في خطوة ثورية نحو تحسين رعاية المرضى، كشفت دراسة جديدة حول نماذج اللغة الكبيرة (Large Language Models) تحولاً في طريقة تعامل هذه النماذج مع المخاطر السريرية. حيث أن وكالات الذكاء الاصطناعي التي تُستخدم في البيئات السريرية غالباً ما تُظهر سلوكًا متطرفًا عند بلوغ عتبات معينة، مما يؤدي إلى نقص في الوضوح بشأن المخاطر المتزايدة قبل أن تتصاعد. ومع ذلك، في واقع الرعاية الصحية، يعمل المتخصصون على أساس تصاعد المخاوف بشكل تدريجي، وليس بناءً على إشارات فورية.

تستعرض هذه الدراسة ما إذا كانت الديناميات المكانية الصريحة يمكن أن تكشف عن إشارات المخاوف قبل التصعيد دون تفويض السلطة السريرية إلى الوكيل الذكي. قدّم الباحثون معملاً خفيف الوزن حيث يتم دمج مُشفر المخاطر السريرية عديم الذاكرة مع مرور الوقت، مستخدمين الديناميات من الرتبتين الأولى والثانية لإنتاج إشارة ضغط تصعيد مستمرة.

في السيناريوهات السريرية الاصطناعية، أظهرت الوكالات التي لا تمتلك حالة مخاطر حادة، بينما كانت الديناميات من الرتبة الثانية تُظهِر مسارات مخاوف انسيابية وتنبؤية على الرغم من توقيتات تصعيد مماثلة. تبرز هذه المسارات الشعور بالقلق المستمر قبل التصعيد، مما يمنح المتخصصين فرصة للمراقبة الإنسانية والتدخل الأكثر وعيًا.

تشير النتائج إلى أن الديناميات المكانية الصريحة يمكن أن تجعل الوكلاء الذكاء الاصطناعي أكثر وضوحًا سريريًا من خلال إظهار كيفية استمرار القلق في الارتفاع، وليس فقط عندما تتجاوز العتبات.