في دراسة مثيرة نشرت مؤخرًا، أظهر الباحثون إمكانية استخدام نماذج لغوية مستقلة (Standalone LLM) وتطبيقات جديدة لتحسين دقة التنبؤ بمعدلات الوفيات في وحدات العناية المركزة (ICU). تعد هذه النتائج خطوة هامة نحو ربط التقنيات الحديثة بالممارسات السريرية.

تستخدم عادةً نماذج تعلم الآلة للتنبؤ بمعدلات الوفيات بدقة، ولكن الطرق التقليدية لاعتماد السمات غالبًا ما تفتقر إلى السرد السريري الضروري للاستخدام في بيئات الطوارئ. هنا يأتي دور نماذج اللغات الكبيرة التي يمكن أن تسد هذه الفجوة.

ركزت الدراسة على مجموعة بيانات eICU Demo، التي تتضمن 2353 إقامة في وحدة العناية المركزة بمعدل وفيات قدره 8.1%. أظهرت نتائج نموذج XGBoost نتائج واعدة، حيث حقق AUROC بنسبة 0.855 وأظهر نموذج LLM المستقل عالي الدقة وجود تسرب في النتائج، بينما لم تُظهر مجموعة الخوارز الجنائية الأربع أي تسرب.

تمت دراسة 14 حالة متداخلة وظهرت نتائج مثيرة للاهتمام، حيث أظهر LLM المستقل توافقًا أعلى مع التحليلات التقليدية، بينما كانت تقنية التخفيض الجنائي أكثر ارتباطًا بالإرشادات. نتائج هذه الدراسة تمثل خطوة مهمة نحو استخدام تقنيات الذكاء الاصطناعي لزيادة أمان العناية بالمرضى وتقديم رعاية مخصصة.

في ظل الحاجة الملحة لتحسين دقة وسلامة التنبؤات في الرعاية الصحية، تفتح هذه النتائج المجال أمام استخدام أكثر فاعلية لتقنيات الذكاء الاصطناعي في المستقبل. لا شك أن الاستمرار في البحث والتطوير في هذا المجال سيكون له تأثير كبير على كيفية تقديم الرعاية الصحية.