في عالم الرعاية الصحية، يُعتبر الامتثال للإرشادات السريرية أمرًا بالغ الأهمية، لكن توافر إرشادات قابلة للتفسير من قبل الحاسوب (Computer-Interpretable Guidelines - CIGs) نادر في البيئات السريرية الواقعية. في دراسة حديثة، تم تقديم إطار عمل مبتكر يستند إلى تنسيق نماذج اللغة الكبيرة (Large Language Models - LLMs) لتسهيل عملية فحص الامتثال في رعاية السكتة الدماغية.

تتكون هذه البنية من عدة نماذج لغة كبيرة ومكونات دعم تعمل على استخراج مسارات المرضى من تقارير الخروج السريرية، وتحديد القواعد النمطية من النصوص الإرشادية، ثم ترجمة هذه القواعد إلى نصوص تنفيذية لحساب مؤشر الامتثال (Trace Conformance Indicator) الذي quantifies compliance within the event log.

تم تطبيق هذا الإطار وتقييمه في قسم الأعصاب بمستشفى أليساندريا، حيث تم استخراج مئات المسارات المرضية تلقائياً من بيانات المستشفى، وتم تقييمها ضد 50 قاعدة مستمدة من الإرشادات المرجعية. وقد أظهرت التحليلات أن أكثر من 86% من المسارات المتوافرة كانت متوافقة مع الإرشادات.

تؤكد هذه الدراسة على جدوى استخدام نماذج اللغة الكبيرة المنسقة في التحليل العملي لامتثال الرعاية الصحية، مما يوفر دليلاً على مستوى عالٍ من الالتزام بإرشادات رعاية السكتة الدماغية في مستشفى أليساندريا. هذا التقدم يعد مؤشراً واعداً لتحسين رعاية المرضى وتقليل الأخطاء الطبية.

ما رأيكم في استخدام الذكاء الاصطناعي لتحسين رعاية المرضى؟ شاركونا أفكاركم في التعليقات!