الذكاء الاصطناعي في الصحة بالشرق الأوسط — التحديات التنظيمية.
فيصل العنقودي · المؤسس والرئيس التنفيذي
تقنياً، نماذج التشخيص والمساعدة الطبية تتقدّم بسرعة. تنظيمياً، المسار أعقد: خصوصية بيانات حساسة، تصنيف البرمجيات الطبية، نقل بيانات عبر الحدود، ومسؤولية القرار السريري. في الشرق الأوسط، النجاح في AI الصحي لا يبدأ من الخوارزمية فقط، بل من هندسة امتثال دقيقة.
في أي عرض AI صحي، ستسمع كلمات مثل «دقة أعلى» و«اكتشاف مبكر» و«تقليل عبء الأطباء». كلها وعود ممكنة. لكن ما يمنع كثيراً من الحلول من الوصول للإنتاج ليس نقص الذكاء، بل تضارب متطلبات الامتثال بين قانون بيانات، ومنظّم جهاز طبي، وسياسات مستشفى.
في الشرق الأوسط، التحدي أكبر لأن السوق ليس نظاماً تنظيمياً واحداً. كل دولة لديها مزيجها الخاص: قوانين بيانات، أطر أجهزة طبية، ومتطلبات نقل حدودي. هذا يعني أن استراتيجية منتج واحدة للمنطقة كلها غالباً تنكسر في أول تدقيق جدي.
لماذا القطاع الصحي أصعب من قطاعات AI الأخرى.
البيانات الصحية من أكثر فئات البيانات حساسية. الخطأ لا يعني تجربة مستخدم سيئة فقط؛ قد يعني قراراً طبياً خاطئاً أو انتهاكاً قانونياً يهدد الثقة العامة. لذلك، «تحسين النموذج» وحده لا يكفي دون مسار حوكمة وسلامة.
إضافةً إلى ذلك، كثير من تطبيقات AI الصحي تقع على الحد بين «أداة دعم» و«برنامج كجهاز طبي (SaMD)». هذا الحد التنظيمي يحدد مستوى المتطلبات والاختبارات ومسؤولية المنتج [٢][٣].
أربع عقد تنظيمية تتكرر في المنطقة.
- تصنيف المنتج: هل هو أداة تشغيلية أم جهاز طبي برمجي؟ التصنيف يغير كل شيء من الترخيص إلى المتابعة بعد الطرح [٢].
- البيانات والخصوصية: موافقة، غرض، حد أدنى من البيانات، وحقوق المريض ليست بنوداً تجميلية بل شروط تشغيل [١].
- نقل البيانات عبر الحدود: حلول سحابية عابرة للدول تصطدم غالباً بمتطلبات توطين أو ضوابط نقل مشددة [٤].
- المساءلة السريرية: من يتحمل أثر توصية خاطئة؟ الطبيب؟ المستشفى؟ المزود التقني؟ الإجابة يجب أن تُوثّق قبل الإطلاق.
في الصحة، السؤال التنظيمي ليس «هل يسمح القانون؟» فقط. السؤال الأصح: «هل يمكن إثبات السلامة والامتثال تحت حمل تشغيل حقيقي؟»
ما الذي يتغير من دولة لأخرى في الشرق الأوسط.
في السعودية، لدى SFDA إرشادات واضحة لتقنيات AI/ML في الأجهزة الطبية، مع تركيز على الترخيص وإدارة المخاطر والتقييم السريري [٢][٣]. هذا يعطي وضوحاً جيداً للمسار، لكنه يرفع سقف الإثبات المطلوب على الشركات.
في الإمارات، قوانين وتنظيمات البيانات الصحية (ومنها متطلبات مرتبطة بالتوطين/النقل في حالات محددة) تجعل تصميم المعمارية السحابية قراراً قانونياً بقدر ما هو تقني [٤].
في عُمان، صعود أطر حماية البيانات والحوكمة الرقمية يزيد الحاجة لنموذج «امتثال من التصميم» في تطبيقات AI الصحية، خاصة عند ربطها ببيانات شخصية حساسة [٥].
من POC إلى إنتاج: أين تسقط الحلول غالباً.
- تدريب النموذج على بيانات غير ممثلة لسكان البلد ثم تعميم النتائج سريرياً.
- غياب Clinical validation محلي كافٍ قبل التوسع التجاري.
- الاعتماد على شروط مزود سحابي قياسية دون مواءمة قانونية محلية.
- عدم وجود سجل واضح لتغييرات النموذج بعد الإطلاق (model change control).
- خلط دور الطبيب مع دور النموذج في سير العمل، ما يربك المساءلة.
خارطة امتثال عملية لفرق AI الصحي.
أفضل مسار في المنطقة ليس البدء بنموذج ضخم، بل البدء بخارطة تنظيمية قبل الكود: ماذا سنبني؟ تحت أي تصنيف؟ وفي أي بيئة بيانات؟
- حدّد التصنيف التنظيمي مبكراً (SaMD أو غيره) مع مستشار محلي.
- ابنِ Data map تفصيلي: مصدر البيانات، موقعها، من يصل إليها، ومدة الاحتفاظ.
- نفّذ تقييم مخاطر سريرية وخطة تخفيف موثقة.
- ضع بروتوكول تحقق سريري تدريجي قبل أي تعميم واسع.
- اعتمد إطار حوكمة تغييرات للموديل بعد الطرح (monitoring + rollback).
مخطط التحدي التنظيمي.
أسئلة شائعة.
- هل يكفي أن يكون النموذج دقيقاً إحصائياً؟ لا، يلزم مسار اعتماد وسلامة وامتثال بحسب الاستخدام السريري.
- هل كل AI صحي يعتبر جهازاً طبياً؟ ليس دائماً؛ التصنيف يعتمد على الوظيفة والاستخدام المقصود [٣].
- هل يمكن تشغيل الحل إقليمياً من سحابة واحدة؟ أحياناً، لكن قيود البيانات الحدودية قد تفرض معماريات محلية/هجينة.
- من المسؤول عند الخطأ؟ يجب تحديد المسؤولية تعاقدياً وتشغيلياً قبل الإطلاق.
- ما أول خطوة عملية؟ ورشة مشتركة قانونية-سريرية-تقنية لصياغة نطاق استخدام واضح وقابل للامتثال.
الخلاصة والدعوة.
الذكاء الاصطناعي في الصحة بالشرق الأوسط ليس سباق نموذج فقط. هو سباق حوكمة: من يستطيع الجمع بين السلامة السريرية والامتثال القانوني والجدوى التشغيلية في آن واحد.
قبل إطلاق أي منتج AI صحي، اكتب صفحة واحدة تتضمن: التصنيف التنظيمي، خريطة البيانات، ومسار التحقق السريري. إن عجز الفريق عن هذه الصفحة، فالإطلاق مبكر — مهما بدت الديمو مُبهرة.
المصادر.
[١] WHO — Ethics and governance of artificial intelligence for health (2021).
[٢] SFDA — Guidance on AI/ML technologies based Medical Devices (MDS-G010).
[٣] SFDA — Guidance on Digital Health Products (MDS-G027).
[٤] UAE Health Data Law (Federal Law No. 2 of 2019) — overview and localization implications.
[٥] نقطة — ملاحظات داخلية من مشاريع AI صحية في المنطقة، أبريل ٢٠٢٦ (Nuqta internal regional health AI notes, April 2026).
مقالات ذات صلة
- قانون حماية البيانات الشخصية العُماني ٢٠٢٢ وأثره على AI.
الذكاء الاصطناعي لا يُبنى في فراغ قانوني. قانون حماية البيانات الشخصية العُماني (المرسوم ٦/٢٠٢٢) غيّر طريقة جمع البيانات، تدريب النماذج، ونقلها خارج الحدود. السؤال لم يعد: «هل النموذج دقيق؟» فقط، بل: «هل طريقة بنائه وتشغيله مشروعة؟».
- رؤية عُمان 2040 والذكاء الاصطناعي — ما الذي تغيّر في 2026.
لسنوات كان الذكاء الاصطناعي في عُمان شعاراً ضمن التحول الرقمي. في 2026 تحوّل إلى برامج تنفيذية أكثر وضوحاً: أهداف اقتصادية، منصات وطنية، وحوكمة أقرب للإنتاج لا للعروض. السؤال لم يعد «هل ندخل AI؟» بل «أين يخلق قيمة قابلة للقياس؟».