في عالم الصحة الرقمية المتطور، تظل تحديات اتخاذ القرارات الطبية الآلية قائمة، وخاصةً عند استخدام نماذج اللغة الكبيرة (LLMs) في تصنيف المخاطر السريرية مثل نظام تقارير المبيض-المُلحقات (O-RADS). تم إجراء دراسة حديثة لتقييم الأداء الفعلي لاستراتيجيات تفكير متعددة للنماذج في تصنيف البيانات الواردة من تقارير الموجات فوق الصوتية للربط بين الدقة والموثوقية.

قامت الدراسة بأخذ عينات من 310 امرأة لديهن كتل مبيضية تم فحصهن بالموجات فوق الصوتية. قد تم اختبار ثمانية نماذج لغة كبيرة باستخدام ثلاث استراتيجيات تفكير مختلفة: طريقة النهاية إلى النهاية المعتمدة على المعرفة الضمنية، طريقة النهاية إلى النهاية المعتمدة على القواعد، ونهج هجين يعتمد على الميزات يفصل بين استخراج الميزات والتصنيف المستند إلى القواعد.

وللمقارنة، يعتبر التصنيف المرجعي الجهد التعاوني بين الخبراء في هذا المجال. جاءت النتائج لتظهر أن الهيكل الهجين، باستخدام نموذج Gemini 3.6 Flash، قد حقق أداءً مذهلاً بدقة بلغت 99.2%، متفوقًا بشكل ملحوظ على التقديرات الأصلية للتقارير السريرية وتمكن من معالجة أخطاء التصنيف بشكل فعال.

تعد هذه النتائج دليلاً على أن استخدام الهيكل الهجين يساهم في تحسين دقة التصنيف وتوفير قرارات طبية تعتمد على القواعد بشكل موثوق، مما يُعزز من فرص الاعتماد على نماذج اللغة الكبيرة في الممارسات السريرية المستقبلية.