في عالم معالجة اللغة الطبيعية (Natural Language Processing) في المجال الصحي، تُعتبر إعادة الصياغة (Relexicalization) من التقنيات الرئيسة التي تلعب دوراً أساسياً في حماية المعلومات الحساسة أثناء إنشاء مجموعات البيانات التي تحافظ على الخصائص الحقيقية للبيانات. رغم ذلك، فإن التحدي الأكبر يبقى في الحفاظ على سلامة الهيكل، وتماسك العلاقات، والتناسق الزمني أثناء عملية التحويل.

تستخدم الأساليب الحالية غالبًا استبدال الكيانات بشكل مستقل، مما يؤدي إلى عدم توافق سريري عبر السجلات على المدى الطويل، ويقلل من قيمة هذه المجموعات المعاد صياغتها للتحليل العلمي.

للتغلب على هذه التحديات، تم تقديم G-RELIC (إعادة الصياغة السياقية المعتمدة على الرسوم البيانية مع تحسين التناسق)، الذي يجمع بين قوة نماذج اللغات الضخمة (Large Language Models) والشبكات البيانية (Graphs). يقدم G-RELIC آلية رسم بياني تعتمد على التوصيف والتي تعمل على تحسين التوافق بين الكيانات الأصلية والبديلة.

علاوة على ذلك، يقدم G-RELIC خوارزمية إعادة تموضع زمنية حتمية، مما يحافظ على التناسق الزمني. وقد أثبتت التقييمات التجريبية على مجموعات بيانات سريرية حقيقية أن G-RELIC يتفوق بشكل ملحوظ على الحلول الرائدة، حيث يحقق تحسينًا يصل إلى 30.4 نقطة مئوية في تكامل العلاقات (62.1% إلى 92.5%) وتحسينًا بقيمة 45.9 نقطة مئوية في التناسق الزمني (46% إلى 91.9%)، دون المساس بمعايير الخصوصية المعترف بها لمجموعات البيانات السريرية.

بهذا الابتكار، يتمتع الباحثون بأقصى قدر من الفائدة التحليلية من مجموعات بيانات معاد صياغتها، مع الحد الأدنى من مخاطر إعادة التعرف على الأفراد. G-RELIC يمثل خطوة واعدة نحو مستقبل صحي حيث يُمكن بشكل آمن العمل على بيانات حساسة.