تواجه أنظمة الصحة العامة أوقاتاً ضخمة تتطلب اتخاذ قرارات سريعة تتعلق بموارد المستشفيات، مثل توسيع القدرة الاستيعابية للأسرة خلال الأزمات الصحية الكبرى كالأوبئة أو حالات الطوارئ التشغيلية. قد تكون نماذج التنبؤ جزءاً حيوياً في هذا الإطار، حيث تسهم في تحليل بيانات الموارد بكميات كبيرة على مستوى المنشآت الصحية.

تشير الأبحاث الأخيرة إلى أن نماذج اللغة الضخمة (Large Language Models) تستطيع دمج أشكالٍ أغنى من السياق في التنبؤات العددية. بدلاً من الاعتماد فقط على السياق الزمني (أي الملاحظات السابقة)، يمكن لهذه النماذج أيضاً الاستفادة من السياقات الصحية العامة مثل الخصائص السكانية والجيغرافية.

لكن يبقى السؤال: كيف يمكن استخدام هذه النماذج بشكل فعال لتوليد توقعات مستقرة ومهمة للقرارات في الواقع الصحي؟ للرد على هذا، تم تقييم ثلاث طرق عبر 60 مقاطعة في الولايات المتحدة بتفاوت في شدة الإشغال: التنبؤ المباشر باستخدام نماذج اللغة الضخمة، والنماذج الزمنية التقليدية، ونموذج هجين (HybridARX) يجمع بين إشارات النماذج اللغوية والنماذج الهيكلية.

بدلاً من التركيز على تقليل الأخطاء فقط، يتعين تقييم الأداء باستخدام التحليل الجانبي والمحايد المرتبط بالقرارات التشغيلية. وأظهرت النتائج أن نموذج HybridARX يتجاوز أداء النماذج التقليدية من خلال تقديم تنبؤات أكثر استقرارًا وتنسيقًا، خاصة عندما يتم دمج إشارات سياقية معقدة في نماذج زمنية هيكلية.

تؤكد هذه النتائج على أن نماذج اللغة الضخمة تكون أكثر فعالية عند إدماجها في نماذج هجينة منظمة أثناء التنبؤ بموارد الرعاية الصحية غير الثابتة.