في عصر يعتمد بشكل متزايد على الذكاء الاصطناعي (AI) في مجالات الرعاية الصحية، أصبح من الضروري أن تتجاوز أنظمة الوكلاء الطبيين دورها التقليدي في الإجابة عن الأسئلة إلى دعم اتخاذ القرارات السريرية التفاعلية. تكمن التحديات الكبرى في استخدام الذاكرة، حيث تتسبب الآليات الحالية في الاحتفاظ بأثر تاريخي غير منتظم وصعب الإدارة.

تقديمًا لحل هذه المشكلة، يطرح الباحثون إطار العمل المتطور SkeMex، والذي يهدف إلى تعزيز مهارات الوكلاء الطبيين من خلال ذاكرة مهارات ذاتية التطور، دون الحاجة إلى تحديث أوزان النماذج. يقوم SkeMex بتقطير مسارات التفاعل المفيدة إلى مهارات منظمة، مما يوفر معرفة إجرائية قابلة لإعادة الاستخدام.

تجمع هذه المهارات في مستودع متعدد الفروع يضم تجارب عامة، ومهام خاصة، ومستوى إجراء محدد. ولتحديد أي الذكريات يجب إعادة استخدامها والاحتفاظ بها، يستعين SkeMex بتقييم الفائدة حسب السياق استنادًا إلى ردود الفعل من البيئة، مما يسهل عملية الاسترجاع المدروسة وإدارة المستودع.

تم دعم هذه العملية عبر دورة مضبوطة تدعى "Read--Write--Assess--Govern"، مما يسهل التطور المستمر من خلال كتابة مهارات جديدة، وتحديث الفوائد، وتعزيز الذكريات المفيدة، وإزالة العناصر الضارة. أظهرت التجارب عبر مجموعة متنوعة من المهام السريرية أن SkeMex يتفوق باستمرار على الوكلاء المعتمدين على الذاكرة، سواء في الإعدادات غير المتصلة أو المتصلة.

نتيجة لذلك، لا يقتصر دعم SkeMex على نماذج معينة بل يعمم عبر هياكل نماذج متعددة، مما يدعم ذاكرة المهارات القابلة للنقل. يجدر بالذكر أن جميع البيانات والرموز ستكون متاحة للجمهور، مما يعزز من شفافية البحث العلمي ويساهم في تقدم الرعاية الصحية الذكية.