الرعاية الصحية وعلوم الحياة

بات الذكاء الاصطناعي السريري يعمل بالفعل داخل نظام السجلات الصحية الإلكترونية (EHR)، وسلسلة ترميز الفواتير، وقائمة الانتظار الخاصة بالتفويض المسبق، ومسار اكتشاف الأدوية لديك — ولكن طبقة الأمان والتحقق والتوثيق التنظيمي الفاصلة بين النموذج والمريض لا وجود لها في معظم عمليات النشر. ويتمثل نهج Veriprajna في هندسة تلك الطبقة المفقودة: التحقق السريري الحتمي، والمراقبة المستمرة للأجهزة، والحوكمة الجاهزة للتدقيق والمصممة للمنظومات الصحية وشركات الأدوية والجهات الضامنة.

الذكاء الاصطناعي الذي يستخدمه أطباؤك بالفعل يفتقر إلى طبقة أمان

يمتلك ثلثا قاعدة مقدمي الرعاية في Epic الآن إمكانية الوصول إلى المحتوى السريري المولد بواسطة GPT-4. حيث يقوم الموثقون السريريون الآليون (ambient scribes) بصياغة الملاحظات، وتُرسل ردود In Basket إلى المرضى، وتتلقى رسائل MyChart ردوداً مولدة تلقائياً. وفي دراسة خضعت لمراجعة الأقران لعمليات النشر السريري الفعلية، 2.9% من ملخصات اللقاءات المولدة بالذكاء الاصطناعي تضمنت هلاوس أو أخطاء واقعية — بما في ذلك حالات أدوية غير صحيحة وتواريخ إجراءات طبية خاطئة.

يبدو هذا الرقم ضئيلاً حتى تضع في حسبانك أن 22.7% من مقدمي الرعاية أفادوا بتجاوز الملاحظات الكاملة تماماً لصالح الملخص المولد بالذكاء الاصطناعي. إن طبقة الأمان الفاصلة بين نموذج اللغة الكبير والمريض غير موجودة في معظم عمليات تكامل السجلات الصحية الإلكترونية اليوم: فبنية شركة Epic لـ CDS Hooks لم تُصمم للتحقق من صحة النصوص المولدة بنماذج اللغات الكبيرة ومطابقتها في الوقت الفعلي مع قائمة المشكلات النشطة وقائمة الأدوية وقائمة الحساسية للمريض. وتلك هي الفجوة التي صُممت مشاريعنا لمعالجتها — شاهد عرضاً توضيحياً عملياً لطبقة أمان الذكاء الاصطناعي السريري لدينا.

هذا الأمر ليس نظرياً. فعندما اختبر الباحثون ستة من نماذج اللغات الكبيرة الرائدة باستخدام حالات سريرية موجزة تحتوي على قيمة مخبرية وهمية مزروعة واحدة، كررت النماذج أو استفاضت في تفصيل المعلومات الزائفة فيما يصل إلى 83% من الحالات. ورغم أن مطالبة تحسين بسيطة خفضت النسبة إلى النصف، إلا أنها لم تقضِ عليها. وفي مسارات العمل التي تُغذي فيها الملاحظة المولدة بالذكاء الاصطناعي عمليات الترميز وطلب الفحوصات والفوترة مباشرة، يمكن لقيمة مخبرية متوهمة أو تاريخ دوائي مفبرك أن يسري عبر سلسلة الرعاية بأكملها قبل أن يتدخل العنصر البشري.

مشكلة الترميز البالغة 2.3 مليار دولار التي لم يخطط لها أحد

كشف تحليل بلو كروس بلو شيلد لبيانات المطالبات التجارية في مارس 2026 أن ممارسات الترميز المدعومة بالذكاء الاصطناعي ترتبط بزيادة قدرها 2.3 مليار دولار في الإنفاق على الرعاية الصحية — 663 مليون دولار لمرضى الأقسام الداخلية و 1.67 مليار دولار لمرضى العيادات الخارجية. إن الجدل الدائر حول ما إذا كان هذا تضخيماً لفئات المطالبات (upcoding) أم تحسيناً لدقة التوثيق يخطئ الهدف الأساسي: فإذا كان الموثق الآلي يلتقط تفاصيل سريرية أكثر ولكن لا أحد يتحقق من دقة تلك التفاصيل، فأنت بذلك تبني منظومة باهظة التكلفة لتوليد مطالبات ذات حدة مرضية أعلى من نفس الواقع السريري.

يتفق مقدمو الرعاية والجهات الضامنة على أن الموثقين الآليين يرفعون التكاليف؛ ولا يملك أي منهما حلاً، لأن المشكلة تكمن في الفجوة الفاصلة بين الموثق والمرمز — في طبقة تحقق لا وجود لها بعد. ويتمثل نهجنا في بناء طبقة التحقق هذه — ليس عبر استبدال أدوات التوثيق الآلي أو منافسة محركات الترميز، بل عبر إدراج تحقق سريري حتمي بين الملاحظة المولدة بالذكاء الاصطناعي والأنظمة اللاحقة التي تعتمد عليها. وقد صُممت عمليات التدقيق هذه لتكون هيكلية بنيوية وليست احتمالية:

• هل تظهر هذه النتيجة الموثقة في سجل المريض؟
• هل يطابق هذا التقييم الأدلة الموثقة؟
• هل هذا المستوى من التعقيد مدعوم ببيانات اللقاء السريري؟

هذه عمليات تحقق قائمة على القواعد مقابل حقائق سريرية معروفة، وليست أحكاماً احتمالية.

1,451 جهاز ذكاء اصطناعي معتمداً من إدارة الغذاء والدواء ومشكلة سحب الأجهزة

اعتمدت إدارة الغذاء والدواء (FDA) 295 جهازاً طبياً مدعوماً بالذكاء الاصطناعي في عام 2025 وحده — وهو العدد الأكبر في تاريخها — مما رفع الإجمالي التراكمي إلى 1,451. ولكن مراجعة لـ 60 جهاز ذكاء اصطناعي معتمداً من FDA كشفت عن 182 حالة سحب، ووقع ما يقرب من نصفها خلال عام واحد من الموافقة. وسجل نظام الملاحة TruDI أكثر من 100 عطل وحدث سلبي بعد دمج الذكاء الاصطناعي، مقارنة بسبعة أعطال فقط قبل ذلك. ولم تُبلغ سوى 5.2% فقط من أجهزة الذكاء الاصطناعي المعتمدة عن أي بيانات تتعلق بالأحداث السلبية على الإطلاق — ما يعني أننا نتحرك في ظلام دامس فيما يخص سلامة نسبة 95% المتبقية بعد طرحها في السوق.

​ خطة التحكم المسبق في التعديلات (PCCP) الصادرة في ديسمبر 2024 فتحت إرشاداتها الختامية مساراً لأجهزة الذكاء الاصطناعي التكيفية للتطور بعد الحصول على التصريح دون تقديم طلبات جديدة، ولكن معظم الشركات المصنعة ليست مؤهلة لتنفيذ البنية التحتية للمراقبة والتحقق والتوثيق التي تتطلبها خطط PCCP. ويتمثل نهجنا في بناء تلك البنية التحتية: أنظمة المراقبة المستمرة، ومسارات التحقق من الأداء، وأطر التوثيق التنظيمي المصممة لتحويل خطة PCCP من مجرد استراتيجية لتقديم الملفات إلى واقع تشغيلي.

فجوة الحوكمة: 23% يمتلكون أطراً، و78% بصدد النشر

فقط 23% من المنظومات الصحية أنشأت هياكل رسمية لحوكمة الذكاء الاصطناعي، ومع ذلك فإن 78% تخطط لنشر الذكاء الاصطناعي السريري خلال الأشهر الـ 24 القادمة. وتتوسع المساحة التنظيمية بوتيرة أسرع مما تستطيع معظم المنظومات الصحية توفير كوادر للجان الحوكمة فيها:

• أطلقت الجمعية الطبية الأمريكية (AMA) مجموعة أدوات حوكمة الذكاء الاصطناعي الخاصة بها في أغسطس 2025.
• أطلقت التحالف من أجل الذكاء الاصطناعي الصحي (CHAI) مخططها التوجيهي بعلامة تجارية مشتركة مع اللجنة المشتركة (Joint Commission) في سبتمبر 2025، مما أوضح التوقعات الحوكمية لأكثر من 22,000 مؤسسة معتمدة.
• قاعدة HTI-1 الصادرة عن مكتب المنسق الوطني (ONC) تتطلب 31 سمة مصدرية لتدخلات دعم القرار التنبؤية وتفرض الإفصاح العلني عن ممارسات إدارة مخاطر التدخلات.
• قاعدة عدم التمييز في المادة 1557 تمتد لتشمل أدوات اتخاذ القرار السريري المعتمدة على الذكاء الاصطناعي، وحدد شهر مايو 2025 كموعد نهائي للامتثال.
• إجراءات إنفاذ قوانين الذكاء الاصطناعي لدى مكتب OCR ارتفعت بنسبة 340% في عام 2025.

نحن نصمم برامج حوكمة الذكاء الاصطناعي لتلبية متطلبات ONC وOCR وCMS واللجنة المشتركة في آن واحد، وهو نهج مفصل في أبحاثنا حول آفاق حوكمة النزاهة الخوارزمية. فالمنظومة الصحية التي تنشر الموثق الآلي لـ Epic، ونموذجاً تنبؤياً لتعفن الدم، وروبوت محادثة موجهاً للمرضى، تمتلك ثلاثة ملفات تعريف لمخاطر الذكاء الاصطناعي تتشارك بيانات المرضى. وإن حوكمتها في جزر منعزلة — حسب المورد، أو القسم، أو متطلبات الامتثال — هي السبب وراء انتهاء المؤسسات بسياسات متداخلة، وتقييمات متضاربة للمخاطر، وثغرات تكتشفها الجهات التنظيمية قبل أن تفطن إليها لجنة الحوكمة.

الذكاء الاصطناعي في الصناعات الدوائية: 173 برنامجاً سريرياً، وصفر موافقات، وفجوات تحقق حقيقية

أكثر من 173 برنامجاً دوائياً مكتشفاً بالذكاء الاصطناعي قيد التطوير السريري (أبحاثنا حول اكتشاف الأدوية بالذكاء الاصطناعي مغلق الحلقة). Insilico Medicine نشرت أول إثبات مفهوم سريري في هذا القطاع لعقار مكتشف بالذكاء الاصطناعي في مجلة Nature Medicine في يونيو 2025. Recursion أوقفت تطوير مرشحها الرئيسي REC-994 في مايو 2025 بعد أن فشلت البيانات طويلة المدى في تأكيد مؤشرات الفعالية المبكرة. وقد التزمت كبرى شركات الأدوية بمليارات الدولارات في شراكات الذكاء الاصطناعي — Novo Nordisk–Valo Health ($2.76B)، و Eli Lilly–Isomorphic Labs ($1.75B)، و Bayer–Recursion ($1.5B) — ومع ذلك، لم يحصل أي دواء مكتشف بالذكاء الاصطناعي على موافقة إدارة الغذاء والدواء (FDA) حتى أوائل عام 2026.

لا تكمن فجوة التحقق في الذكاء الاصطناعي الدوائي في أداء النماذج — بل في التوثيق التنظيمي. فعندما يتعامل الذكاء الاصطناعي مع عمليات خاضعة لقواعد الممارسات الجيدة (GxP)، يتطلب كل قرار خوارزمي مسار تدقيق متوافقاً مع 21 CFR Part 11 . وقد قدمت مسودة إرشادات إدارة الغذاء والدواء (FDA) الصادرة في يناير 2025 إطاراً لتقييم المصداقية قائماً على المخاطر، كما تؤكد المبادئ المشتركة بين FDA وEMA الصادرة في يناير 2026 على الملاءمة للغرض والحوكمة القوية للبيانات. ويتمثل نهجنا في بناء البنية التحتية للتحقق التي تربط مخرجات نماذج الذكاء الاصطناعي بأطر التوثيق التي تراجعها الهيئات التنظيمية فعلياً: خطط تقييم المصداقية، وتحديد سياق الاستخدام، ومسارات التدقيق التي تتبع كل قرار خوارزمي من بيانات التدريب وصولاً إلى النقطة النهائية السريرية.

المحاسبة التنظيمية للذكاء الاصطناعي لدى الجهات الضامنة

أطلقت مراكز الرعاية والخدمات الطبية (CMS) مشروع WISeR التجريبي في يناير 2026، لاختبار التفويض المسبق المدعوم بالذكاء الاصطناعي للمستفيدين من برنامج Medicare في ست ولايات. وخلال أشهر، أبلغ الأطباء عن تزايد حالات الرفض، وفترات انتظار أطول للمراجعات بين الأقران، وتأخير في وصول المرضى إلى الرعاية. فالهيكل المالي للبرنامج يكافئ الموردين بناءً على حصة من «الوفورات»، مما يخلق حافزاً مباشراً للرفض. وقد رفعت مؤسسة الحدود الإلكترونية (EFF) دعوى قضائية تطالب بالشفافية بشأن الحوافز المالية للموردين، وقدم الديمقراطيون تشريعاً لإلغاء هذا المشروع التجريبي. وفي غضون ذلك، تتحرك المجالس التشريعية للولايات بشكل مستقل:

• تكساس تحظر القرارات السلبية المؤتمتة دون إشراف بشري.
• مشروع قانون كاليفورنيا SB 243 ينظم روبوتات المحادثة المرافقة المعتمدة على الذكاء الاصطناعي.
• إلينوي و نيفادا حظرتا استخدام الذكاء الاصطناعي في الصحة السلوكية تماماً.

بالنسبة للجهات الضامنة التي تنشر الذكاء الاصطناعي في إدارة الاستخدام، لم يعد السؤال ما إذا كانت اللوائح التنظيمية ستصل، بل ما إذا كان نظامك قادراً على إثبات مسار التدقيق، وتوثيق الأساس المنطقي السريري، ودمج الإشراف البشري الذي تفرضه جميع اللوائح المرتقبة. نحن نصمم أطر الامتثال الخوارزمي للذكاء الاصطناعي لدى الجهات الضامنة لتوثيق الأساس المنطقي للقرار على مستوى كل مطالبة فردية، ودمج محفزات المراجعة البشرية الإلزامية، وإنشاء تقارير الشفافية التي ستطلبها في نهاية المطاف مراكز CMS والمدعون العامون للولايات ومحامو الادعاء.

لماذا لا تلجأ إلى إحدى شركات الاستشارات الكبرى؟

تمتلك كل من Deloitte وAccenture وMcKinsey ممارسات للذكاء الاصطناعي في الرعاية الصحية. وتنتج هذه الشركات أطر الحوكمة، وتقييمات النضج، وخرائط الطريق الاستراتيجية، وتجيد إدارة التغيير التنظيمي والمواءمة التنفيذية. لكنها لا تبني أنظمة السلامة السريرية.

عندما يتطلب تكامل Epic لديك طبقة تحقق في الوقت الفعلي تفحص توصيات الأدوية المولدة بالذكاء الاصطناعي وتطابقها مع قائمة حساسية المريض ضمن CDS Hooks، فإن تلك معضلة هندسية تتطلب عمقاً في المعلوماتية السريرية وقدرة على تكامل الأنظمة معاً. وتتعاقد الشركات الكبرى من الباطن لتنفيذ ذلك العمل؛ أما نحن فنتعامل معه كصلب العمل الهندسي للمشروع وليس مجرد مهمة يتم تسليمها للغير. وعندما يحتاج فريقك الدوائي إلى مسارات تدقيق متوافقة مع 21 CFR Part 11 لنموذج ذكاء اصطناعي في عمليات GxP، يُصمم نطاق مشروعنا لإنتاج مسار عمل فعلي جاهز للتشغيل — وليس مجرد عرض تقديمي يصف الشكل الذي ينبغي أن يكون عليه هذا المسار.