في عالم الذكاء الاصطناعي السريري، تعد نماذج اللغة الضخمة (LLMs) الآن الواجهة الرئيسية للتفاعل. إلا أن الأسلوب الحالي، الذي يعتمد على نصوص مُدخلة ونصوص مُخرجة في سياقٍ واحد، يفتقر إلى تمثيل واضح وثابت للحالة الصحية للمريض.

تشير ورقة بحثية جديدة إلى أن التفكير السريري الطويل الأمد هو بمثابة مشكلة في تقدير الحالة تحت رصد جزئي، حيث يوضح الباحثون أن نجاح أو فشل الذكاء الاصطناعي في المجال الطبي لا يعتمد على دقة قراءة النموذج للتاريخ الطبي، ولكن على الحوكمة الفعالة لما يعرفه عن حالة المريض.

تستعرض الورقة الفروق بين "السياق المُولد" و"الدولة المُحكومة"، وتفصل بين خمسة عناصر تميل الأنظمة السريرية إلى الخلط بينها: الحالة الحقيقية، الملاحظات، الأدلة، الاعتقادات، والدولة المحاكاة. كما تحدد معايير حوكمة مُدرجة يمكن تدقيق أي نظام ذكاء اصطناعي سريري بناءً عليها.

تظهر الورقة أن التعريف العملياتي للمسؤولية يتجزأ إلى أربعة متطلبات للمعلومات: سجل أدلة غير قابل للتغيير يتضمن ملاحظات زمنية، حالة اعتقاد متميزة عن الأدلة المُجمعة، نموذج عملية الملاحظة، وتصنيف سبب المطالب. هذه الاستنتاجات تمنح قيمة كبيرة للذكاء الاصطناعي السريري، حيث تحول مفهوم "الذكاء الاصطناعي المسؤول" من شعار إلى أداة للفحص الدقيق.

تقدم الورقة إطارًا من ست مستويات للقدرة، يميز بين ما يمكن أن يجعل النظام قابلاً للحوكمة وبين ما يمكنه حسابه. يُظهر هذا الإطار أن الممارسات الحالية التي تركز على نماذج اللغة الضخمة عالية القدرة ولكنها ذات نضج منخفض.

في النهاية، لا تدعي الورقة وجود أي نتائج تجريبية، ولكنها تضع الأساس لعمل بحثي مستقبلي يهدف إلى تطوير نماذج سريرية شاملة مبنية على أطر قابلة للبناء والتطبيق.