في عالم الطب الحديث، تعتبر دقة المعلومات المنقولة من السجلات الصحية الإلكترونية (EHRs) أمرًا حيويًا. وقد أظهرت الدراسات أن استخراج المعلومات الهامة من تقارير التخريج يمكن أن يكون عملية شاقة وتستهلك الكثير من الوقت عند القيام بها يدويًا. هنا يأتي دور نماذج اللغات الضخمة (Large Language Models) التي تقدم فوائد كبيرة في كفاءة استخراج المعلومات. ومع ذلك، لا تخلو هذه النماذج من التحديات، حيث يمكن أن تنتج معلومات غير دقيقة تُعرف بالأخطاء الوهمية التي قد تعرض سلامة المرضى للخطر.

لذلك، تم تطوير CuraView، وهو إطار عمل متعدد الوكلاء يهدف إلى كشف الأخطاء الوهمية في تقارير التخريج. يعتمد هذا النظام على إنشاء خريطة معرفية مستندة إلى نموذج GraphRAG من السجلات الصحية الإلكترونية، ويعمل على توفير عملية متكاملة تشمل توليد المعلومات والكشف عنها، مع استرجاع دليل على مستوى الجمل وتصنيفها وفقًا لأربعة درجات من الدعم إلى التضارب المباشر.

عند تقييم CuraView على مجموعة من 250 مريضًا، أظهر نموذج الكشف الخاص بنا نتائج مثيرة للإعجاب، حيث حقق دقة فائدة (F1) قدرها 0.831 في المعيار الأهم Safety-Critical E4. كما تمثل تحسنًا ملحوظًا بنسبة 50% مقارنة بالنموذج الأساسي. وتؤكد النتائج على أن استخدام ربط الدليل القائم على البيانات يعزز من موثوقية الوثائق السريرية، بالإضافة إلى أنه يخلق مجموعات بيانات مصنفة قابلة للاستخدام في التدريب المستقبلي للنماذج.