Wizey مقابل DeepSeek R1 — هل يساعد الاستدلال في تفسير التحاليل؟

عندما أطلقت DeepSeek نموذجها الاستدلالي R1 في مطلع عام 2025، هزّت صناعة الذكاء الاصطناعي. أوزان مفتوحة برخصة MIT، وأسعار أدنى بمرتبة كاملة من المنافسين الأمريكيين المغلقين، وسلسلة تفكير مرئية (CoT — النموذج «يفكّر بصوت مسموع» قبل أن يجيب) بأداء رياضي يضاهي أنظمة الاستدلال المغلقة لدى OpenAI. أمضى فريقنا الهندسي أسابيع في اختبارها تحت الضغط للإجابة عن سؤال واحد: هل تنتمي هذه البنية فعلًا إلى مسار معالجة للذكاء الاصطناعي الطبي؟

وقد توسّعت عائلة DeepSeek منذ ذلك الحين. فبحلول ربيع عام 2026، تضمّنت التشكيلة DeepSeek V4 بوضع استدلال هجين ونافذة سياق سعتها 1M توكن، وV3.2-Speciale (الميدالية الذهبية في أولمبياد الرياضيات الدولي IMO 2025)، وR2 مدمج يضمّ 32B معامل يعمل على وحدة معالجة رسومات استهلاكية واحدة. التقنية مبهرة حقًا. لكن «تقنية مبهرة» و«مناسبة للطب» ليستا ادّعاءً واحدًا.

في هذه المقالة أستعرض التفاصيل الهندسية لنموذج DeepSeek R1 وخلفائه: كيف يُدرَّب الاستدلال، وأين تغيّر الأوزان المفتوحة قواعد اللعبة، ولماذا تكون سلسلة التفكير سلاحًا ذا حدّين في السياقات السريرية، وكيف يُقارَن مسار المعالجة المنظَّم لدى Wizey. وللاطّلاع على أساسيات كيفية تعامل نماذج اللغة الكبيرة العامة ‎(LLM)‎ مع تقارير المختبر — RAG، وLost in the Middle، والهلوسات، وHIPAA/GDPR — راجع مقالتنا الركيزة عن Wizey مقابل ChatGPT للذكاء الاصطناعي الطبي.

ما الذي يجعل DeepSeek R1 مختلفًا معماريًا

الفارق الأبرز هو الاستدلال. فنموذج اللغة الكبير القياسي يسير هكذا: «مُدخَل → إجابة». أما R1 فيولّد أولًا سلسلة تفكير داخلية طويلة — غالبًا من 2,000 إلى 10,000 توكن — ثم يُصدر الإجابة النهائية بعد ذلك فقط. ويمكنك رؤية ذلك مباشرة عبر API: إذ تُظهر كتلة <think> النموذجَ وهو يتداول كمعلّم يحلّ مسألة على السبّورة.

من الداخل، بُني R1 على DeepSeek V3 بهيكل مزيج الخبراء ‎(MoE)‎. فالنموذج يضمّ عدة «نماذج فرعية» متخصّصة، ويوجّه كل استعلام إلى المجموعة الفرعية التي يحتاجها فقط، وهكذا تحصل على مئات المليارات من المعاملات الإجمالية بتكلفة استدلال معتدلة. أما قدرة الاستدلال نفسها فلم تُدرَّب بالضبط الدقيق الخاضع للإشراف الكلاسيكي، بل عبر التعلّم المعزَّز باستخدام GRPO ‎(Group Relative Policy Optimization)‎، الموصوف في بحث DeepSeek R1 الأصلي على arXiv والمنشور لاحقًا في Nature. وبتبسيط الأمر: لم يُلقَّن النموذج «الإجابات الصحيحة» — بل كوفئ على بلوغ الإجابات الصحيحة، فاكتشف بنفسه استراتيجيات مثل التحقّق الذاتي، وتعداد الفرضيات، والتراجع لتصحيح المسار.

الفارق البنيوي الثاني هو الأوزان المفتوحة. فكل إصدار من DeepSeek (V3، وR1، وV3.2، وV4، وR2) يُنشَر على Hugging Face برخصة MIT. ويمكن لأي شركة تنزيل الأوزان، وتشغيلها على بنيتها التحتية الخاصة، وضبطها الدقيق لمهمة محدّدة، دون دفع أي شيء للمورّد مقابل الاستدلال. أما في النماذج الرائدة المغلقة (GPT، وClaude، وGemini) فهذا مستحيل معماريًا.

أين تفوز الأوزان المفتوحة حقًا: الخصوصية والنشر داخل المؤسسة

الأوزان المفتوحة ليست خطابًا تسويقيًا — بل تغيّر معادلة التكلفة وقصة الامتثال. وهنا أرى أن DeepSeek في أقوى حالاته، وحيث تميل التغطية السائدة إلى التقليل من شأن التبعات.

في مسار العمل السحابي — chat.deepseek.com أو API — تبدو الخصوصية كأي مزوّد آخر: فبياناتك تذهب إلى خوادم DeepSeek وفق قانون حماية البيانات الصيني. وبالنسبة إلى البيانات الطبية الأمريكية أو الأوروبية، فهذا حدّ فاصل قاطع: إذ لا يتسامح HIPAA ولا GDPR مع المعالجة العابرة للحدود غير المنضبطة للمعلومات الصحية المحمية.

الأوزان المفتوحة تغيّر الصورة تمامًا. إذ يمكنك نشر النموذج على عتادك الخاص — مركز بيانات مستشفى، أو مختبر أبحاث، أو حتى محطة عمل طبيب — دون أن يغادر أي بايت من سجل المريض محيطك. وفيما يلي أهداف عتادية عملية:

• DeepSeek-R1-Distill-Llama-8B (مُقطَّر — نموذج أصغر مُدرَّب على محاكاة النموذج الكبير): نحو 6 GB من ذاكرة VRAM، يعمل على RTX 3060 أو أفضل.
• DeepSeek-R1-Distill-32B: نحو 20 GB من ذاكرة VRAM — RTX 3090 أو RTX 4090 أو T4/A10 من فئة الخوادم.
• DeepSeek-R1-Distill-70B: نحو 40 GB من ذاكرة VRAM — بطاقتا RTX 4090 أو بطاقة A100 واحدة.
• DeepSeek-R1 الكامل ‎(671B MoE)‎: خادم متعدّد بطاقات H100/A100 بذاكرة إجمالية تتجاوز 1 TB. غير واقعي لمختبر منزلي، لكنه معتاد لمركز بيانات سريري.
• R2 بحجم 32B: يتّسع على بطاقة RTX 4090 استهلاكية واحدة ‎(24 GB VRAM)‎ مع اقترابه من جودة النماذج الرائدة.

قارِن ذلك بالنماذج الرائدة المغلقة: فمع GPT-5 أو Claude Opus لا يمكنك «تنزيل النموذج» إطلاقًا — إذ يجب أن يصل كل طلب إلى سحابة المورّد. أما مع DeepSeek فيمكنك تثبيت Ollama أو vLLM على خادم داخل شبكتك، ووصل واجهة أمامية محلية، وإبقاء مسار العمل بأكمله معزولًا عن الإنترنت. وهذا هو المسار العملي الوحيد لتشغيل نموذج لغة كبير عالمي المستوى مع الاحترام الكامل لمعياري HIPAA وGDPR — وهو ميزة حقيقية لفرق تقنية المعلومات في المستشفيات التي تقيّم الذكاء الاصطناعي الطبي.

داخل Wizey اختبرنا نسخًا مُقطَّرة من R1 ضمن مسار بحثي داخلي. الجودة أدنى من النماذج المغلقة الرائدة، لكن في المهام محدّدة النطاق — المعالجة الأولية المجهّلة، والتلخيص الداخلي — يكون النموذج المحلي أداة عاملة.

أين يتفوّق DeepSeek على النماذج الرائدة المغلقة

تفاديًا لعرض أحادي الجانب: R1 وخلفاؤه ليسوا «نسخة GPT رخيصة». فهم في عدّة أبعاد أقوياء موضوعيًا.

• التكلفة. سعر DeepSeek V4 الحالي أدنى بنحو مرتبة كاملة من أعلى فئات OpenAI وAnthropic. وبالنسبة إلى أحمال العمل عالية الحجم، هذا هو الفرق بين منتج يُطلَق وآخر لا يُطلَق.
• الرياضيات والمنطق الصوري. في AIME، وMATH-500، وSWE-bench، وGPQA Diamond، يضاهي R1/R2 نماذج الاستدلال من OpenAI. وهذا مهمّ في الطب: حسابات eGFR، والجرعات القائمة على الوزن، وتحويلات الوحدات — وهي مهام رياضية تساعد فيها سلسلة التفكير ‎(CoT)‎ فعلًا.
• شفافية الاستدلال. يُعاد أثر سلسلة التفكير ‎(CoT)‎ إلى المُستدعي، فيمكنك تدقيق الموضع الذي انحرف فيه المنطق. أما نماذج السلسلة o من OpenAI فتُخفي الاستدلال خلف واجهة API.
• قابلية الضبط الدقيق. لأن الأوزان مفتوحة، يمكن لمجموعات البحث الطبي مواصلة التدريب المسبق وRLHF على متون سريرية مُتحقَّق منها. وهذا مستحيل بنيويًا للنماذج المغلقة.

هذه مكاسب حقيقية. والسؤال هو هل تتجمّع لتُشكّل أداة بمستوى سريري، وهنا تتعقّد الحكاية.

الاستدلال مقابل الهلوسة: هل تساعد سلسلة التفكير في الطب؟

هذا هو السؤال الجوهري للمقالة، وحيث تختلط مشاعري أكثر ما تختلط كمهندس.

الخبر السار. وجدت الدراسة الكبيرة لعام 2025 «Medical Hallucinations in Foundation Models» أن سلسلة التفكير خفّضت معدلات الهلوسة الطبية في 86% من الحالات المختبَرة. وفي المتوسط، يجعل الاستدلالُ الصريح الإجابةَ أدقّ فعلًا. وسجّل R1 نتائج أساسية متينة في مقاومة الهلوسة — أفضل من معظم نماذج الأجيال السابقة.

الخبر السيّئ. كما أن سلسلة التفكير تحجب إشارة الهلوسة. فطرق الكشف الكلاسيكية — الثقة على مستوى التوكن، وإنتروبيا المُخرَجات — تكفّ عن العمل جيدًا، لأن النموذج يكتب نصًا سلسًا متماسكًا داخليًا حتى عندما تكون الخلاصة خاطئة. وقد أظهر تحليل قيود ChatGPT في السياقات السريرية من The Lancet Digital Health أصلًا أن الثقة السردية مؤشّر ضعيف على الصدق الطبي. ونماذج الاستدلال تضخّم ذلك.

الخبر الأسوأ حقًا. تتقارب تحليلات هلوسات الذكاء الاصطناعي في عام 2025 على نتيجة محدّدة: نماذج اللغة أكثر ميلًا بنحو 34% إلى استخدام صياغة واثقة («بالتأكيد»، «بلا شكّ»، «بوضوح») تحديدًا حين تكون مخطئة. ونماذج الاستدلال تزيد الأمر سوءًا: فالأثر الطويل ذو المظهر المتأنّي يجعل الإجابة النهائية تبدو أكثر موثوقية حتى عندما تحيد سلسلة التفكير عن مسارها في الخطوة 3، ثم تمضي بتماسك في الاتجاه الخاطئ 2,000 توكن إضافية.

وفي الطب، هذا هو نمط الفشل الحرج. تخيّل: «يستدلّ» النموذج على مدى 3,000 توكن بشأن ارتفاع الفوسفاتاز القلوي ‎(ALP)‎ لديك، ويبني تشخيصًا تفريقيًا أنيقًا حول الأسباب المحتملة، ثم يخلص إلى تليّن العظام — لأنه في الخطوة 3 من سلسلة التفكير خلط النطاق المرجعي للبالغين بنطاق الأطفال. تُقرأ المخرجات كأنها مذكّرة طبيب استشاري. وهي خاطئة. فبدون سلسلة التفكير، ربما كان النموذج نفسه ليعطي إجابة أكثر غموضًا وأقلّ ثقة — وعندئذٍ يكون المريض أميل إلى المتابعة بدلًا من الرسوّ على الخلاصة.

المفاضلة حقيقية: الاستدلال يخفّض متوسط معدل الهلوسة لكنه يرفع إقناعية الهلوسات المتبقّية. وبالنسبة إلى المهام التقنية البحتة (الرياضيات، والبرمجة) فهذه مقايضة مقبولة. أما في الطب فتكلفة الخطأ غير متماثلة، وهذا يغيّر المعادلة.

اختبار سيناريو: مجموعة التحاليل نفسها عبر R1 مقابل Wizey

على نحو ملموس — سيناريو أجريته أثناء التقييم التقني.

المجموعة: مجموعة أيضية شاملة حقيقية (منزوعة الهوية) + تعداد دم كامل ‎(CBC)‎ + فيريتين + TSH + T4 حرّ + CRP + هوموسيستئين + فيتامين D + B12 + مجموعة دهون، بإجمالي 47 مؤشّرًا. عدة قيم شاذّة: الفيريتين مرتفع عند 320 ng/mL، وCRP مرتفع باعتدال عند 8.5 mg/L، وTSH قرب الحدّ الأعلى عند 4.1 mIU/L، والهوموسيستئين 14 µmol/L.

DeepSeek R1 عبر واجهة الدردشة (بالإنجليزية، أقوى لغات النموذج):

1. سلسلة تفكير من نحو 4,500 توكن، تتنقّل عبر كل مؤشّر وتبني ارتباطات.
2. الخلاصة النهائية: أشار إلى الفيريتين بوصفه «فرط حمولة حديد محتملًا أو التهابًا مزمنًا»، وربطه بـ CRP بشكل صحيح، لكنه اقترح داء ترسّب الأصبغة الدموية ‎(hemochromatosis)‎ كتشخيص تفريقي من الخط الأول (حالة وراثية نادرة) اعتمادًا على قيمة فيريتين واحدة.
3. فسّر TSH 4.1 على أنه «ضمن النطاق الطبيعي»، غافلًا عن أن 4.1 مع هوموسيستئين حدّي والتهاب يستدعي فحص الأجسام المضادّة لبيروكسيداز الغدة الدرقية ‎(anti-TPO)‎ وإعادة الفحص خلال 6–8 أسابيع — وهو الفحص القياسي لقصور الغدة الدرقية تحت السريري.
4. لم يُشَر إلى الهوموسيستئين 14 على أنه يستدعي الانتباه (تعتمد مختبرات كثيرة < 10 قيمةً مثلى).
5. أضاف النموذج مرارًا عبارة «استشر مقدّم رعاية صحية» النمطية، لكنه بين تلك التنبيهات أطلق فرضيات محدّدة جدًا بنبرة واثقة.

المجموعة نفسها عبر مسار المعالجة في Wizey:

1. حُلّلت المؤشّرات الـ 47 جميعها إلى جدول منظَّم مقابل نطاقات مرجعية خاصة بالعمر والجنس.
2. فُسّر الفيريتين مع ارتفاع CRP تفسيرًا صحيحًا: استبعاد الالتهاب أولًا (سلوك مفاعِل الطور الحادّ)، ثم النظر في فرط حمولة الحديد. ولا يُطرح داء ترسّب الأصبغة الدموية إلا بعد تأكيد نسبة تشبّع الترانسفيرين ‎(TSAT)‎ والفحص الجيني — لا من قيمة فيريتين واحدة.
3. أُبرِز TSH 4.1 بوصفه حدّيًا مع توصية صريحة بإعادة الفحص مع الأجسام المضادّة لبيروكسيداز الغدة الدرقية ‎(anti-TPO)‎.
4. أُشير إلى الهوموسيستئين 14 بوصفه مرتفعًا ارتفاعًا طفيفًا مع مسار B12/الفولات/B6 واقتراح فحص تلك العوامل المرافقة.
5. كل عبارة مرتبطة بمصدر محدّد في مخطّط المعرفة الطبي (الإرشادات السريرية، ومراجع NCBI StatPearls عن مفاعِلات الطور الحادّ، ومراجعات Nature Medicine).

الفرق ليس أن DeepSeek «أغبى» — فهو نموذج قدير. الفرق أن نموذج الاستدلال العام لا يملك حواجز حماية مدمجة لتحويل الوحدات، أو اختيار النطاق المرجعي، أو تسلسل بايزي هرمي لفرضيات التشخيص. إنه يستدلّ. أما Wizey فيتّبع البروتوكولات — ولا يستخدم الاستدلال إلا حيث يقرّ بروتوكول مُتحقَّق منه بأن الاستدلال مناسب.

متى يكون DeepSeek R1 الأداة المناسبة

أريد أن أكون منصفًا. إليك عدة سيناريوهات يكون فيها DeepSeek — لا سيّما عند نشره محليًا — الخيار الصحيح فعلًا:

• بيئات سريرية أو بحث وتطوير معزولة عن الشبكات. إذا كانت لدى مؤسستك متطلبات خصوصية صارمة، فإن R1-Distill-32B محليًا أو R2 على خادمك الخاص يمنحك جودة قريبة من النماذج الرائدة دون إرسال بايت واحد إلى طرف ثالث. وهذا أكثر المسارات عملية للامتثال لـ HIPAA/GDPR مع نموذج لغة كبير حديث.
• أساس للضبط الدقيق في المجال. تتيح الأوزان المفتوحة لمجموعات البحث الطبي مواصلة التدريب المسبق على متون سريرية مُتحقَّق منها وبناء حِزم RLHF خاصة بها. وهذا الخيار غير موجود للنماذج المغلقة.
• مهام فرعية تقنية داخل مسار معالجة طبي. حسابات الجرعات، وتحويل الوحدات، ودرجات المخاطر مثل CHA2DS2-VASc أو Wells — وحدات رياضية/منطقية معزولة يساعد فيها الاستدلال. استخدمه بوصفه مكوّنًا، لا بوصفه «الطبيب».
• الترجمة وشرح المصطلحات — في هذا يضاهي النموذج الأنظمة الرائدة.
• أحمال العمل الحسّاسة للتكلفة — إذا احتجت إلى تشغيل ملايين الطلبات، يصبح فارق السعر مقابل النماذج الرائدة المغلقة عشرات آلاف الدولارات شهريًا.

أما ما لن أفعله: لصق ملف PDF لتحاليل مريض حقيقي في دردشة DeepSeek السحابية والتعامل مع المخرجات بوصفها إجابة سريرية. فبين تدفّق البيانات العابر للحدود، ونمط فشل سلسلة التفكير «المقنِع لكن الخاطئ»، وغياب اعتماد الجهاز الطبي، وانعدام الانضباط في النطاقات المرجعية، يكون هذا خيارًا سيّئًا لحالة الاستخدام الاستهلاكية. وبالنسبة إلى مريض يريد «إرسال التحاليل إلى روبوت والحصول على إجابة»، تكون خدمة طبية مُصمَّمة لهذا الغرض هي الأداة المناسبة.

كيف يستخدم Wizey الاستدلال — داخل بروتوكول، لا بدلًا منه

السؤال الذي يردني أكثر من غيره: هل يستخدم Wizey الاستدلال داخليًا أيضًا؟ نعم — لكن مقيَّدًا. ويبدو مسار المعالجة لدينا هكذا:

1. التعرّف الضوئي على الحروف ‎(OCR)‎ والاستخراج. كل قيمة في ملف PDF تُحلَّل على نحو حتمي وتُربَط بمخطّط منظَّم (على نمط LOINC) مع نطاقه المرجعي الخاص بالمختبر.
2. الربط بالنطاق المرجعي. تُقيَّم كل قيمة مقابل النطاق الصحيح وفق عمر المريض وجنسه و(عند الاقتضاء) حالة الحمل أو الكلى. هذا رمز برمجي، لا مخرجات نموذج لغة كبير.
3. استرجاع مُعزَّز بالتوليد ‎(RAG)‎ على مخطّط معرفة سريري مُتحقَّق منه. كل عبارة في التقرير النهائي مؤسَّسة على مصدر محدّد — إرشاد، أو بحث محكَّم، أو مدخل StatPearls — لا على توليد حرّ.
4. الاستدلال لأجل السلاسل التشخيصية، داخل حواجز الحماية. هنا يثبت التفكير على نمط سلسلة التفكير ‎(CoT)‎ جدواه: بناء تشخيص تفريقي بايزي حيث يأتي الاحتمال القبلي والأرجحية من مخطّط المعرفة، لا من رأي النموذج.
5. مخرجات مقفلة على البروتوكول. النص النهائي مرتبط بالنتيجة المنظَّمة. ولا يُسمح للنموذج باختلاق تشخيص لم يُجزه البروتوكول.

تفعل هذه البنية أمرين في آن واحد. فهي تلتقط الميزة الحقيقية للاستدلال — منطق تشخيصي خطوة بخطوة، وحسابات آمنة على صعيد الوحدات، ووعي بالتغيّر المشترك بين المؤشّرات — بينما تقطع الطريق على نمط الفشل المحدّد الذي يجعل نموذج الاستدلال الخالص خطِرًا في الطب: سلسلة تفكير طويلة مقنِعة متماسكة داخليًا لكنها خاطئة لأن المقدّمات لم يُتحقَّق منها قطّ.

الخلاصة

DeepSeek عمل مبهر تقنيًا، ويسرّني حقًا أن يكون لدى الصناعة بديل مفتوح المصدر عن النماذج الرائدة المغلقة. فالنشر المحلي يفتح خيارات خصوصية وضبط دقيق لا يملكها مستخدمو النماذج المغلقة ببساطة، وهذا مهمّ للمستشفيات، ومجموعات البحث، وكل من يأخذ سيادة البيانات على محمل الجدّ.

لكن الاستدلال وحده لا يحلّ المشكلة الطبية. فسلسلة تفكير طويلة جيدة الصياغة مبنية على مقدّمات خاطئة تبقى إجابة خاطئة — لكن بتغليف أفضل فحسب. ولأجل مهمة قراءة تحاليل مريض بعينه، حيث يهمّ كل رقم وكل نطاق مرجعي وكل تشخيص تفريقي، سلك فريق Wizey طريقًا مختلفًا: مسار معالجة متخصّص مع RAG على مصادر سريرية مُتحقَّق منها وحواجز حماية بروتوكولية صارمة. وبالنسبة إلى المريض، يُترجَم ذلك إلى وعد واحد ملموس — كل عبارة في التقرير يمكن عرضها على طبيب وتتبّعها رجوعًا إلى مصدر.