تزايد الاعتماد على الذكاء الاصطناعي في المجال الطبي يعكس تطورًا متسارعًا نحو استخدام نماذج اللغات الضخمة (Large Language Models) في استخراج الإجراءات السريرية بعد خروج المرضى من المستشفى. في دراسة جديدة، تم تقييم نماذج اللغات الضخمة في سياق استخراج المعلومات من ملاحظات الخروج، مع التركيز على سلامة المرضى ودقة الإجراءات السريرية الحرجة.

يواجه الأطباء تحديًا كبيرًا في إدارة التعقيد الذي يتسم به التوثيق السريري، لذا يقدم الباحثون إطار عمل مؤلف من مرحلتين لتحليل ملاحظات الخروج المكتوبة بشكل سردي، إذ يتم تقسيم المعلومات إلى مهام سريرية قابلة للتنفيذ بوضوح. هذه الطريقة ليست فقط مبتكرة، بل تساهم أيضًا في تعزيز دقة استخراج الإجراءات السريرية.

تركز الدراسة على مقارنة الأداء بين نماذج اللغات الضخمة العامة ونماذج BERT المعتمدة على مهام معينة، حيث أظهرت النتائج أن النماذج المعاصرة تحقق أداءًا مشابهًا أو يتجاوز النماذج الموجهة. لكن في الوقت نفسه، تبين أن النماذج الموجهة ما زالت تحتفظ بميزة ملحوظة في تصنيف الفئات المتعددة الدقيقة.

كما تسلط الدراسة الضوء على عيوب النماذج الحالية المرتبطة بالتناقضات في البيانات، حيث تكشف التحليلات النوعية عن العديد من الإخفاقات الناتجة عن عدم تطابق التفكير المنطقي للنموذج مع القواعد التوثيقية. توصي الدراسة بضرورة تطوير مجموعات بيانات تضيف معلومات حول أسباب قابلية الإجراءات للتنفيذ، مما يسهل تقييم فهم النموذج للمعطيات السريرية بدقة أكبر.

في الختام، تكشف هذه الدراسة عن الحاجة الملحة إلى أنظمة ذكية يمكنها فهم وتعزيز إجراءات الرعاية السريرية بطريقة تدعم سلامة المرضى وتحقق نتائج إيجابية في الرعاية الصحية.