في عالم الرعاية الصحية، يُعتبر دعم القرار السريري من العناصر الحاسمة التي تؤثر على نتائج المرضى. ومع ذلك، فإن تحقيق الدقة وموثوقية هذا الدعم أصبح أكثر أهمية مع تطبيق الإطارات التنظيمية الجديدة مثل قانون الذكاء الاصطناعي الأوروبي (EU AI Act) وإرشادات إدارة الغذاء والدواء الأمريكية (FDA) حول الأجهزة الطبية المعتمدة على الذكاء الاصطناعي وتعلم الآلة (AI/ML).

من خلال دراسة فرضيات التصميم عن طريق العقد، قدم الباحثون مفهوم الميتا-المحددات (meta-predicates) - وهي مفاهيم تضع شروطًا نظرية على قواعد القرار السريري التي تعبر عنها لغات المجال الخاصة (DSL). حيث تساهم هذه الميتا-المحددات في تصنيف الأدلة المعرفية إلى أربعة أبعاد رئيسية: الغرض، مجال المعرفة، النطاق، وطريقة الاكتساب.

تم تطبيق هذا المفهوم ضمن منصة أنفيزا (AnFiSA) المفتوحة المصدر، التي تُستخدم لتدقيق متغيرات الجينات. من خلال هذه المنصة، تم معالجة 5.6 مليون متغير باستخدام بروتوكول الطب الجيني من مستشفى بريغهام.

وبفضل وجود شجرة القرار المستخدمة في تفسير المتغيرات، يمكن إعادة صياغتها ك cascades أحادية الاتجاه، مما يتيح إنشاء مسارات تدقيق لكل متغير تُظهر القاعدة التي قامت بتصنيفه والسبب وراء هذا التصنيف. كما أن عملية تحقق الميتا-المحددات تكشف الأخطاء المعرفة قبل النشر، سواء كانت القواعد مكتوبة بواسطة البشر أو مولدة بواسطة الذكاء الاصطناعي.

هذه الاستراتيجية لا تعزز من الموثوقية فحسب، بل تساهم أيضًا في ضمان أن تكون القرارات تستند إلى أدلة مناسبة مما يسمح بتدقيق مستقل.

بينما تم توضيح ذلك في مجال الجينوميات، يمكن تعميم هذه الطريقة على أي مجال يتطلب منطق قرار قابلاً للتدقيق.