حالة وفاة لكل 1000 ولادة في 2019، مقابل متوسط 3.4 لكل 1000 في الاتحاد الأوروبي — وهي فجوة يعود سببها إلى حد كبير إلى محدودية الوصول إلى الفحص قبل الولادة. والأدوات التي تساعد مشغّلاً أقل تخصصاً على التقاط مستوى تشخيصي صحيح هي بالضبط نوع الرافعة التي تقلّص هذه المسافة.

كيف يعمل النموذج فعلياً — ولماذا كانت البيانات المحلية مهمة

يصنّف النموذج أربعة مستويات جنينية قياسية — عظم الفخذ والصدر والرأس (الدماغ) والبطن — إضافة إلى فئة «أخرى». وهذه هي المشاهد التي يحتاجها أخصائي التصوير لتقييم النمو وفحص التشوهات البنيوية. وقد دُرِّب النموذج الأساسي على بيانات أوروبية: 1,792 مريضاً و9,463 صورة من مستشفيين في Barcelona، هما Hospital Clínic وHospital Sant Joan de Déu، إضافة إلى مجموعة دنماركية من 1,008 مرضى.

كانت النتيجة الأساسية تتعلق بالتكييف. فقد ساهمت كل دولة أفريقية بعينة متواضعة — 25 مريضاً وحوالي 75 إلى 100 صورة لكل منها، أي 120 مريضاً في المجموع. وعند تطبيقه دون تعديل، كان أداء النموذج المدرَّب في أوروبا يتراجع على هذه البيانات الأقل موارد. لكن مع خطوة تعلم بالنقل تضبط النموذج على شريحة صغيرة من الصور المحلية، تعافى الأداء ليبلغ معدل استرجاع متوسط قدره 0.92 ومعدل AUC أكثر من 98%. والدرس بالنسبة للجزائر دقيق: لست بحاجة إلى مجموعة بيانات وطنية بمليون صورة للحصول على نموذج مفيد سريرياً — بل تحتاج إلى مجموعة محلية منسّقة جيداً وإلى المهارة الهندسية لتكييف نموذج أساسي قوي عليها.

وهذا هدف قابل للتحقيق. قاد الدراسة كل من Carla Sendra-Balcells وVíctor M. Campello وKarim Lekadir في University of Barcelona، بالتعاون مع مستشفيات في خمس دول — وهو نموذج تعاون يمكن للمستشفيات الجامعية ومختبرات الذكاء الاصطناعي الجزائرية محاكاته وتوسيعه.

لماذا الجزائر في موقع جيد لقيادة هذا العمل

قاعدة المواهب تتشكل بالفعل. وفقاً لتحليل New Lines Institute لمسار الذكاء الاصطناعي في الجزائر، تضم البلاد 57,702 طالباً مسجلين في 74 برنامج ماجستير في الذكاء الاصطناعي موزعة على 52 جامعة، وتُصنَّف ضمن الدول الخمس الأولى في أفريقيا في النشر العلمي. ويُتوقع أن ينمو سوق الذكاء الاصطناعي فيها من 498.9 مليون دولار في 2025 إلى 1.69 مليار دولار بحلول 2030، أي بمعدل نمو سنوي مركّب قدره 27.67%، مع إدراج الصحة ضمن الركائز الست ذات الأولوية في الاستراتيجية الوطنية.

والبنية التحتية السريرية تتطور بالتوازي. فالجزائر تنشئ الوكالة الوطنية لرقمنة الصحة (ANNS)، وتطلق السجل الطبي الإلكتروني عبر العيادات الجوارية والمستشفيات والمراكز الاستشفائية الجامعية، وتوسّع الطب عن بُعد. وفي ديسمبر 2025، أطلقت وزارة الصحة منصة رقمية وطنية لتنسيق تحويل المرضى بين المستشفيات، بمهلة استجابة قصوى مدتها 48 ساعة للحالات العاجلة. وكل واحد من هذه الأنظمة يولّد بيانات سريرية منظَّمة — وهي المادة الخام التي تحتاجها النماذج التشخيصية المحلية.

اجمع الاثنين معاً — قاعدة مواهب تتعمق ونظام صحي يتجه نحو الرقمنة — ويصبح الطريق من «ساهمنا ببيانات في دراسة شخص آخر» إلى «نحن نبني النموذج ونمتلكه» مسألة تنظيم، لا مسألة قدرة.

ما الذي ينبغي على الأطباء ومهندسي الذكاء الاصطناعي الجزائريين فعله

1. تشكيل ثنائيات طبيب-مهندس حول مهمة واحدة محددة جيداً لاكتشاف المستوى

الطريق الأسرع إلى الذكاء الاصطناعي الطبي ليس منصة وطنية كبرى — بل مهمة واحدة ضيقة ومُتحقَّق منها. اجمع بين أخصائي تصوير في جناح الولادة وخريج في التعلم الآلي، واستهدف مُخرَجاً واحداً: نموذج يشير إلى أن المستوى الجنيني الملتقَط بجودة تشخيصية. وقد أثبتت دراسة Barcelona أن هذا ينجح بأقل من 25 مريضاً منسَّقاً جيداً لكل موقع. قاوم إغراء البدء باكتشاف التشوهات النادرة؛ أتقِن أولاً مصنّف المستويات القياسية، لأنه الأساس الذي تعتمد عليه كل أداة لاحقة. أما «ما يجب تجنّبه» هنا فهو البدء بنطاق واسع جداً — خارطة طريق من 50 مهمة دون أي خط أساس يعمل.

2. بناء مجموعة بيانات موجات فوق صوتية محلية منسّقة وبموافقة المرضى قبل المساس ببنية النموذج

الأصل النادر ليس وحدات معالجة الرسوميات (GPU) — بل بيانات مسح جزائرية نظيفة وموسومة وبموافقة أخلاقية. ضع بروتوكول وسم يتحقق فيه أخصائيا تصوير من كل تخصيص للمستوى بشكل متبادل، ووائم الموافقة والتخزين مع عمل حوكمة البيانات الذي تؤسسه ANNS. استهدف بضع مئات من الدراسات الموسومة من مركزين أو ثلاثة مراكز ولادة بدلاً من آلاف الصور غير الموسومة. فمجموعة من 200 دراسة موسومة بشكل صحيح أفضل من تكديس 5,000 صورة لا يثق بها أحد. هذه المجموعة، وليس أي نموذج بعينه، هي الأصل الوطني الدائم — وهي ما يتيح لك ضبط أي نموذج أساسي مستقبلي.

3. استخدام التعلم بالنقل من نموذج أساسي مفتوح وقوي، لا التدريب من الصفر

النتيجة المحورية للدراسة هي أن نموذجاً مدرَّباً في أوروبا، بعد ضبطه على شريحة رقيقة من البيانات المحلية، تعافى ليبلغ AUC أكثر من 98%. كرّر هذا النمط: ابدأ من نموذج أساسي للتصوير الطبي منشور ومرخَّص بشكل مفتوح، ثم كيّفه على مجموعتك الجزائرية المنسَّقة. فتدريب نموذج تصوير جنيني من الصفر سيتطلب بيانات وقدرة حوسبة لا تحتاج الجزائر إلى إنفاقها. والانضباط هو قياس التعميم بأمانة — أبلِغ عن الأداء على مجموعة اختبار جزائرية محجوزة، لا على البيانات الأوروبية التي بُني عليها النموذج الأساسي، لأن نموذجاً يبدو ممتازاً على بيانات أجنبية قد يفشل بهدوء على المسوح المحلية.

4. الشراكة مع مستشفى جامعي والنشر، لتحويل التجربة إلى دليل معترف به

النموذج الأولي العامل ليس مثل أداة موثوقة سريرياً. ثبّت المشروع في مركز استشفائي جامعي (CHU) لديه لجنة أخلاقيات وقسم توليد مستعد للمشاركة في التأليف. اتبع نموذج تعاون Barcelona — الأطباء والمهندسون كمؤلفين مشاركين — وانشر التحقق، ولو على شكل تقرير قصير. النشر يحقق ثلاثة أمور لا يستطيع العرض التوضيحي تحقيقها: يكسب ثقة الأطباء، ويبني سجلاً قابلاً للاستشهاد يجذب المنحة التالية، ويضع الذكاء الاصطناعي لصحة الأم المصمَّم في الجزائر على الخريطة الإقليمية. والخطأ الذي يجب تجنّبه هو معاملة النموذج كمنتج قبل أن يصبح دليلاً.

أين يقع هذا في منظومة التكنولوجيا الصحية الجزائرية لعام 2026

يقع عمل الموجات فوق الصوتية للجنين عند تقاطع اتجاهين قائمين بالفعل في الجزائر: قاعدة مواهب ذكاء اصطناعي تنضج ونظام صحي يرقمن أخيراً سجلاته وسير عمله. ولا ينتج أي منهما بمفرده تشخيصات محلية — لكنهما معاً يخلقان الظروف لذلك. لقد أنجزت دراسة 2023 العمل الصعب وغير اللامع المتمثل في إثبات المفهوم: أظهرت أن البيانات المحلية، ولو بكميات صغيرة، يمكن أن تكيّف نماذج قوية مع الواقع السريري الجزائري. وما تبقّى هو التنفيذ — جمع الأشخاص وتنسيق البيانات ونشر النتائج.

والفرصة هي الصعود في سلسلة القيمة. فالمساهمة بمسوح 25 مريضاً في دراسة بقيادة أجنبية نقطة انطلاق؛ أما قيادة الدراسة التالية وامتلاك مجموعة البيانات ونشر الأداة في جناح ولادة جزائري فهو الوجهة. ومع إدراج الصحة في الاستراتيجية الوطنية للذكاء الاصطناعي وتشكّل عمود فقري للصحة الرقمية عبر ANNS وإطلاق السجل الطبي الإلكتروني، فإن لبنات البناء جاهزة. والأطباء والمهندسون الذين يتشاركون الآن — حول مهام ضيقة ومُتحقَّق منها جيداً — سيكونون هم من يحدّدون كيف سيبدو الذكاء الاصطناعي الطبي الجزائري بحلول 2030.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries — Scientific Reports / PMC
• Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries — Nature Scientific Reports
• Why Algeria Is Positioned to Become North Africa’s AI Leader — New Lines Institute
• Algeria Launches Digital System to Overhaul Hospital Transfer Process — We Are Tech Africa
• Algeria’s Bold Blueprint to Rebuild Modern Healthcare — Horizons