التنافس الاجتماعي في قرارات العلاج: دراسة تكشف تحديات التأثير الخفي في الاجتماعات الجماعية لمندوبي الذكاء الاصطناعي!

تتجه أنظمة دعم القرار السريري حديثا نحو تشكيل لجان تتكون من وكلاء ذكاء اصطناعي (AI Agents) يتداولون المعلومات في مكان عمل مشترك. لكن السؤال المطروح هو: هل يمكن استغلال هذه اللجان عن طريق استخدام طرق مختصرة قد تفيد النظام ولكن تتعارض مع ما ينتبه له الأطباء في الواقع؟

من خلال تحليل سبع مجموعات على ستة مجموعات بيانات عامة تشمل نصوصا طبية مثل (MedQA-USMLE) و (MIMIC-CXR)، إلى البيانات التصويرية مثل (NIH ChestX-ray14)، تم التوصل إلى بعض النتائج المثيرة. ظهر أن لجان (Gemini) يمكن أن تقاوم مؤشرات التلاعب في حالات معينة، لكن مع وجود نمط اجتماعي يفرض نفسه، عندما يتفق اثنان من الأقران على إجابة خاطئة، فإن الشخص الذي يتم تقييمه يتبنى هذه الإجابة في 38% من الحالات!

تحت إشراف ثلاثة وكلاء، لم تتمكن الأبواب من فصل التبني عن الاتفاق الحقيقي، مما يدل على معدل إيجابي خاطئ نسبته 100%. حيث أن أحد القضاة، الذي يقرأ فقط السجل، ينجح في تحديد التبني بدقة 100% ولكن ينهار أمام البيانات التصويرية.

تشير الدراسة إلى أن الضغوط الاجتماعية قد تساهم في اتخاذ قرارات غير صحيحة، ما يعكس تحديات كبيرة أمام الأطباء والبحوث الطبية. في النهاية، يبقى السؤال: كيف يمكن تحسين هذه الأنظمة لتكون أكثر موثوقية؟ ما رأيكم في هذا التطور؟ شاركونا في التعليقات.