في عالم التصنيف الطبي، تعد عملية الترميز جزءًا أساسيًا ولكن مرهقًا يتطلب الدقة والوقت. تشهد أنظمة التصنيف الدولي للأمراض (ICD) تغيرات مستمرة، حيث يتم اعتماد نسخ جديدة بانتظام، مما يجعل النماذج الحالية بحاجة إلى التكيف. فهل يمكن أن تسهم تلك النسخ المتنوعة في تحسين أداء النماذج في توقعات الرموز الطبية؟

تكشف دراسة حديثة عن آلية فعّالة لتحسين توقعات رموز التصنيف الطبي، خاصةً الرموز التي تُعتبر نادرة. طورت الدراسة نموذجًا يتم تدريبه باستخدام بيانات من نسختين مختلفتين من الأنظمة، مما يتيح له التعامل مع الفجوات الزمنية في ترميز الأمراض.

لقد قام الباحثون بإضافة بيانات من النسخة ICD-9 إلى تدريب نموذج مُعدل يعتمد على انتباه العلامات، خاص بتوقعات النسخة ICD-10. ولدهشتهم، أدى دمج بيانات النسخة القديمة، رغم اختلاف النسخ، إلى زيادة بنسبة 27% في مقاييس الأداء للرموز النادرة التي يقل استخدامها (18 ألف رمز نادر)، مقارنةً بالتدريب على النسخة ICD-10 فقط. كما أظهرت النتائج أيضًا تحسنًا ملحوظًا في المقاييس الأخرى للرموز الشائعة (8 آلاف رمز من ICD-10)، مع تقليل عدد المعلمات في النموذج.

تشير هذه النتائج إلى إمكانية تدريب نماذج مستقلة عن النسخ، مما يعالج التحديات المتعلقة بالترميز الطبي. وفي الوقت الذي تستمر فيه أنظمة المنظومة الصحية في التطور، فإن هذه الدراسة تلقي الضوء على الاتجاهات المستقبلية لتعزيز الكفاءة في العمل الإداري الطبي.

مع استمرار الابتكارات في مجال الذكاء الاصطناعي، كيف ترى دور هذه النماذج في تعزيز جودة الرعاية الصحية؟ شاركونا آراءكم في التعليقات.