تُعتبر عملية اتخاذ القرار السريري تحدياً كبيراً يتطلب التعرّف على معلومات المرضى ذات الصلة لتوجيه التشخيص والعلاج، وخاصة في بيئة وحدة العناية المركزة (ICU) السريعة التغير. هنا، يأتي دور نماذج اللغة الكبيرة (LLMs) كأداة داعمة في هذا المجال. ومع ذلك، غالباً ما تركز التطبيقات الحالية والبيانات المتاحة على الاسترجاع السطحي أو استحضار الحقائق، بدلاً من التفكير الاستدلالي والاستنتاجي الذي يمارسه الأطباء عند اختيار الأدلة المهمة لاتخاذ القرارات.

تمكن الباحثون من تطوير مجموعة بيانات جديدة تُسمى ICU-REACT، والتي تم إنشاؤها بالتعاون مع 19 طبيباً، وذلك باستخدام إطار عمل "الطبيب في الحلقة" لتعليم نماذج اللغة الكبيرة كيفية استرجاع المعلومات وتطبيق التفكير السريري الواعي بالسياق داخل وحدة العناية المركزة. من خلال ICU-REACT، تم تعديل نماذج Clin-REACT، التي تتراوح بين 8 مليارات إلى 70 مليار مُعلم، عبر ثلاث عائلات من النماذج.

أثبتت الدراسة أن نماذج Clin-REACT تفوقت بشكل مستمر على نماذجها الأساسية والنماذج الطبية العامة المفتوحة المصدر على خمسة معايير مختلفة للتفكير السريري. هذه المكاسب شملت مهام متنوعة مثل اختبارات التوافق النصي، ومهام التشخيص والعلاج. تشير هذه النتائج إلى أن الإشراف على التفكير المتقدم في العناية المركزة يمكن أن يُحسن من التفكير السريري العام. ومع ذلك، يلزم إجراء تقييمات مستقبلية قبل الاستخدام الفعلي في العيادات.

ما رأيكم في أهمية تطوير تقنيات الذكاء الاصطناعي في تحسين مستويات الرعاية الصحية؟ شاركونا آراءكم في التعليقات.