في وقت تتزايد فيه مؤشرات الاعتماد على نماذج الذكاء الاصطناعي في مختلف المجالات، أظهرت دراسة جديدة كيف تُستخدم هذه النماذج، مثل نماذج اللغات الضخمة (Large Language Models)، كوسيط للإجابة عن أسئلة المرضى حول اختيار الأطباء المناسبين. يواجه المرضى اليوم خيار البحث عن معلومات حول الأطباء من خلال خوارزميات متطورة، مما يثير تساؤلات كبيرة حول كيفية اتخاذ هذه الأنظمة للقرارات.

تضمنت الدراسة، التي تم الإبلاغ عنها على منصة arXiv، إجراء تجربة عشوائية مسبقة على خوارزميات اختارت بين خمسة بطاقات لأطباء في مجال طب الأسرة. تم توزيع الخصائص بشكل مستقل عبر مجموعة متنوعة من خيارات الاختيار، مما أسفر عن استجابات مُسجلة تصل إلى 40,068 استجابة. ومن خلال استخدام منهجية مراجعة متخصصة، تم الإشارة إلى السمات الديموغرافية مثل الجنس والعرق من خلال أسماء معينة.

أظهرت النتائج أن إشارات السمعة تُعتبر العامل الرئيسي في التأثير على خيارات المرضى. على سبيل المثال، لوحظ أن رفع تقييم الطبيب من 3.9 إلى 4.7 يزيد من احتمالية اختياره بمقدار 31.4 نقطة مئوية، بينما زيادة تكلفة الخدمة من 90 دولارًا إلى 190 دولارًا تخفض هذه الاحتمالية بحوالي 20 نقطة مئوية.

ولم تكن نتائج الدراسة خالية من التحديات، حيث تم رفض فكرة العدالة الديموغرافية، ولكنه تم ملاحظة أن الأسماء التي تشير إلى الإناث والشخصيات من أصول عرقية متنوعة حققت نتائج إيجابية في اختبارات الاختيار. ومع ذلك، من المثير للاهتمام أن النماذج لم تذكر هذه المعايير إلا في نسبة ضئيلة من الأسباب المدلى بها.

تُبرز هذه الدراسة ضرورة اعتماد تقنيات مراجعة سلوكية تتيح تكرار التجارب بدلاً من الاعتماد على التقارير الذاتية للنماذج، مما يمكّن من قياس فعالية ورؤية نماذج الذكاء الاصطناعي بشكل أدق.