استخدام الذكاء الاصطناعي لتحسين دقة وكفاءة استخراج معلومات بروتوكولات التجارب السريرية

في ظل تعقيد بروتوكولات التجارب السريرية وزيادة الحاجة إلى إدارة المعرفة، تترتب أعباء كبيرة على فرق التجارب. ومن هنا، يصبح هيكلة محتوى البروتوكولات في صيغ قياسية أمراً ضرورياً لتعزيز الكفاءة ودعم جودة الوثائق والتأكد من الالتزام.

في هذا السياق، تم تقييم نظام ذكاء اصطناعي (Artificial Intelligence - AI) يستخدم نماذج لغات كبيرة (Large Language Models - LLMs) مع إدماج تكنولوجيا استرجاع المعلومات (Retrieval-Augmented Generation - RAG) لأغراض استخراج معلومات بروتوكولات التجارب السريرية بشكل آلي.

أظهرت النتائج أن دقة عملية استخراج المعلومات الخاصة بالتجارب السريرية باستخدام تقنية RAG تفوق 89%، مقارنةً بـ 62.6% فقط في حال استخدام نماذج LLMs المستقلة مع تهيئة متناهية. كما أظهرت الدراسة أن مهام الاستخراج المدعومة بالذكاء الاصطناعي تُنجز بشكل أسرع بنسبة 40%، وتُعتبر أقل إجهاداً معرفياً، مما يجعلها الخيار المفضل للمستخدمين.

بينما يظل الإشراف من الخبراء أساسياً، تشير هذه النتائج إلى أن الاستفادة من تقنية الاستخراج المدعوم بالذكاء الاصطناعي يمكن أن تمكّن من تحقيق ذكاء بروتوكولي على نطاق واسع. مما يدعو لدمج أساليب مماثلة في سير العمل الواقعي للتجارب السريرية، مما يسهم في تعزيز الجدوى وبدء الدراسة ومراقبة ما بعد التفعيل.