في عصر يزداد فيه التركيز على الصحة النفسية كأولوية عالمية، تواجه الأنظمة الإدارية تحديات كبيرة في تصنيف التشخيصات السريرية. في هذا السياق، تبرز دراسة حديثة تهدف إلى أتمتة تحليل التشخيصات النفسية، من خلال رسم أوصاف النصوص الحرة على التصنيف الدولي للأمراض (ICD) باستخدام تقنيات معالجة اللغة الطبيعية (NLP) والتعلم الآلي (ML).

استندت الدراسة إلى مجموعة بيانات متخصصة تحتوي على 145,513 وصفاً نفسياً باللغة الإسبانية، حيث تم تقييم مجموعة متنوعة من نماذج تمثيل النصوص. بدأت الدراسة بالأساليب التقليدية المبنية على التكرار مثل (Bag of Words) و(TF-IDF)، وانتقلت إلى استخدام النماذج الأكثر تقدماً، مثل (e5_large) و(BioLORD) و(Llama-3-8B).

ولقد أظهرت النتائج أن النماذج المعتمدة على معمارية التشغيلة (Transformer) كانت متفوقة باستمرار، حيث استطاعت التقاط الدلالات السِيقية والاصطلاحات الطبية الدقيقة التي غالباً ما تغيب عن الطرق التقليدية. فقد تمكن نموذج (e5_large) من تحقيق أعلى أداء بفضل تحسينه من البداية إلى النهاية، محافظًا على نتيجة $F1_{micro}$ تصل إلى 0.866.

تؤكد هذه الأبحاث أهمية تكييف نماذج اللغات الضخمة مع المصطلحات السريرية الخاصة، لتجاوز تحديات التوزيعات غير المتوازنة للتسميات وكثرة الغموض في الخطاب النفسي. هذا الأمر ينذر بفرص جديدة لتحسين دقة التصنيف في هذا المجال الحيوي من الرعاية الصحية.