في عالم الطب الحديث، يمثل التنبؤ بالأحداث السريرية تحديًا معقدًا، حيث تتطلب القرارات العلاجية الدقيقة تحليل غزير من البيانات. الدراسة الأخيرة التي تناولت تطوير نماذج اللغات الضخمة (Large Language Models) لتوقع الأحداث السريرية، تفتح أفقًا جديدًا في هذا المجال.

تركز الدراسة على قاعدة بيانات MIMIC-III الشهيرة التي تحتوي على ملاحظات سريرية طويلة الأمد من المرضى. بدلًا من استخدام البيانات كأرقام أو قياسات فقط، قام الباحثون بتحويل هذه الملاحظات إلى سياقات مرضية، مما ساهم في تشكيل أمثلة تم تدريب النموذج عليها. بالتحديد، وفرت هذه العملية 6,900 مثال للتنبؤ من 702 دخول مستشفى، تغطي مجالات متعددة مثل الأدوية، والإجراءات، ودعم الأعضاء، والوفيات.

استخدم الفريق تقنية جديدة تسمى تعلم الرؤية (Foresight Learning)، التي تساعد في تكوين تساؤلات من طبيعة اللغة حول الأحداث المستقبلية، بحيث يمكن استخدام الإجابات المستخلصة من الوثائق السريرية اللاحقة كعينة للتنبؤ. وبفضل نموذج LoRA (Low-Rank Adaptation) المدرب على هذه الأمثلة، تحسن الأداء بشكل ملحوظ، حيث انخفض خطأ التقدير المتوقع من 0.1269 إلى 0.0398.

تعتبر هذه النتائج بارزة نظرًا لتجاوز أداء النموذج المدرب على البيانات متوسط تقديرات GPT-5 في الأسئلة المحتفظ بها، مما يدل على قدرة النماذج اللغوية الضخمة على تحسين دقة التنبؤ في المجال الطبي بشكل فعّال.

إذا استطاع الباحثون استمرار تحسين كيفية استخدام المعلومات السريرية طويلة الأمد، فإننا قد نشهد ثورة حقيقية في كيفية تقديم الرعاية الصحية وتقديم الرعاية للمرضى. كيف ترون إمكانيات استخدام الذكاء الاصطناعي في مستقبل الرعاية الصحية؟ شاركونا آراءكم في التعليقات.