في العصر الحديث، تعتبر القدرة على الإجابة عن الأسئلة المتعلقة بالسلاسل الزمنية السريرية (ICTS) محورية في العديد من تطبيقات الرعاية الصحية. بالرغم من التقدم الذي حققته نماذج اللغات الكبيرة (LLMs) في الإجابة عن الأسئلة العامة، إلا أنها تفتقر إلى التكيف الجيد مع فوضى السلاسل الزمنية وعدم انتظامها في بيئة الرعاية الصحية.

لتجاوز هذه التحديات، تم تطوير إطار عمل ClinPRISM الفريد، الذي يمثل طفرة جديدة في مجالات الذكاء الاصطناعي والرعاية الصحية. يعتمد هذا الإطار على تقنية الوعي بعدم الانتظام من خلال موحد متعدد المقاييس، حيث يقوم بالتقاط الأدلة السريرية المتناثرة عبر أبعاد زمنية متنوعة.

يستعمل ClinPRISM تقنية جديدة تُسمى "مُعمِق الأدلة الزمنية" لدمج التمثيلات عبر هذه المقاييس، مما يسهل تحويلها إلى عدد قليل من الرموز المتوافقة مع نماذج اللغة. بالإضافة إلى ذلك، تم تقديم استراتيجية محاذاة تدريجية، تتماشى بشكل متسلسل مع المسارات غير المنتظمة في الفضاء النصي للLLM.

لضمان فعالية التدريب، تم إنشاء مجموعة بيانات تضمنت 30,000 سلسلة زمنية سريرية مرتبطة بوصف متعدد المقاييس، جنبا إلى جنب مع 41,000 حالة لتوجيه التعليم على 11 مهمة. وباستخدام نموذج LLM يتألف من 4 مليارات معلمة، استطاع ClinPRISM تحقيق أداء رائد ضمن المعايير التقييمية المعروفة، مع استخدام 16 رمزاً زمنياً فقط، ومتوسط زمن استدلال بلغ 0.15 ثانية لكل سؤال.

إن كل هذه الابتكارات تعكس كيف يمكن للذكاء الاصطناعي أن يحدث تغييرًا جذريًا في كيفية تقديم الرعاية الصحية واتخاذ القرارات المستندة إلى البيانات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.