تشهد نماذج اللغة الكبيرة (LLMs) تحولات متسارعة في قطاع الرعاية الصحية، إذ باتت تُستخدم بشكل متزايد لتقديم إجابات استشارية. ومع ذلك، يثار تساؤل رئيسي حول مدى دقة هذه الإجابات عند الاستناد إلى أدلة غير مكتملة.

ففي دراسة جديدة، تم بحث ما إذا كان تحفيز "كفاية الأدلة" يمكن أن يقلل من الإجابات الغير آمنة والتي تعبر عن ثقة زائدة. الباحثون أجروا دراسة تحليلية على بيانات عامة مستقاه من عدة بنوك بيانات، وركزوا على أربعة نماذج رئيسية: GPT-5.5، Claude Opus 4.8، Gemini 3.5 Flash، و Grok 4.3.

نتائج الدراسة أظهرت انخفاضاً ملحوظاً في الثقة الزائدة غير الآمنة من 49.3% إلى 24.7%، بمعدل انخفاض يصل إلى 24.7 نقطة، مما يدل على وجود تأثير قوي لتحفيز كفاية الأدلة. ومع ذلك، يختلف أثر هذه التحفيزات باختلاف القاضي المثمن؛ فعلى سبيل المثال، قاضي نموذج Claude Sonnet 5 أظهر انحيازات مختلفة وهوامش تأثير أقل.

علاوة على ذلك، أشار الأطباء المقيمون إلى أن القضاة الأساسين يظهرون حساسية عالية ولكن دون دقة مناسبة، مما يسلط الضوء على أهمية التقييم البشري في زيادة موثوقية نماذج الذكاء الاصطناعي.

تأتي هذه الدراسة في وقت يتزايد فيه الاعتماد على نماذج الذكاء الاصطناعي في تشخيص الحالات الطبية، ومن المهم أن نأخذ في الاعتبار التكاليف المرتفعة لإجابات دقيقة عندما يكون التحفيز عن كفاية الأدلة ضمن السياق. ولذا، يجب على التقارير أن تعكس مستويات الأمان النسبي والتوجيهي المتأصل في هذه النماذج، بدلاً من النظر إليها كمعايير مطلقة.

في نهاية المطاف، تقدم هذه النتائج أبعادًا جديدة لفهم نماذج الذكاء الاصطناعي في الرعاية الصحية، مشيرةً إلى أنها تحتاج إلى تقييم مشترك مع الدقة وعدم الاعتماد الكلي على التقييم الآلي.