في إطار جهود البحث العلمي الحديثة، أظهرت دراسة جديدة أن دمج الأنظمة الهجينة التي تجمع بين الذكاء الاصطناعي (AI) والرموز التقليدية يمكن أن يحسن بشكل كبير من استخراج التعليمات السريرية من الملاحظات الخارجة للمرضى. تعد التعليمات المتعلقة بالمواعيد والإجراءات، مثل "التصوير بالرنين المغناطيسي خلال أسبوعين"، من العناصر الحيوية في إدارة الرعاية الصحية، حيث تسهم في التخطيط والتدقيق.

لكن التحدي يكمن في أن الأنظمة التي تعتمد على التوليد المباشر لم تستطع ربط الإجراءات بالمواعيد بدقة كافية، حيث أن الربط الحسابي غالبًا ما يكون ضمني. في هذا السياق، تم اختبار نظام هجيني يجمع بين الشبكات العصبية (Neural Networks) والرموز القابلة للتفسير (Symbolic Logic) مقابل الأنظمة التقليدية.

اعتمد الباحثون على تحديد كيانات مثل "TestSpecification" و"TimeSpecification"، مع استخدام نموذج BioBERT لتعزيز تصنيف الكيانات. ومن خلال قاعدة بيانات تحتوي على 2000 ملاحظة خارجية، أظهر النظام الهجين دقة مذهلة في استخراج الأزواج الزمنية، مع تحقيق درجة F1 لإيجاد الأزواج تصل إلى 0.997. بينما أنظمة مثل LLaMA-3 وGPT-4o-mini سجلت درجات أقل في الأداء في نفس السياق.

تشير النتائج إلى أن فصل استخراج الكيانات عن الحسابات الزمنية المحددة يزيد من الدقة، ما يمهد الطريق لتحويل هذه التكنولوجيا إلى الملاحظات السريرية الحقيقية. سيكون هذا التطور محور الاهتمام بالنسبة للممارسين الطبيين والإداريين لتحسين العمليات وإدارة البيانات في الرعاية الصحية.

هل تعتقد أن هذه النظم ستحدث ثورة في كيفية إدارة المعلومات الصحية؟ شاركونا آراءكم في التعليقات.