🩺 ملخص موجز
أظهرت دراسة حديثة أن صور الأشعة السينية (X-rays) المزيفة التي تم إنشاؤها عبر تقنيات الذكاء الاصطناعي المتقدمة مثل نماذج اللغات الكبيرة (LLMs) قد أصبحت واقعية للغاية، بحيث يواجه حتى أخصائيو الأشعة صعوبة في التمييز بينها وبين الصور الحقيقية. هذه الظاهرة تفتح الباب أمام مخاطر طبية وقانونية كبيرة، خاصة مع إمكانية استخدام هذه الصور المزيفة في تزوير التشخيصات الطبية أو التأثير على نظام الرعاية الصحية. الدراسة تشير إلى حاجة ملحة لتطوير أدوات وتقنيات حماية متقدمة مع تعزيز التدريب والتوعية بين المتخصصين.
🧪 ما هي صور الـ Deepfake في الأشعة السينية؟
مصطلح “deepfake” يشير إلى ملفات مرئية أو صوتية تم إنشاؤها أو تعديلها باستخدام تقنيات الذكاء الاصطناعي بشكل متقن يجعلها تبدو حقيقية للغاية. في مجال التصوير الطبي، أصبحت هذه التكنولوجيا قادرة على توليد صور أشعة سينية مزيفة – أي صور تشبه إلى حد كبير الصور الحقيقية التي يتم التقاطها عبر أجهزة الأشعة تِكنيكياً وتشريحياً.
الذكاء الاصطناعي الذي يستخدم نماذج مثل GPT-4o يمكنه توليد صور أشعة من مناطق مختلفة من الجسم، بما في ذلك الصدر، العمود الفقري، واليد، بحيث تبدو هذه الصور متطابقة تقريبًا مع الأصلية. هذا التطور يظهر إمكانات مذهلة، لكنه يجلب معه تحديات أخطار حقيقية في المجال الطبي.
🧠 نتائج الدراسة: هل يستطيع الأطباء تمييز الصور الحقيقية من المزيفة؟
شملت الدراسة 17 طبيب أشعة من 12 مؤسسة مختلفة في 6 دول. تراوحت خبراتهم بين مبتدئين ومتخصصين يصل عمر خبرتهم إلى 40 عامًا. اختبر الباحثون قدرتهم على التمييز بين 264 صورة أشعة، نصفها حقيقي والنصف الآخر مولد بواسطة تقنيات الـ AI.
📊 دقة التمييز بين الصور الحقيقية والـ deepfake
- عندما لم يُخبر الأطباء بوجود صور مزيفة، استطاع %41 منهم فقط اكتشاف الصور المصطنعة.
- بعد الإدراك المسبق بوجود صور مزيفة، ارتفعت نسب اكتشافهم إلى %75 كمتوسط.
- تفاوت الأداء بين الأطباء بين %58 و %92 حسب نوع الصور المولدة بواسطة ChatGPT.
- نماذج الذكاء الاصطناعي المتعددة لتحقيق نفس المهمة أظهرت نسب دقة بين %57 و %85 بحسب النموذج المستخدم.
- بالنسبة لأشعة الصدر التي تم توليدها بواسطة نموذج RoentGen، تراوحت دقة الأطباء بين %62 و %78 والدقة للنماذج الذكية بين %52 و %89.
لا يلعب العمر المهني دورًا مؤثرًا في دقة كشف الصور المزيفة، بينما أظهر أخصائيو الأشعة العضلية والعظمية (musculoskeletal radiologists) أداء أفضل.
🌱 مؤشرات بصریة تُميز الdeepfake في الأشعة
على الرغم من التطور الكبير، حدد الباحثون عددًا من العلامات العينية التي قد تميز الصور المولدة عبر الذكاء الاصطناعي، ومنها:
- عظام تبدو ناعمة جدًا وغير طبيعية في التفاصيل الدقيقة.
- أعمدة فقرية مستقيمة بشكل مبالغ فيه وغير منتظمة كما في الواقع.
- تماثل مبالغ فيه في شكل الرئتين.
- نمط الأوعية الدموية يبدو متناسقًا وأحادي اللون بطريقة غير واقعية.
- الكسور تكون نظيفة ومتجانسة ومحيطة بجانب واحد فقط من العظمة، خلافًا للكسور الطبيعية التي غالبًا ما تكون غير منتظمة.
هذه النقاط يمكن أن تساعد الأطباء في تعزيز مهارات التمييز، ولكنها ليست كافية دائمًا لضمان كشف كامل لجميع الصور المزيفة.
🧬 مخاطر استخدام deepfake في المجال الطبي
إمكانية تزوير صور الأشعة عبر الذكاء الاصطناعي تفتح مخاطر متعددة:
- استخدام الصور المزيفة في دعاوى قضائية أو مطالبات التأمين، مما قد يؤدي إلى نزاعات قانونية بسبب صور طبية مزورة.
- امكانية وصول قراصنة (hackers) إلى شبكات المستشفيات وحقن الصور المزيفة بهدف التأثير على قرارات الأطباء وتشخيص المرضى بشكل خاطئ.
- إلحاق الفوضى بالنظام الطبي الرقمي، الأمر الذي قد يهدد سلامة المرضى ويعرضهم لمخاطر صحية جمة.
هذه التحديات تؤكد أهمية وجود آليات حماية متطورة ضد تزوير الصور الطبية.
🩺 كيف يمكن حماية نظام التصوير الطبي من التزوير؟
واجهة الدراسة عدة توصيات تقنية لتعزيز مصداقية الصور الطبية، منها:
- إدخال علامات مائية غير مرئية داخل الصورة (invisible watermarks) تساعد على التحقق من أصالة الصورة.
- استخدام تواقيع تشفيرية (cryptographic signatures) مرتبطة بتقني التصوير لحظة التقاط الصورة، لتأكيد هويتها فور مراجعتها.
هذه الأدوات تهدف إلى خلق طبقة أمان إضافية تحمي البنية التحتية الطبية الرقمية من التلاعب.
🧪 المستقبل: AI والتصوير الطبي في الأفق
تأكيدًا على ما يُمكن أن يحدث في المستقبل، يرى الباحثون أن التحديات لن تقتصر فقط على صور الأشعة السينية ثنائية الأبعاد، بل قد تتطور لتشمل توليد صور ثلاثية الأبعاد مثل CT وMRI المزيفة باستخدام تقنيات الذكاء الاصطناعي.
في هذا السياق، من الضروري إحراز تقدم في تطوير قواعد بيانات تعليمية وأدوات كشف خاصة بـ deepfakes، وذلك لتدريب الأطباء والفنيين وتمكينهم من مواجهة هذا التحدي المتصاعد.
وقد أطلق الفريق البحثي مجموعة بيانات متخصصة تتضمن اختبارات تفاعلية لتدريب وتمكين المتخصصين على اكتشاف صور deepfake الطبية بشكل أفضل.
