كشفت دراسة علمية حديثة، نُشرت في دورية Nature Health، أن أدوات الذكاء الاصطناعي قد تساعد الأشخاص غير المتخصصين طبيًا على التعرف إلى أمراض الجهاز التنفسي وتحديد أسبابها المحتملة بدقة أكبر من البحث التقليدي عبر الإنترنت، لكنها أظهرت في الوقت نفسه أن التحسن في تحديد الحالات التي تحتاج إلى رعاية عاجلة كان محدودًا نسبيًا.
وقارن الباحثون بين أداة محادثة تعتمد على نموذج الذكاء الاصطناعي GPT-4o، وتحمل اسم «LungDiag»، ومحركات البحث التقليدية عبر متصفحات الإنترنت، بهدف تقييم قدرة كل منهما على مساعدة الأشخاص في فهم المخاطر الصحية، والتعرف إلى الأسباب المحتملة للأعراض، والوصول إلى تشخيص أولي وتحديد مستوى الرعاية المطلوبة.
وشملت الدراسة 2400 شخص بالغ لا يمتلكون تدريبًا طبيًا رسميًا، وشاركوا من خلال 24 منظومة للرعاية الصحية في الصين، خلال الفترة الممتدة من أبريل إلى يونيو 2025.
الذكاء الاصطناعي يتفوق في التشخيص الأولي
ووفقًا لنتائج الدراسة، التي اعتمد تحليلها الأساسي على 2176 استبيانًا مستوفيًا لشروط المشاركة، حققت أداة «LungDiag» دقة إجمالية بلغت 70%، مقابل 55.4% لدى المشاركين الذين استخدموا البحث التقليدي عبر متصفحات الإنترنت.
ويمثل ذلك فارقًا قدره 14.6 نقطة مئوية لصالح أداة الذكاء الاصطناعي، مع دلالة إحصائية قوية، إذ أظهرت النتائج أن احتمالات الوصول إلى إجابة صحيحة كانت أعلى بنحو 26% لدى المجموعة التي استخدمت الأداة.
وكان التفوق الأوضح في أسئلة التشخيص الأولي، إذ بلغت الدقة 81.2% باستخدام «LungDiag»، مقابل 54.5% لدى مجموعة البحث التقليدي.
وتشير هذه النتائج إلى أن أدوات الذكاء الاصطناعي المخصصة للإجابة عن الأسئلة الصحية قد تساعد المستخدمين على تنظيم المعلومات المتعلقة بأعراضهم والتعرف إلى الاحتمالات التشخيصية بصورة أفضل من الاعتماد على البحث التقليدي وحده.
هل يستطيع الذكاء الاصطناعي تحديد الحالات الطارئة؟
رغم التفوق في التشخيص الأولي، كان التحسن في تحديد مستوى الرعاية المطلوبة، أو ما يُعرف بالفرز الطبي، أقل وضوحًا، فقد بلغت دقة الإجابات المتعلقة بالفرز الطبي 53.4% لدى مستخدمي «LungDiag»، مقابل 47.1% لدى مجموعة البحث التقليدي، وهو فارق أصغر من ذلك المسجل في أسئلة التشخيص.
وعند تقييم قدرة المشاركين على التعرف إلى الحالات ذات الأولوية الطبية المرتفعة، أظهرت أداة الذكاء الاصطناعي حساسية بلغت 85.6%، مقارنة بـ80.9% في المجموعة الأخرى.
وتعني الحساسية هنا قدرة الأداة على التعرف إلى الحالات التي تتطلب اهتمامًا عاجلًا، بينما بلغت النوعية، التي تقيس قدرتها على استبعاد الحالات التي لا تنتمي إلى هذه الفئة، 62.1% لدى مستخدمي الذكاء الاصطناعي، مقابل 56% لدى مستخدمي البحث التقليدي.
وتوضح هذه النتائج أن استخدام الذكاء الاصطناعي قد يساعد في التنبيه إلى بعض الحالات عالية الخطورة، لكنه لا يضمن تحديد مستوى الاستعجال الطبي بدقة كافية في جميع الحالات.
وقت أطول للحصول على الإجابات
لم يكن التفوق في الدقة مصحوبًا بسرعة أكبر في إنجاز المهمة؛ إذ استغرق المشاركون الذين استخدموا «LungDiag» وقتًا وسيطًا بلغ 527 ثانية، مقابل 461 ثانية لدى مستخدمي البحث التقليدي.
ويعني ذلك أن الوصول إلى الإجابات باستخدام الأداة استغرق وقتًا أطول نسبيًا، رغم ارتفاع مستوى الدقة الإجمالية في الحالات التي خضعت للتقييم.
واعتمدت الدراسة على مقارنة عشوائية بين المجموعتين، مع تعطيل أدوات البحث المخصصة للذكاء الاصطناعي وميزات البحث المدعومة بالذكاء الاصطناعي التوليدي لدى المجموعة الضابطة، بهدف مقارنة الأداة بالبحث التقليدي بصورة أكثر وضوحًا.
هل يمكن الاعتماد على الذكاء الاصطناعي بدلًا من الطبيب؟
رغم النتائج المشجعة، لا تثبت الدراسة أن استخدام الذكاء الاصطناعي يؤدي إلى تحسن نتائج العلاج في الحياة الواقعية، أو يقلل التأخر في طلب الرعاية الطبية، أو يساعد على اكتشاف الأمراض مبكرًا لدى المرضى الفعليين.
فقد أُجريت التجربة باستخدام حالات صحية افتراضية، وليس من خلال متابعة مرضى حقيقيين أو قياس نتائج تشخيصاتهم وعلاجاتهم.
كما أن النتائج تتعلق بأداة محددة، صُممت بالاعتماد على نموذج GPT-4o وطبقة معرفية متخصصة بأمراض الجهاز التنفسي، ولا تعني بالضرورة أن جميع أدوات الذكاء الاصطناعي تقدم المستوى نفسه من الأداء.
وتشير الدراسة إلى إمكانات واعدة لاستخدام الذكاء الاصطناعي في مساعدة الأفراد على فهم الأعراض الصحية والتعرف إلى التشخيصات المحتملة، لكنها لا تبرر اعتباره بديلًا عن التقييم الطبي المتخصص.
لذلك، ينبغي التعامل مع الإجابات الصحية التي تقدمها أدوات الذكاء الاصطناعي باعتبارها معلومات أولية مساعدة، لا تشخيصًا نهائيًا، مع ضرورة طلب الرعاية الطبية عند ظهور أعراض مقلقة أو الاشتباه في حالة طارئة.
A recent scientific study published in the journal Nature Health revealed that artificial intelligence tools could assist non-medical professionals in identifying respiratory diseases and determining their potential causes more accurately than traditional online searches. However, it also showed that the improvement in identifying cases that require urgent care was relatively limited.
The researchers compared a conversational tool based on the AI model GPT-4o, named “LungDiag,” with traditional search engines through web browsers, aiming to evaluate each tool’s ability to help individuals understand health risks, identify potential causes of symptoms, reach a preliminary diagnosis, and determine the level of care required.
The study included 2,400 adults without formal medical training, who participated through 24 healthcare systems in China, during the period from April to June 2025.
AI Excels in Preliminary Diagnosis
According to the study’s results, which relied on the analysis of 2,176 valid questionnaires, the “LungDiag” tool achieved an overall accuracy of 70%, compared to 55.4% among participants who used traditional searches through web browsers.
This represents a difference of 14.6 percentage points in favor of the AI tool, with strong statistical significance, as the results showed that the likelihood of reaching a correct answer was approximately 26% higher in the group that used the tool.
The most significant advantage was observed in preliminary diagnosis questions, where the accuracy reached 81.2% using “LungDiag,” compared to 54.5% in the traditional search group.
These results suggest that AI tools designed to answer health-related questions may help users organize information related to their symptoms and identify diagnostic possibilities better than relying solely on traditional searches.
Can AI Identify Emergency Cases?
Despite the superiority in preliminary diagnosis, the improvement in determining the required level of care, or what is known as medical triage, was less pronounced. The accuracy of triage-related answers was 53.4% among “LungDiag” users, compared to 47.1% in the traditional search group, which is a smaller difference than that recorded in diagnostic questions.
When assessing participants’ ability to identify cases with high medical priority, the AI tool showed a sensitivity of 85.6%, compared to 80.9% in the other group.
Sensitivity here refers to the tool’s ability to recognize cases that require urgent attention, while specificity, which measures its ability to exclude cases that do not belong to this category, was 62.1% among AI users, compared to 56% among traditional search users.
These results indicate that using AI may help alert to some high-risk cases, but it does not guarantee accurate determination of medical urgency in all cases.
Longer Time to Get Answers
The superiority in accuracy was not accompanied by faster task completion; participants using “LungDiag” took an average time of 527 seconds, compared to 461 seconds for traditional search users.
This means that accessing answers using the tool took relatively longer, despite the higher overall accuracy in the cases evaluated.
The study relied on a random comparison between the two groups, disabling dedicated AI search tools and generative AI-supported search features in the control group, to more clearly compare the tool with traditional searches.
Can AI Replace a Doctor?
Despite the encouraging results, the study does not prove that using AI leads to improved treatment outcomes in real life, reduces delays in seeking medical care, or aids in early disease detection in actual patients.
The experiment was conducted using hypothetical health cases, rather than following real patients or measuring the outcomes of their diagnoses and treatments.
Moreover, the results pertain to a specific tool designed based on the GPT-4o model and a specialized knowledge layer for respiratory diseases, and do not necessarily imply that all AI tools provide the same level of performance.
The study indicates promising potential for using AI to help individuals understand health symptoms and identify possible diagnoses, but it does not justify considering it a substitute for specialized medical evaluation.
Therefore, health answers provided by AI tools should be treated as preliminary supportive information, not a definitive diagnosis, with the necessity of seeking medical care when concerning symptoms arise or in case of suspected emergencies.
