في عالم يتزايد فيه أهمية الذكاء الاصطناعي في الرعاية الصحية، يبرز LLM-MINE كنموذج مبتكر يستثمر قوة نماذج اللغات الضخمة (Large Language Models) لاستخراج ظواهر مرض الزهايمر وذوات الصلة من السجلات الطبية الإلكترونية (Electronic Health Records). يتمثل التحدي الرئيسي في أن هذه المعلومات غالبًا ما تكون متواجدة في بيانات نصية غير منظمة، مما يصعب عملية استخراجها بدقة.

تحت إشراف خبراء، تم تقييم LLM-MINE باستخدام قائمتين محددتين للظواهر، حيث تم إجراء تحليلات باستخدام اختبار كاي-تربيع لتأكيد وجود فروق ذات دلالة إحصائية بين المجموعات المختلفة. وقد أظهرت النتائج أن الضعف في الذاكرة يمثل أقوى فاصل بين الظواهر.

ما يميز LLM-MINE هو استخدامه للتوجيه بالمعلومات القليلة، مما يحقق أداءً متفوقًا في التصنيف مقارنةً بأساليب التعرف على الكيانات الطبية (Biomedical NER) والاعتماد على القوائم التقليدية. النتائج تشير إلى أن استخراج الظواهر باستخدام نماذج اللغات الضخمة يمكن أن يكون أداة واعدة للكشف عن إشارات مرض الزهايمر ذات المعنى السريري من الملاحظات غير المنظمة.

في المحصلة، LLM-MINE يعد إنجازًا جديدًا في حقل الذكاء الاصطناعي والتي قد تغير طريقة الكشف عن مرض الزهايمر، مما يتيح تشخيصًا أكثر فعالية وخدمات طبية محسنة.