---
title: "ينبغي أن تكون التقنيات الصحية القائمة على الذكاء الاصطناعي شفافة. ومعظمها ليس كذلك."
description: "عبر ١٠٦ اختبارات ارتكبت Hanah ٣ أخطاء، وننشر ذلك عن قصد. لماذا نرفض تجميل الأرقام، وماذا تعني المساءلة في التقنيات الصحية."
source: https://hanah.health/ar/blog/ai-health-tech-transparency/
---

1.  [الرئيسية](https://hanah.health/ar/)
2.  [المدونة](https://hanah.health/ar/blog/)
3.  ينبغي أن تكون التقنيات الصحية القائمة على الذكاء الاصطناعي شفافة. ومعظمها ليس كذلك.

مقال

# ينبغي أن تكون التقنيات الصحية القائمة على الذكاء الاصطناعي شفافة. ومعظمها ليس كذلك.

بقلم [Ahmed](https://hanah.health/ar/blog/authors/ahmed/) · ٤ دقائق للقراءة  
نُشر في ١ يوليو ٢٠٢٦ · حُدِّث في ١٥ أكتوبر ٢٠٢٦

## أبرز النقاط

-   لا يكون ادعاء الدقة مفيدًا إلا عندما يمكن فحص طريقة التقييم والأخطاء التي يستند إليها.
-   أبلغ هذا التقييم القديم عن ثلاثة أخطاء عبر ١٠٦ اختبارات؛ وهو لقطة لذلك التشغيل.
-   يحتاج الذكاء الاصطناعي السريري إلى إبلاغ صادق عن الإخفاقات وعن التحسينات على حد سواء، ولا يزال على الممارسين الصحيين مراجعة مخرجاته.

![لوح زجاجي مُصنفَر يكشف شبكة منتظمة من نقاط البيانات، ثلاث منها مضاءة بلطف، في إشارة إلى عيوب معروضة بصدق.](https://hanah.health/assets/blog-transparency.png)

ينبغي أن تكون التقنيات الصحية القائمة على الذكاء الاصطناعي شفافة. ومعظمها ليس كذلك.

لذا إليكم أمرًا لا تكاد أي شركة في موقعنا تدوّنه كتابةً: لا تجتاز Hanah اختباراتنا المعيارية الداخلية بدقة مثالية. ففي أحدث جولة تقييم لدينا، عبر ١٠٦ اختبارات، ارتكبت ٣ أخطاء. يؤلمني أن أنشر ذلك، ولهذا السبب تحديدًا أنشره.

كل غريزة يغرسها دليل البرمجيات التقليدي في المؤسس تقول له أن يدفن هذا الرقم. وإن بدا الدفن غير نزيه أكثر من اللازم، فهناك دائمًا الخيار الألطف: تجميله. تُرخون طريقة التقييم. تختارون مجموعة حالات اختبار أكثر ودًّا. تختارون مقياس الدقة الذي يجمّل صورتكم، وتُزيلون بالتوحيد الأخطاء التي تُحتسب ضدكم، وتنقّحون التفريغات النصية المرجعية بهدوء حتى تختفي الفجوة. هناك عشرات الطرق التي تبدو محترمة لتحويل ٩٧% حقيقية إلى ١٠٠% تسويقية. نعرفها كلها، ولهذا تحديدًا نرفض استخدام أي منها.

## الرقم الذي لا يمكن إعادة إنتاجه ليس اختبارًا معياريًا

إنه تسويق يرتدي معطف مختبر. فاللحظة التي نسمح فيها لأنفسنا بتعديل التقييم بهدوء حتى تبدو النتيجة جيدة، يتوقف الاختبار المعياري عن قياس المنتج ويبدأ بقياس استعدادنا لمجاملة أنفسنا. وهذا عديم القيمة للممارس الصحي الذي يقرر ما إذا كان سيثق بالأداة أمام المريض.

لذا نتمسك بالاتجاه المعاكس. يُقيَّم معدل خطأ الكلمات لدينا بصرامة وشفافية، على مجموعة تسجيلات مرجعية ذات إصدارات، مع عرض المنهجية كاملة على [صفحة الاختبار المعياري الأسترالية](https://hanah.health/ar/au/trust/wer-methodology/): اقرؤوها وتحققوا من عملنا. لا نعدّل التفريغات النصية يدويًا لخفضه، ولا نلجأ إلى توحيد متساهل لنجعل أسبوعًا سيئًا يبدو جيدًا. وعندما يتغيّر الرقم، فإنه يتغيّر لأن المنتج تغيّر فعلًا، إلى الأفضل أو إلى الأسوأ، ويمكننا أن نبيّن السبب.

## التقنيات الصحية ليست برمجيات إنتاجية

لهذا التمييز أهمية هنا تفوق أهميته في أي مجال آخر تقريبًا، لأن ثمن الخطأ ليس متماثلًا.

ليست Hanah تطبيقًا لإدارة المشاريع، حيث يكلّف الإكمال التلقائي السيئ أحدهم بضع ثوانٍ. ولا هي حتى منصة للحوكمة أو الامتثال، أي فئة GRC على غرار Delve التي تتمثل مهمتها كلها في أن تكون جديرة بالثقة، حيث أسوأ الاحتمالات تدقيق فاشل وربع سنة محرج. هذا سجل سريري. يقع بين الممارس الصحي والمريض، في النقطة نفسها التي يمكن أن ينتقل فيها خطأ صامت إلى قرار بشأن رعاية شخص ما.

«تظاهر بالنجاح حتى تنجح» شعار مقبول تمامًا لتطبيق مشاركة صور. أما في التقنيات الصحية فهو إهمال متنكّر في زي الطموح. فالمخاطر لا تغفر التهوّر.

## كيف تبدو المساءلة فعلًا

ليست شعارًا على صفحة الأسعار. فهي تعني لنا بضعة التزامات ملموسة وغير مريحة:

-   نقيس أنفسنا مقابل اختبار معياري ثابت وصارم و[ننشر المنهجية كاملة](https://hanah.health/ar/au/trust/wer-methodology/)، كي يمكن التحقق من الرقم بدلًا من قبوله على سبيل الثقة.
-   يراجع ممارس صحي كل مُخرَج ويعتمده قبل أن يصل إلى السجل، فالإنسان هو خط الدفاع الأخير، بحكم التصميم، لا كفكرة لاحقة.
-   عندما نخطئ في شيء، نفضّل أن نخبركم أين أخطأنا على أن تكتشفوا ذلك بأنفسكم. تلك الأخطاء الثلاثة ليست حاشية نأمل أن تتجاوزوها. إنها جوهر المسألة.

> نفضّل أن نعرض عليكم ٩٧% صادقة على أن نبيعكم ١٠٠% مختلقة.

الحقيقة غير المريحة أن الشفافية الجذرية عيب تنافسي حتى اللحظة التي تصبح فيها الشيء الوحيد الذي يثق به أي أحد. وفي مجال يدّعي فيه الجميع الدقة ولا يُظهر فيه أحد طريقة عمله، فإن كون الشركة هي التي تُظهر طريقة عملها ليس زاوية تسويقية. إنه المنتج نفسه.

نرى أن بقية القطاع ينبغي أن تُقاس بالطريقة نفسها: بشكل علني، وقابل لإعادة الإنتاج، بما في ذلك المرات التي تقصر فيها. ويسعدنا أن نكون أول من يبدأ.

## الأسئلة الشائعة

**هل يعرض هذا المقال أحدث اختبار معياري؟**

يصف التقييم المنشور مع هذا المقال. وللاطلاع على التشغيلات الأحدث ومنهجياتها، راجعوا [تقارير الدقة الحالية](https://hanah.health/ar/transparency/).

**لماذا تُنشر الأخطاء إلى جانب رقم الدقة؟**

تخفي النسبة المئوية الرئيسية ما حدث من أخطاء. ونشر المنهجية والإخفاقات يتيح للقرّاء تقييم معنى النتيجة وحدودها.

**هل يُغني الاختبار المعياري القوي عن مراجعة الملاحظات؟**

لا. فالاختبار المعياري عيّنة من الأداء، ولا يزال الذكاء الاصطناعي قادرًا على إغفال المعلومات أو اختلاقها. وينبغي للممارس الصحي التحقق من كل مسودة.

## المصادر المذكورة في هذا المقال

-   [صفحة الاختبار المعياري الأسترالية](https://hanah.health/ar/au/trust/wer-methodology/) — hanah.health
-   [تقارير الدقة الحالية](https://hanah.health/ar/transparency/) — hanah.health

## نبذة عن الكاتب

الشريك المؤسس والرئيس التنفيذي لـ Hanah · [Ahmed](https://hanah.health/ar/blog/authors/ahmed/)

يشغل Ahmed منصب الشريك المؤسس والرئيس التنفيذي لـ Hanah. وتمتد خلفيته عبر تطوير الألعاب، وتحليلات الرياضة، والتقنية المالية، والذكاء الاصطناعي، مع خبرة في Electronic Arts و Catapult Sports و Commonwealth Bank، وإدارة استوديو ألعاب مستقل، والعمل رئيسًا للذكاء الاصطناعي في sixclicks، وهي شركة متخصصة في الحوكمة والمخاطر والامتثال. ويوظّف خبرته في تصميم آليات التفاعل والاستبقاء في الألعاب لبناء حلقات تغذية راجعة تساعد المرضى على البقاء متفاعلين مع رعايتهم والسعي نحو نتائج صحية إيجابية. [عرض المقالات](https://hanah.health/ar/blog/authors/ahmed/).

**ملاحظة التحديث:** أضفنا ملخصات منظّمة وبيانات وصفية للنشر. ولا يغيّر هذا التحديث تواريخ التحقق من المصادر أو الاختبارات المعيارية المذكورة في المقال.

[كيف نكتب المقالات ونوثّق مصادرها ونراجعها](https://hanah.health/ar/blog/editorial-policy/)

## قراءات ذات صلة

-   [Accuracy over inference: your AI scribe should not fill in the blanks](https://hanah.health/ar/blog/accuracy-over-inference/)
    
    A plausible clinical detail is still an invented detail if the encounter never established it. Real examples from our testing explain why Hanah prioritises faithful documentation, and why we measure consistency across repeated runs.
    
-   [مقارنة بين Hanah والبقية: اختبار معياري موضوعي وشفاف](https://hanah.health/ar/blog/hanah-vs-the-rest-benchmark/)
    
    شغّلنا الاستشارات المسجّلة الـ ١٣ نفسها على ٧ أدوات كتابة طبية ذكية، وقيّمنا كل ملاحظة وتفريغ نصي دون معرفة المصدر. لم تحمل ملاحظات Hanah أي إشارات هلوسة كبرى، والتقطت ٩٣.٧% من التفاصيل السريرية المطلوبة مقابل متوسط ٨٤.٢%، وكانت الأخطاء ذات الدلالة السريرية في تفريغاتها النصية أقل بنسبة ٦٦%. وكل تفريغ نصي وملاحظة وتقييم منشور.
    
-   [اختبارات معيارية صارمة في القطاع: Hanah أفضل كاتب طبي بالذكاء الاصطناعي](https://hanah.health/ar/blog/hanah-best-ai-scribe-benchmark/)
    
    شغّلت ScribeStandard ٦ أدوات كتابة طبية ذكية على الاستشارات المسجّلة الـ ١٢ نفسها، وقيّمت كل ملاحظة دون معرفة المصدر. سجّلت Hanah أقل عدد من الأخطاء وأسرع مراجعة، وجاءت في المرتبة الأولى في ١٨ من أصل ١٩ مقياسًا. وكل تسجيل وملاحظة وتقييم منشور.
    

شاهدوا Hanah في عيادتكم.

[حجز عرض توضيحي](https://hanah.health/ar/#demo)