اختلاف النماذج المتعددة مؤشرًا لفرز النسخ الطبية: ترتيب أولويات المراجعة البشرية في التفريغ الصوتي الطبي

تنتج أنظمة التوثيق الصوتي المحيطي المدعومة بالذكاء الاصطناعي نصوصًا منقولة عن اللقاءات الطبية على نطاق واسع، غير أن ضمان جودتها بصورة روتينية يصطدم بغياب نصوص مرجعية موثقة بشريًا في أغلب بيئات التوظيف الفعلي، فتصبح مراجعة كل نص مستحيلة عمليًا، ومن هنا تبرز الحاجة إلى إشارات ذكية ترشد المراجعين البشريين إلى المواضع الأكثر احتمالًا للخطأ، ومن أبرز المرشحات لهذا الدور قياس مدى اختلاف أنظمة التعرف الآلي على الكلام فيما بينها عند نسخ المقطع ذاته

وتهم هذه الدراسة الباحثين العرب وطلاب الدراسات العليا في معالجة اللغة الطبيعية والمعلوماتية الصحية لأنها تقترح آلية فرز عملية لا تتطلب نصًا مرجعيًا، تصلح لبناء خطوط ضمان جودة لأنظمة التفريغ الطبي، وتزداد أهميتها مع شروع مستشفيات ومنصات صحية عربية في توظيف مدونات ذكية لتوثيق اللقاءات العلاجية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تقييم ما إذا كان الاختلاف بين أنظمة التعرف الآلي على الكلام غير المتجانسة يصلح إشارة مفيدة لتحديد مواضع عدم اليقين في النسخ دون الحاجة إلى مرجع بشري، واستخدمت مدونة عامة للكلام الطبي باللغة الإنجليزية بدلًا من تسجيلات لقاءات سريرية، إذ طُبقت ثمانية أنظمة تجارية ومفتوحة المصدر على 50 مقطعًا صوتيًا للتعليم الطبي بلغ مجموع زمنها ثماني ساعات وأربع عشرة دقيقة، وُوفقت مخرجات النماذج المتعددة وحُسب اتفاق كل نموذج بإجراء إجماع يستبعد نموذجًا واحدًا في كل مرة لتقليل الدائرية في التقدير، وبُنيت طبقة تحقق مصححة بشريًا بواسطة مصحح واحد للتحقق من العلاقة بين درجة الاتفاق ووقوع الأخطاء الفعلية

ثانيًا: أبرز النتائج

1، كان الاختلاف بين النماذج متناثرًا وموضعيًا، إذ أظهرت نسبة 72.1 في المئة من المواضع اتفاقًا قويًا بتوافق سبعة أو ثمانية أنظمة، بينما لم تتجاوز المواضع عالية الخطورة ذات الحد الأدنى من الاتفاق بين صفر وثلاثة أنظمة نسبة 2.5 في المئة، 2، تركزت في مناطق الاتفاق المنخفض فروق معجمية حاملة للمعنى بصورة منهجية، وذلك بعد استبعاد اختلافات علامات الترقيم والاختصارات والأرقام وكلمات الحشو من حساب الفروق، 3، ازدادت أخطاء النسخ ازديادًا مطردًا كلما انخفضت درجة الاتفاق بين الأنظمة وفق طبقة التصحيح البشري، بما يؤكد أن الاختلاف مؤشر متدرج للخطر لا إشارة ثنائية، 4، عند عتبة توضيحية محددة لاحقًا، أدى تحديد المواضع التي اتفقت عليها ستة أنظمة فأقل إلى اختيار 28.6 في المئة من الرموز النصية مع استرجاع 93.7 في المئة من الأخطاء المتحقق منها بالتصحيح البشري في هذه المدونة الوكيلة

ثالثًا: دلالات الدراسة وتطبيقاتها

تشير النتائج إلى أن اختلاف النماذج قد يساعد على تركيز المراجعة البشرية في عدد صغير من مناطق النص الأرجح خطأً، فيرتفع عائد زمن المراجعين وتنخفض كلفة ضمان الجودة دون التضحية باكتشاف غالبية الأخطاء، غير أن الدراسة تحذر من أن اتفاق الأنظمة جميعًا لا يضمن الصحة، لأن الأخطاء المشتركة بينها قد تمر دون أن يكتشفها هذا الأسلوب، وتشدد على ضرورة التحقق على بيانات لقاءات سريرية حقيقية قبل أي توظيف تشغيلي، وهي تحفظات جوهرية ينبغي أن ترافق أي تصميم عربي لأنظمة مراجعة مماثلة تراعي خصوصية المصطلحات الطبية والأسماء الدوائية

وتستحق منهجية الدراسة التوقف عندها بوصفها درسًا في تصميم مؤشرات الجودة منعدمة المرجع، فبدل افتراض صحة نص بشري قد لا يتوفر أصلًا، بنت إشارة الخطر من بيانات الأنظمة ذاتها مستفيدة من تنوعها في المعمارية والتدريب، وعززتها بطبقة تصحيح بشري صغيرة الحجم رخيصة الكلفة لغرض التحقق فقط، وهي مقاربة اقتصادية تلهم مطوري أنظمة ضمان الجودة في المستشفيات، حيث يمكن الجمع بين فرز آلي واسع التغطية وعينات تحقق بشرية محدودة لبناء صورة موثوقة عن مستوى أخطاء النسخ عبر الزمن

وخلاصة القول إن الدراسة تقدم حلًا عمليًا لمشكلة مزمنة في توظيف الذكاء الاصطناعي السريري، فبدل مراجعة النصوص كلها أو الوثوق بها عمياء يمكن توظيف خلاف النماذج بوصلة توجه عين المراجع إلى حيث يحتمل الخطأ، وبذلك تفتح بابًا لتوسيع استخدام المدونات الطبية الذكية مع رقابة بشرية مركزة ومجدية اقتصاديًا