MedGemma: منصة الذكاء الاصطناعي من جوجل لإعادة تشكيل مستقبل الطب الرقمي

مجلة دواء نيوز – مايو 2025
في خطوة جديدة نحو تمكين التكنولوجيا من لعب دور محوري في تحسين الرعاية الصحية عالميًا، أعلنت شركة جوجل عن إطلاق مجموعة MedGemma، والتي تمثل أقوى إصداراتها المفتوحة المصدر للذكاء الاصطناعي المتخصص في فهم النصوص والصور الطبية. وتأتي هذه المبادرة كجزء من جهود الشركة لتعزيز الابتكار في القطاع الصحي، وتمكين المطورين من بناء تطبيقات قائمة على الذكاء الاصطناعي في المجالات الطبية.

تم بناء MedGemma على معمارية Gemma 3، وتتوفر بنسختين:

• MedGemma 4B: نموذج متعدد الوسائط قادر على فهم كل من الصور والنصوص.
• MedGemma 27B: نموذج نصي فقط، يتميز بقدرات استدلال لغوي عالية موجهة لتطبيقات الطب السريري المتقدمة.

استخدامات طبية واسعة النطاق

تتميز مجموعة MedGemma بمرونتها العالية، مما يجعلها قابلة للتكيف مع العديد من السيناريوهات الطبية الواقعية. وفيما يلي أبرز حالات الاستخدام التي يمكن أن تستفيد من هذه النماذج:

1. تصنيف الصور الطبية

يُعد النموذج MedGemma 4B خيارًا مثاليًا لتطوير تطبيقات تصنيف الصور الطبية مثل:

• صور الأشعة (X-ray, MRI)
• علم الأمراض الرقمي (Digital Pathology)
• صور قاع العين
• صور الأمراض الجلدية

ورغم قوة أداء النموذج في هذه المهام مقارنة بالنماذج المماثلة من نفس الحجم، إلا أن استخدامه في بيئة إكلينيكية يتطلب اختبارات تحقق دقيقة وتحسينات إضافية حسب كل حالة استخدام.

2. تفسير الصور الطبية

يُستخدم MedGemma 4B كذلك في تفسير الصور الطبية وتوليد تقارير تشخيصية أو الإجابة عن الأسئلة بلغة طبيعية حول محتوى الصورة. وهذا يفتح الباب أمام تطبيقات مساعدة الأطباء في إعداد التقارير، أو دعم تدريب الأطباء المقيمين، أو تسريع إجراءات التشخيص.

3. الفهم النصي والاستدلال السريري

بفضل قدراته في معالجة اللغة، يمكن لـ MedGemma 27B أن يؤدي دورًا محوريًا في مهام مثل:

• دعم القرار السريري
• تلخيص السجلات الطبية
• إجراء مقابلات أولية مع المرضى
• تصنيف الحالات وتوجيهها للمتخصص المناسب

النموذج الأكبر 27B يُعد الأكثر كفاءة في هذا السياق، لكن كلا النموذجين يظهران أداءً قويًا بالمقارنة مع النماذج المماثلة مفتوحة المصدر.

كيف يمكن تكييف MedGemma؟

MedGemma ليس نموذجًا نهائيًا جاهزًا للنشر السريري، بل هو نموذج مخصص للمطورين يتطلب التحقق والتكييف وفقًا للحالة المراد استخدامها. وتشمل أساليب التكييف:

1. هندسة المحفزات (Prompt Engineering)

يمكن تحسين أداء النموذج بشكل كبير من خلال كتابة محادثات أو تعليمات (prompts) مدروسة بعناية. وقد يتضمن ذلك:

• تقديم أمثلة مسبقة داخل النص (Few-shot learning)
• تقسيم المهام إلى خطوات وتنفيذ كل خطوة على حدة

2. إعادة التدريب الجزئي (Fine-Tuning)

يسمح MedGemma بإعادة التدريب باستخدام تقنيات فعالة مثل LoRA، ويمكن أن يشمل ذلك:

• تحسين وحدة المخرجات النصية لفهم أفضل لمخرجات الصور
• توسيع نطاق استخدام النموذج ليشمل مهام جديدة

3. الاستخدام ضمن أنظمة متعددة الأدوات (Agentic Orchestration)

يمكن دمج MedGemma ضمن أنظمة أكبر تشمل أدوات مثل:

• محركات بحث طبية
• مولدات FHIR
• Gemini Live للمحادثات الصوتية
• Gemini 2.5 Pro لتحسين عمليات الاستدلال ووظائف الاستدعاء البرمجية

كما يمكن استخدام النموذج محليًا لتحليل بيانات المرضى الحساسة، ثم إرسال استعلامات مجهولة المصدر إلى نماذج مركزية للحصول على إجابات دقيقة.

التنبيهات التنظيمية والأخلاقية

رغم الإمكانات الهائلة التي تقدمها مجموعة MedGemma، فإن جوجل تؤكد على ضرورة الالتزام بالشروط التنظيمية والأخلاقية عند استخدامها في تطبيقات الرعاية الصحية. كما أن الأداء الأولي للنموذج لا يعتبر بدرجة سريرية، ما يستلزم التحقق والتحسين قبل اعتماد أي نظام مبني عليه في بيئة علاجية حقيقية.

تمثل MedGemma خطوة فارقة في مجال الذكاء الاصطناعي الطبي مفتوح المصدر. فهي توفر منصة قوية للمطورين والباحثين لبناء تطبيقات مبتكرة وفعالة تساعد على تحسين تشخيص الأمراض، ودعم القرارات السريرية، وزيادة كفاءة الأنظمة الصحية. ومع استمرار تطور هذه النماذج، يتوقع أن تصبح جزءًا جوهريًا من التحول الرقمي في الطب الحديث.