تشكل الأمراض النادرة تحدياً كبيراً في مجال الرعاية الصحية، حيث تُصيب 1 من كل 10 أمريكيين، إلا أن توثيق هذه الأمراض في السجلات الإكلينيكية لا يزال ضعيفاً. تعجز نظم الترميز المعتمدة على التصنيف الدولي للأمراض (ICD) عن استيعاب هذا التنوع، إذ لا يحتوي أكثر من 50% من رموز أورفانت (Orphanet) على خرائط مباشرة مع رموز ICD، ولا تمتلك سوى 2.2% من رموز أوصاف النمط الظاهري (HPO) رموزاً متطابقة مع ICD.

تضع هذه النقصانات بعض التحديات أمام الأطباء وتجعل المجموعات السكانية للمرضى غير مرئية، مما يؤخر التشخيص. في هذا السياق، يقدم الباحثون تقنية جديدة تُعرف باسم معدلات وكيل اكتشاف الأمراض النادرة (RDMA)، والتي تعتمد على نماذج لغوية كوانتيزت صغيرة تساعد في معالجة ملاحظات سريرية غير منظمة.

تركز RDMA على حل اختصارات المصطلحات السريرية، والتفكير في الأنماط الظاهرة الضمنية، والتوازن مع قواعد البيانات المعتمدة، مثل Orphanet وHPO. أظهرت RDMA تحسنًا ملحوظًا في الأداء، متفوقةً على النماذج المدربة سابقًا أو المعتمدة على حزم استرجاع المعلومات، دون الحاجة إلى تدريب خاص بالمهام.

تستفيد هذه التقنية من نموذج صغير الكمية لتحقيق أداء مثالي مع تقليص تكاليف الاستدلال حتى 10 أضعاف وتكاليف الأجهزة المحلية بنسبة تصل إلى 17%. وهذا يمكّن من نشر التكنولوجيا بشكل خاص على الأجهزة القياسية دون التعرض للبيانات الحساسة في السحابة. كما تقلل آلية تقليل عدم اليقين في RDMA من عبء التوثيق للطبيب الخبير مع الحفاظ على جودة الاتفاق، مما يدعم توثيق الأمراض النادرة بشكل واسع في الممارسة السريرية.

يمكنك الاطلاع على المزيد حول RDMA من خلال زيارة [github](https://github.com/jhnwu3/RDMA).