بحكم عملي في مجال المنتج داخل شركة للذكاء الاصطناعي الطبي، أتلقّى أسئلة عن Gemini أكثر من أيّ منافس آخر في هذه السلسلة. والعرض التسويقي مغرٍ بحقّ: نموذج واحد يقرأ ملفّ PDF لتحاليلك، وينظر إلى صورة جهاز قياس ضغط دمك، ويشاهد مقطع فيديو مدّته 30 ثانية وأنت تمشي لتقييم مِشيتك، ثمّ يجمع ذلك كلّه ضمن سياق يتجاوز مليون رمز. وقد استثمرت Google جهداً هندسياً جادّاً لجعل تعدّد الوسائط يبدو أصيلاً لا مُضافاً لاحقاً.
والانطباع الأول عند رؤية ذلك هو: «حسناً، هذا يحلّ مشكلة OCR». لكنّه لا يفعل ذلك. فهو ينقل المشكلة من طبقة إلى أخرى، وبذلك يقايض دقّة خطّ معالجة متخصّص بمرونة نموذج عامّ. وهذه المقالة رؤيتي على مستوى المنتج حول متى يستحقّ هذا التنازل عناءه بالنسبة إلى المريض ومتى لا يستحقّه إطلاقاً.
ما الذي يفعله Gemini بشكل مختلف فعلاً
Gemini متعدّد الوسائط أصلاً بالمعنى التقني: فقد جرى تدريبه المسبق على نصوص وصور وأصوات ومقاطع فيديو متداخلة، بدلاً من أن تكون القدرة البصرية قد رُكّبت عليه لاحقاً، كما يوضّح التقرير التقني لنموذج Gemini من Google DeepMind. وعملياً، يعني هذا أنّ تمريرة أمامية واحدة يمكنها أن تأخذ ملفّ PDF مخبرياً، وصورة عبوة دواء، وسؤال المريض، لتنتج إجابة واحدة — بدلاً من تمرير كلّ وسيط عبر نموذج منفصل ثمّ دمج المخرجات معاً.
ومع المدخلات النظيفة المنظَّمة، تكون النتيجة مبهرة. فملفّ PDF ممسوح ضوئياً بجودة عالية من Quest Diagnostics أو LabCorp، بقيم مطبوعة في جدول نظيف، يُستخرَج ويُلخَّص في ثوانٍ. وسيشير Gemini بدقّة إلى المؤشّرات الخارجة عن النطاق، ويشرح كلّاً منها إجمالاً، وكثيراً ما يلاحظ التركيبات الواضحة (كارتفاع LDL مع انخفاض HDL مثلاً). وعلى أرضه المفضّلة — البيانات الجدولية النظيفة — تحصل على ما يَعِد به التسويق.
والسؤال المتعلّق بالمنتج هو: كم مرّةً يكون المُدخَل نظيفاً؟
مشكلة المستندات الفوضوية
في أبحاثنا حول المستخدمين، أرى النمط نفسه مراراً. فالمرضى لا يأتون بملفّات PDF مخبرية مثالية، بل يأتون بما يلي:
- صور بالهاتف ملتقطة من زاوية مائلة، مع وهج من إضاءة السقف في ممرّ عيادة
- تنسيقات من عمودين ينزّ فيها العمود الأيسر إلى الأيمن عند ضغط الملفّ
- تعليقات مكتوبة بخطّ اليد دوّنتها ممرّضة على عجل
- مجموعات تحاليل متعدّدة الصفحات تكون فيها الصفحة الرابعة نسخة فاكس عن نسخة فاكس أخرى
- نماذج مختبرية من مزوّدين إقليميين صغار بتنسيق خاصّ
ومع هذه المدخلات، تتدهور قراءة Gemini متعدّدة الوسائط بطرق يصعب اكتشافها من المخرجات. فقد تُقرأ قيمة على أنّها 14 بدلاً من 1.4، وقد يُدرَج صفّ ناقلة أمين الألانين (ALT) ضمن سطر ناقلة أمين الأسبارتات (AST)، وقد يُسقَط مؤشّر بصمت إذا حجب ظلُّ دبّوسٍ جزءاً من صفّه. ومع ذلك تظلّ الإجابة التي يعيدها Gemini سلسة القراءة — غير أنّها تصادف أن تكون مبنيّة على جدول خاطئ قليلاً. وتوثّق الأبحاث حول النماذج الأساسية متعدّدة الوسائط في الطبّ (The Lancet Digital Health, 2024) هذا النمط عبر نماذج LLM القادرة على الرؤية.
والمشكلة نفسها تصيب النماذج العامّة الأخرى. وقد تناولت نمط الفشل الوثيق الصلة في مقارنة Wizey مقابل ChatGPT المحورية: فالتفسير التوليدي لا يكون أفضل من الرموز التي دخلت فيه، وهذه الرموز تعتمد على خطوة قراءة ليست صحيحة دائماً.
الاستخراج المنظَّم مقابل القراءة التوليدية
هذا هو الفرق المعماري المهمّ. يعمل Wizey عبر مرحلتين:
- OCR طبي متخصّص مُدرَّب على نماذج مختبرية من مئات المزوّدين، مع معالجة صريحة للتنسيقات متعدّدة الأعمدة، والكتابات اليدوية المتراكبة، وعمليات المسح المنخفضة الجودة. والمخرَج سجلّ منظَّم: {مؤشّر، قيمة، وحدة، الحدّ المرجعي الأدنى، الحدّ المرجعي الأعلى، علامة، تاريخ، عيّنة}.
- طبقة استدلال سريري تعمل على ذلك السجلّ المنظَّم، مستندة إلى مخطّط معرفة طبّي ومسارات سريرية مُتحقَّق منها. وهي لا تعود إلى قراءة وحدات البكسل الخام أبداً.
أمّا Gemini فيدمج الخطوتين في تمريرة توليدية واحدة. وهذا أنيق، ومع المدخلات النظيفة يكون سريعاً ودقيقاً. لكن لا يوجد ناتج وسيط منظَّم. فإن كان الاستخراج خاطئاً، لا يمكنك رؤيته. وإن كان التفسير خاطئاً، لا يمكنك تتبّعه رجوعاً إلى القيمة الصحيحة. وهكذا تختفي قابلية التنقيح، التي تمثّل من منظور المنتج نصف قصّة الأمان. وقد وجدت دراسة في JMIR Medical Informatics (2024) أنّ أدوات فحص التحاليل المتخصّصة المعتمدة على الذكاء الاصطناعي حقّقت دقّة تشخيصية بلغت 74.3% مع حساسية 100% في حالات سلامة الطوارئ — وهو مستوى من الأداء المُتحقَّق منه لم تُظهره النماذج العامّة متعدّدة الوسائط.
وهم سياق المليون رمز
سياق Gemini البالغ مليون رمز مبهر، ويتّكئ عليه تسويق Google في حالات الاستخدام الطولية — «ارفع تحاليل السنوات الخمس الأخيرة واحصل على تحليل للاتجاهات». وعملياً، لا يزال تأثير «الضياع في المنتصف» الذي وصفه Liu وزملاؤه (2023) سارياً: فالانتباه أقوى ما يكون عند طرفَي المُوجّه الطويل، وأضعف في وسطه. فقراءة الجلوكوز من السنة الثالثة في سجلّ يمتدّ عشر سنوات لا تحظى بالمعاملة نفسها التي تحظى بها قراءة السنة الأولى أو السنة العاشرة.
والأهمّ أنّ التحليل الطولي للتحاليل هو في جوهره مشكلة سلاسل زمنية. فأنت تريد رسم الهيموغلوبين السكري (HbA1c) عبر 20 زيارة ورؤية الميل؛ لا أن تصفه في فقرات. ويخزّن Wizey كلّ قيمة مستخرَجة كصفّ في سلسلة زمنية ويحسب الاتجاهات مباشرة. ويمكن لنموذج LLM ذي سياق طويل أن يقارب ذلك، لكنّ حجّة «الأداة المناسبة للمهمّة» ترجّح بقوّة كفّة التخزين المنظَّم.
تعدّد الوسائط أبعد من ملفّات PDF — حيث يتصدّر Gemini
وإنصافاً، ثمّة مجال تتفوّق فيه قدرة Gemini متعدّدة الوسائط فعلاً على ما يستطيعه اليوم أيّ خطّ معالجة متخصّص. فالاستخدام الحواري المباشر — أن توجّه هاتفك نحو ملصق دواء، وتنطق سؤالاً، فتحصل على إجابة تشير إلى الملصق — هو نجاح حقيقي لصالح Gemini. وتلخيص استشارة طبية مسجّلة بالفيديو أمر معقول. وقراءة رسالة أخصّائي مكتوبة بخطّ اليد كحالة فردية أمر ممكن.
وبلغة المنتج: Gemini أداة قراءة عامّة ممتازة. والمشكلة أنّ «قراءة ملفّ PDF مخبري» تبدو من الخارج مهمّة قراءة عامّة، بينما هي من الداخل مهمّة متخصّصة. فشكل المشكلة أهمّ من نمط الإدخال الظاهر.
الخصوصية والفصل بين النسخة الاستهلاكية والمؤسسية
يمكن أن تُغطّى واجهة برمجة تطبيقات Gemini على Google Cloud Vertex AI ضمن اتفاقية BAA من Google للعملاء المؤهّلين، وهو المسار الصحيح لأيّ عيادة أو منصّة تتعامل مع معلومات صحية محمية حقيقية عبر Gemini.
أمّا تطبيق Gemini الاستهلاكي على gemini.google.com وميزات Gemini داخل Google Workspace الشخصي فلا تشملها اتفاقية BAA. ورفع ملفّ PDF مخبري هناك لقراءة سريعة نمط شائع بين المرضى، وهو أيضاً تعريض واضح لمعلومات PHI — تعريض لا يدرك معظم المستخدمين أنّهم يُحدثونه. والتمييز غير مرئي في الواجهة، وهو إخفاق حقيقي على مستوى المنتج في سياق رعاية صحية.
أمّا Wizey، المصمَّم خصّيصاً لاستخدام المرضى، فلا يطلب من المستخدمين التفكير في أيّ نسخة من المنتج يستخدمون.
مقارنة جنباً إلى جنب
| البُعد | Gemini (Google) | Wizey |
|---|---|---|
| قراءة المستندات | متعدّد الوسائط أصلاً، قويّ مع المدخلات النظيفة | OCR طبي متخصّص، متين مع عمليات المسح الفوضوية الواقعية |
| تنسيق المخرجات | نثر توليدي | سجلّ منظَّم + تفسير نثري |
| قابلية التنقيح | منخفضة — تمريرة واحدة، بلا ناتج وسيط | عالية — كلّ قيمة مستخرَجة مرئية وقابلة للتعديل |
| التحليل الطولي | قائم على المُوجّه، متأثّر بالضياع في المنتصف | مخطّط سلاسل زمنية أصيل |
| الأساس المعرفي | أثر إحصائي + سلالة Med-PaLM | مخطّط معرفة طبّي مُنسَّق |
| اتفاقية HIPAA BAA | Vertex AI نعم، Gemini الاستهلاكي لا | مدمجة لاستخدام المرضى |
| أفضل استخدام | القراءة العامّة، الفيديو/الصوت، المهامّ العابرة للوسائط | تفسير التحاليل من طرف إلى طرف، وتتبّع الاتجاهات، ووضع العلامات |
أسئلة شائعة موجزة
هل يمكنني رفع صورة لتقرير تحاليلي إلى Gemini والحصول على قراءة موثوقة؟ يمكنك الحصول على قراءة. ومع ملفّات PDF النظيفة تكون غالباً صحيحة. أمّا مع صور الهاتف والميل والوهج والكتابة اليدوية أو التنسيقات من عمودين، فأخطاء الاستخراج شائعة وتُعاد في صورة نثر سلس، ما يجعلها صعبة الاكتشاف.
هل يعني سياق يتجاوز مليون رمز أنّ Gemini يتعامل مع سنوات من التحاليل بشكل أفضل؟ على السطح فقط. فالضياع في المنتصف لا يزال يُضعف الاستدعاء في منتصف السياق، والتحليل الطولي للتحاليل مشكلة سلاسل زمنية — لا مشكلة مُوجّه طويل.
هل يمتثل Gemini لمعيار HIPAA بالنسبة إلى المستندات الطبية؟ نعم مع نشر على Vertex AI واتفاقية BAA من Google. أمّا تطبيق Gemini الاستهلاكي فلا.
كيف يختلف OCR في Wizey عن الرؤية الأصيلة في Gemini؟ يستخرج Wizey إلى مخطّط منظَّم مُتحقَّق منه — كلّ مؤشّر مع وحدته ونطاقه المرجعي — قبل الاستدلال. أمّا Gemini فيقرأ في تمريرة توليدية واحدة بلا ناتج وسيط.
متى يساعد Gemini فعلاً في مجال الصحة؟ الترجمة والشرح والتلخيص وصياغة الأسئلة. إنّه أداة قراءة وكتابة ممتازة؛ أمّا الاستدلال العددي المتخصّص على عمليات المسح الفوضوية فليس من نقاط قوّته.
الخلاصة
Gemini هو أكثر النماذج متعدّدة الوسائط مرونةً المتاحة للمستهلكين اليوم، ولكثير من مهامّ القراءة اليومية يُعدّ خياراً جيداً. أمّا في المهمّة المحدّدة المتمثّلة في تحويل ملفّ PDF مخبري واقعي — ممسوح ضوئياً أو مصوَّر أو مُرسَل بالفاكس أو مكتوب أحياناً بخطّ اليد — إلى تفسير منظَّم جدير بالثقة، فلا يزال التخصّص يتفوّق على المرونة.
وهذا هو المجال الذي بُني Wizey من أجله: خطّ معالجة OCR طبي يصمد أمام المدخلات الفوضوية، ومخطّط منظَّم يصمد أمام التحليل الطولي، وطبقة استدلال مستندة إلى مسارات سريرية مُتحقَّق منها لا إلى احتمالات النثر. وإن أردت الحجّة الأعمق حول أين تنجح النماذج العامّة LLM وأين تخفق في الطبّ، فإنّ مقالة Wizey مقابل ChatGPT المحورية هي رفيقة هذه المقالة.
