ثورة طبية واعدة لمستقبل أفضل.. الذكاء الإصطناعي والصحة النفسية للمراهقين

مازن العبيدي

تُعد الصحة النفسية ركيزة أساسية للرفاه الاجتماعي والنفسي والعاطفي لأي فرد. إنها تؤثر على طريقة تفكيرنا، شعورنا، وتفاعلنا مع الظروف المحيطة بنا. وعندما يتمتع الشخص بصحة نفسية جيدة، يصبح قادراً على الأداء بكفاءة والوصول إلى أقصى إمكاناته. لكن، في عالمنا المعاصر، تواجه الصحة النفسية تحديات كبيرة، خاصة بين شريحة المراهقين التي تُعرف بأنها الفئة العمرية بين 10 و19 عامًا. هذه الفئة الحيوية، التي تُشكل مستقبل المجتمعات، تُعاني من نسبة مقلقة من الاضطرابات النفسية. على سبيل المثال، تُشير الدراسات إلى أن انتشار الاضطرابات النفسية بين المراهقين الذين تتراوح أعمارهم بين 13 و17 عامًا في الهند يبلغ 7.3%، بينما يصل إلى 27.9% في الولايات المتحدة. هذه الأرقام ليست مجرد إحصائيات؛ إنها تعكس واقعًا يستدعي اهتمامًا عاجلاً وتدخلات فعّالة.

يُضاف إلى هذا التحدي الكبير وصمة العار المجتمعية ونقص الوعي المحيط بالصحة النفسية، بالإضافة إلى فجوة علاجية هائلة تصل إلى 95% في الاضطرابات النفسية الشائعة، وهي نسبة أكبر من الفجوة العلاجية في الاضطرابات الشديدة (76%).

قلة نوعية

في ظل هذه التحديات، تُبرز التطورات الهائلة في مجال الذكاء الاصطناعي والتعلم الآلي والتعلم العميق بصيص أمل واعد. فقد أثبتت هذه التقنيات قدرتها على إحداث نقلة نوعية في قطاع الرعاية الصحية بشكل عام، وفي مجال الصحة النفسية بشكل خاص، من خلال توفير حلول مبتكرة للتشخيص المبكر، والتنبؤ بسير المرض، وتقديم العلاج الفعال.لطالما كان تشخيص الاضطرابات النفسية عملية مُعقدة وشاقة. فغالبًا ما يعتمد التشخيص التقليدي على التقارير الذاتية للمريض والإجابات على استبيانات مُوجهة تهدف إلى تحديد أنماط معينة من التفاعلات العامة والعواطف. وخلافًا للعديد من الأمراض المزمنة الأخرى، لا يتطلب تشخيص الأمراض النفسية فحوصات مخبرية أو قياسات موضوعية. ويُعد الدليل التشخيصي والإحصائي للاضطرابات النفسية، الإصدار الخامس (The Diagnostic and Statistical Manual, Fifth Edition (DSM-5)) للأمراض العقلية، الأداة التشخيصية الأكثر استخدامًا. ومع ذلك، قد يجد المراهقون والأطفال صعوبة في الحفاظ على التركيز لأكثر من 2-3 ساعات خلال المقابلات التشخيصية التقليدية هذه. كما أن أحد التحديات الرئيسية في علاج مشاكل الصحة النفسية هو الافتقار إلى نماذج ميكانيكية واضحة للاضطرابات النفسية، فالتعقيد الشديد للدماغ يجعل من الصعب وضع نموذج واضح يصف تطور مرض نفسي معين.

في هذا السياق، ظهر الذكاء الاصطناعي كقوة تحويلية قادرة على تجاوز العديد من هذه العقبات. فمع تزايد توافر بيانات الصحة النفسية يوميًا، يمكن تطبيق تقنيات الذكاء الاصطناعي لفهم أفضل للصحة النفسية. يُستخدم الذكاء الاصطناعي في الطب على شكل نماذج تعلم آلة لفهم البيانات الطبية بهدف تحسين النتائج الصحية وتجربة المريض. ويعمل محترفو الصحة النفسية على توظيف الذكاء الاصطناعي لأداء مهام متنوعة، مثل توفير رؤى حول جلسات العلاج لتحسين الجودة، وتحسين التشخيص ومراقبة حالة المريض، وتغيير العلاج حسب الضرورة.

ومن بين أبرز فروع الذكاء الاصطناعي التي أثبتت فاعليتها في هذا المجال، يأتي التعلم العميق وهو شكل متقدم من التعلم الآلي، ويتميز ببنيته الطبقية القادرة على تعلم السمات المعقدة للبيانات. تتكون تقنيات التعلم العميق عمومًا من طبقة إدخال تستقبل البيانات، وطبقة إخراج تُقدم النتائج المتعلمة، وعدة طبقات مخفية تجد العلاقة بين المدخلات والمخرجات. تُجري جميع هذه الطبقات حسابات رياضية معقدة للكشف عن العلاقات والأنماط المختلفة في البيانات.

عندما نتحدث عن دور الذكاء الاصطناعي في الصحة النفسية، فإننا نقصد تقنيات ذكية تحاول «التفكير» مثل دماغ الإنسان. كيف؟

تخيل أن لدينا نظامًا إلكترونيًا يحاكي خلايا دماغك! هذه التقنية تُعرف بالشبكات العصبية الاصطناعية ، حيث تُبنى من وحدات صغيرة تعمل مثل الخلايا العصبية في الدماغ، كل واحدة منها تحلل جزءًا من المعلومات وتتخذ قرارًا بسيطًا، ثم ترسل هذا القرار للخلية التالية، وهكذا. ومع مرور الوقت والتدريب، تصبح هذه الشبكات أكثر ذكاءً وقدرة على فهم أنماط معقدة للغاية في بيانات المرضى، مما يُساعد على اكتشاف الحالات النفسية من خلال تحليل دقيق للمعطيات.

طبيعية

وبالحديث عن تحليل البيانات، ربما تساءلت يومًا كيف يستطيع هاتفك التعرف على وجهك؟ 

نفس التقنية تقريبًا تُستخدم في الطب النفسي من خلال شبكات تُحلل الصور تسمى شبكات قراءة الصور، سواء كانت صورًا للدماغ أو تعابير الوجه. هذه الشبكات تتعلم التمييز بين الإشارات الطبيعية وغير الطبيعية، مما يجعلها أداة واعدة لاكتشاف اضطرابات مثل الاكتئاب أو القلق بناءً على المظاهر الخارجية أو الصور الطبية.

لكن بعض الاضطرابات النفسية لا تظهر في لحظة واحدة، بل تتطور مع الزمن. وهنا تأتي فائدة الشبكات التي «تتذكر الماضي»، فهي لا تكتفي بتحليل الوضع الحالي فقط، بل تأخذ بعين الاعتبار ما حدث قبل ذلك. تمامًا كما لو أنها تشاهد فيلماً زمنياً عن الحالة النفسية للمريض وتستخرج منه الخلاصات. نماذج مثل «Long Short Term Memory» و»Gated Recurrent Units» تُستخدم لهذا الغرض، فهي ممتازة في التقاط التغيرات المتسلسلة في إشارات الدماغ وربطها بتطور الحالة النفسية.

وفي بعض الأحيان، يواجه الباحثون مشكلة نقص البيانات، ما يصعّب تدريب هذه الشبكات الذكية. لكن هناك حل عبقري لهذا أيضًا! تُستخدم ما يُعرف بالشبكات التوليدية ، وهي قادرة على «اختراع» بيانات جديدة تُشبه الحقيقية، وكأنها تُضيف أمثلة جديدة إلى دفتر التمارين كي تتعلم بشكل أفضل. ومن أشهر هذه النماذج «Generative Adversarial Network» و»Variational Autoencoders»، والتي تُستخدم ليس فقط في الطب بل أيضًا في توليد صور وأصوات اصطناعية تبدو واقعية بشكل مدهش.

يُعد التشخيص المبكر والدقيق للاضطرابات النفسية خطوة حاسمة لتحسين رعاية المرضى وفهم الأمراض. وقد وُجد أن الذكاء الاصطناعي يُقدم مزايا كبيرة في عملية تشخيص الاضطرابات الطبية. فباستخدام تقنيات تعلم الآلة المختلفة مثل آلة بولتزمان (Boltzmann machine)، وآلة المتجه الداعم (support vector machine)، وجهاز الجار الأقرب (K-Nearest Neighbor)، يمكن اكتشاف الأمراض وتشخيصها.

اليوم، أصبح للذكاء الاصطناعي «عيون» يمكنها رؤية ما قد لا تراه العين البشرية.

 يُستخدم ما يُعرف بـ «رؤية الحاسوب» و»التعلم الآلي» – وهما فرعان من الذكاء الاصطناعي – في تحليل الصور الطبية والتنبؤ بالأمراض. فمثلًا، يستطيع هذا النوع من الذكاء تحليل صور أشعة الدماغ وتجزئتها إلى مناطق دقيقة، ثم تصنيفها لتحديد ما إذا كانت هناك مؤشرات على وجود مرض نفسي. تخيل كم هو مفيد أن يتمكن الجهاز من النظر إلى صورة الرنين المغناطيسي للدماغ، ثم يقول لك: «هنا شيء غير طبيعي، انتبه!». فمثلا: في الأمراض المعقدة مثل الفُصام – وهو اضطراب نفسي يجعل الشخص يسمع أو يرى أشياء غير موجودة ويُفسر الواقع بطريقة مختلفة – قام باحثون مثل «خان وآخرون» بتطوير نموذج ذكي يستطيع تحليل المعلومات الجينية (الشفرة الوراثية) للمريض. هذا النموذج يعمل كأنه يتعلم من الجينات ليكتشف ما إذا كان الشخص معرضًا للإصابة بالفُصام. ورغم أن دقته ما تزال في طور التحسين، إلا أنه يمثل خطوة واعدة نحو تشخيص أدق في المستقبل.

كما يمكن للذكاء الاصطناعي التفريق بين تشخيص الأمراض التي لها أعراض متشابهة، ولكن طرق علاج مختلفة، مثل التمييز بين الاكتئاب ثنائي القطب والاكتئاب أحادي القطب بناءً على سمات تصوير الدماغ، أو التمييز بين أنواع الخرف المختلفة بناءً على صور الرنين المغناطيسي التركيبي (Structural MRI) بالإضافة إلى ذلك، تُساعد طرق الذكاء الاصطناعي المعتمدة على البيانات، والتي تستند إلى عوامل مختلفة مثل السمات الديموغرافية والملامح المعرفية العصبية والمؤشرات الحيوية، في تحديد أنماط جديدة من الأمراض.

بالإضافة الى ذلك, حيث لا يقتصر دور الذكاء الاصطناعي على التشخيص فحسب، بل يمتد ليشمل التنبؤ بسير الاضطرابات النفسية (Prognosis) بفضل قدرته التنبؤية القوية وقدرته على التعميم. يمكن لتقنيات الذكاء الاصطناعي استخدام البيانات الطولية للمرضى النفسيين، التي تُجمع على مدى فترة زمنية، لإجراء تنبؤات دقيقة. وتشمل هذه البيانات صور الدماغ العصبية مثل Functional MRI وStructural MRI والبيانات الجينية والجينومية، والسجلات الصحية الإلكترونية electronic health records .

الجدير بالذكر، ان الذكاء الاصطناعي لا يكتفي فقط بتشخيص الأمراض النفسية، بل يُمكنه أيضًا أن يُساعد في معرفة مدى فاعلية العلاج قبل البدء به! فهو قادر على تحليل استجابة المريض لأنواع مختلفة من العلاجات، بل ويتوقع إن كان دواء معين سيكون مفيدًا لشخص ما أم لا. وهذا ما يُعرف بالطب الشخصي، أي اختيار العلاج المناسب لكل مريض بحسب حالته الخاصة. على سبيل المثال، في إحدى الدراسات، استخدم الباحث «تشانغ» وفريقه تقنية الذكاء الاصطناعي لمعرفة مدى نجاح دواء «ميثيلفينيديت وهو دواء يُستخدم عادة لعلاج اضطراب فرط الحركة وتشتت الانتباه Attention Deficit      ,Hyperactivity Disorder  قاموا بتحليل صور للدماغ باستخدام التصوير بالرنين المغناطيسي، وركزوا على الفروقات الدقيقة في حجم مناطق معينة من الدماغ. ثم استخدموا خوارزمية ذكية تُدعى آلة المتجه الداعم (Support Vector Machine) وهي طريقة تساعد الحاسوب على التمييز بين حالتين مختلفتين. بعبارة بسيطة: كأننا نُعطي الجهاز صورًا من نوعين، ونطلب منه أن يتعلم الفرق بينهما. وبهذا الأسلوب، تمكنوا من التنبؤ بمن سيكون العلاج فعالًا له، ومن قد لا يستفيد منه كثيرًا.

لكن رغم الأمل الكبير الذي نحمله في الذكاء الاصطناعي ليُحدث ثورة في علاج مشاكل الصحة النفسية، إلا أن الطريق ليس مفروشاً بالورود. فهناك بعض التحديات التي يجب أن نأخذها بعين الاعتبار قبل أن نُطلق له العنان في هذا المجال الحساس. فما هي أبرز هذه التحديات؟

 تخيّل أن الذكاء الاصطناعي مثل طباخ ماهر، لا يُمكنه إعداد وجبة متقنة إلا إذا توفرت له مكونات طازجة وكافية. بنفس الطريقة، يحتاج الذكاء الاصطناعي إلى كمّ هائل من البيانات الدقيقة والموثوقة كي يعمل بكفاءة. ولكن عندما تكون هذه البيانات قليلة أو غير متوازنة – مثلاً، تُمثّل بعض الفئات أكثر من غيرها – فإن النتيجة قد تكون أن النموذج يصبح «متحيزًا» ويفشل في التعامل بدقة مع الحالات الجديدة التي لم يتدرب عليها من قبل. هذا يُثير تساؤلاً مهمًا: هل الذكاء الاصطناعي جاهز فعلاً ليكون جزءًا من العيادات والمستشفيات؟ رغم كل الضجة المحيطة بقدرات الذكاء الاصطناعي الخارقة، فإن استخدامه الفعلي في البيئات الطبية لا يزال محدودًا. السبب؟ العديد من النماذج الذكية لا تزال في مرحلة التجربة، وتحتاج إلى اختبارات مكثفة لتثبت فعاليتها وجدارتها في اتخاذ قرارات حاسمة تتعلق بصحة الناس. والأسوأ أن بعضها لا يعمل بكفاءة إلا في ظروف محددة أو مع مجموعات معينة، مما يحد من تعميم استخدامها.

ومن التحديات الأخرى أن أغلب أنظمة الذكاء الاصطناعي تميل إلى التفكير بطريقة ثنائية: نعم أو لا، أبيض أو أسود. لكنها لا تلتقط التعقيد الكامل للحالات النفسية، التي قد تتراوح بين درجات خفيفة وشديدة، وتتغير من شخص لآخر. هذه الطبيعة المتقلبة للصحة النفسية تتطلب أدوات أكثر مرونة وإنسانية، قادرة على فهم طيف واسع من الحالات، وليس فقط الحُكم إن كان هناك اضطراب أم لا.

ولا يتوقف التحدي هنا، فهناك مشكلة إضافية تتعلق بالحالات النادرة. بعض الاضطرابات النفسية نادرة جدًا أو تظهر بأعراض غير مألوفة، وهذا ما يجعل الذكاء الاصطناعي، الذي يعتمد على التكرار في التدريب، غير قادر على التعرف عليها بدقة. محاولات التغلب على هذه العقبة موجودة، مثل توليد بيانات إضافية أو دمج طرق تحليل مختلفة، لكنها لا تزال في مراحل مبكرة.

ثم يأتي الجانب العاطفي، وهو ما يُشكل فارقًا كبيرًا في العلاج النفسي. الذكاء الاصطناعي، مهما تطور، لا يستطيع – حتى الآن – أن يُظهر التعاطف، أو يُقدم الدعم النفسي الدافئ الذي يحتاجه المريض. قد يكون أداة ممتازة في التحليل والتشخيص، لكنه لا يعرف كيف يُطمئن قلبًا قلقًا أو يُهديء مريضًا في حالة انهيار عاطفي. هذا الغياب للعاطفة يمثل فجوة يصعب سدّها بالتقنية وحدها.

وأخيرًا، لا يمكن تجاهل المخاوف الكبيرة حول الخصوصية. بما أن الذكاء الاصطناعي يتطلب جمع وتخزين كميات هائلة من البيانات الشخصية، فإن احتمالية تعرّض هذه المعلومات الحساسة للاختراق أو الاستخدام غير المصرح به تبقى قائمة. من يتحمل المسؤولية حينها؟ وهل توجد تشريعات صارمة تحمي المستخدمين؟ الواقع أن العديد من الدول لا تزال تفتقر إلى الأطر القانونية الكافية لضمان الأمان الرقمي، مما يفتح الباب أمام تساؤلات أخلاقية وقانونية لا تزال دون إجابة واضحة.

في ظل هذه التحديات، يتجه البحث المستقبلي نحو تطوير مفهوم الحكمة الاصطناعية (Artificial Wisdom) لمعالجة قيود الذكاء الاصطناعي المتعلقة بالتعاطف والرحمة البشرية. تُشير الحكمة إلى تحقيق رفاهية مجتمعية وفردية أكبر. وعلى الرغم من أنه من غير المرجح أن يتم برمجة الحكمة البشرية بالكامل في الآلات، إلا أن هناك أمثلة جزئية موجودة بالفعل، مثل الروبوتات التي تعمل كمعالجين فيزيائيين وعاملين اجتماعيين، بالإضافة إلى توفير المساعدة المعرفية لكبار السن. هذه التطورات تسير في اتجاه إنشاء آلات تستخدم مبادئ حكيمة لاتخاذ قرارات حكيمة. ويُمكن أن تلعب تطورات حكمة الذكاء الاصطناعي دورًا رئيسيًا في الرعاية الصحية النفسية في المستقبل.

ومع ذلك، يلزم إجراء المزيد من البحث المكثف حول تطبيقات الذكاء الاصطناعي لمنعه من العمل بطريقة غير متوقعة. كما يتطلب الأمر تقييمًا شاملاً للمخاطر وإشرافًا إداريًا قبل وضعه في الاستخدام الطبي، حيث يجب أن يكون قادرًا على التعامل مع المواقف غير العادية.

في الختام، يُمثل الذكاء الاصطناعي ثورة واعدة في مجال الصحة النفسية للمراهقين، مقدمًا أدوات قوية للتشخيص المبكر، والتنبؤ الدقيق، وتقديم العلاجات المخصصة. وبينما تُسهم هذه التقنيات في سد الفجوات العلاجية وتجاوز التحديات التقليدية، فإنه من الضروري التعامل مع قيودها المتعلقة بالبيانات، والقضايا الأخلاقية، والاحتياج المستمر للعنصر البشري. إن المستقبل الواعد للذكاء الاصطناعي في الصحة النفسية يعتمد على تطويره المتوازن الذي يجمع بين الابتكار التكنولوجي والقيم الإنسانية الأساسية، لضمان مستقبل صحي أفضل لأجيالنا الصاعدة.

أستاذ مساعد /جامعة التقنية والعلوم التطبيقية