ذكاء اصطناعي طبي كفؤ ودقيق: نموذجا ميدي لور وميدي أوت

يشهد توظيف الذكاء الاصطناعي في أنظمة الإجابة عن الأسئلة الطبية توسعًا متسارعًا، غير أن هذا التوسع يصطدم بمعادلة دقيقة تجمع بين الدقة التشخيصية والكفاءة الحاسوبية، فالنماذج اللغوية الكبيرة تحقق أداء قويًا في فهم الأسئلة السريرية وتوليد إجاباتها، لكنها تعاني في المقابل من استهلاك مرتفع للذاكرة ومن بطء في الاستجابة، ومن سلوك غير متسق عند التعامل مع الاستفسارات السريرية النادرة أو المعقدة، وهي قيود تحد من نشرها في البيئات الصحية الواقعية محدودة الموارد

وانطلاقًا من هذه الإشكالية سعت الدراسة إلى استكشاف استراتيجيات نمذجة كفؤة وقوية لأنظمة الإجابة عن الأسئلة الطبية، عبر تطوير مقاربتين متكاملتين تجمع إحداهما المعرفة المتخصصة في نموذج مشترك بكلفة منخفضة، وتجمع الأخرى تنبؤات نماذج متعددة على مستوى المخرجات لرفع المتانة والدقة الدلالية، مع تقييم المقاربتين على مجموعات بيانات سريرية منتقاة بعناية وبمقاييس دلالية ومعجمية متعددة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى معالجة قيود النماذج اللغوية الكبيرة في الإجابة عن الأسئلة الطبية من حيث استهلاك الذاكرة وزمن الاستجابة والاتساق في الأسئلة النادرة والمعقدة، وذلك بتطوير مقاربتين متكاملتين، أولاهما نموذج ميدي لور الذي يوظف دمج محولات التكييف منخفض الرتبة الموزونة لدمج المعرفة الخاصة بالمجال الطبي في نموذج أساس مشترك مع خفض الكلفة الحاسوبية، وثانيتهما نموذج ميدي أوت الذي يستخدم استراتيجية تجميع على مستوى المخرجات تضم تنبؤات نماذج متعددة مضبوطة بدقة باستخدام التسجيل القائم على التشابه الدلالي بين المخرجات

ودُرب النموذجان وقُيما على مجموعات بيانات سريرية منتقاة تشمل ميد كيو أيه وبب ميد كيو أيه وميد إم سي كيو أيه، وقيس الأداء باستخدام مقاييس بلو وروج وبيرت سكور ومقاييس التشابه القائمة على بايو بيرت، كما طُبق التكميم بأربع بتات لتحسين كفاءة النشر والتشغيل، بما يسمح بمقارنة متكاملة بين المقاربتين من جهتي الدقة الدلالية والكلفة الحاسوبية وزمن الاستجابة معًا

ثانيًا: أبرز النتائج

1. حقق نموذج ميدي أوت الأداء الأعلى عبر مقاييس التقييم الدلالية، إذ سجل درجة إف واحد على بايو بيرت مقدارها 0.934، إلى جانب تحسينات قوية في التشابه الدلالي والمواءمة السياقية للإجابات، بما يجعله الخيار الأنسب حين تكون الأولوية لمتانة الإجابة ودقتها في الأسئلة السريرية المعقدة

2. احتفظ نموذج ميدي لور بما يصل إلى 91 في المئة من دقة مقاربة التجميع، مع خفض كلفة الاستدلال إلى نحو 0.3 في المئة من خط الأساس، وخفض زمن الاستجابة خفضًا كبيرًا من 141 ثانية إلى 190 ميللي ثانية، بما يجعله ملائمًا للنشر في البيئات محدودة الموارد

3. جاءت تحسينات درجات بلو معتدلة وتراوحت بين 0.066 و0.074، وهو ما يشير إلى أن مكاسب المواءمة الدلالية كانت أكثر جوهرية من مكاسب التداخل المعجمي بين الإجابات المولدة والإجابات المرجعية، أي أن التحسن تحقق في المعنى أكثر مما تحقق في الصياغة الحرفية

ثالثًا: دلالات الدراسة وتطبيقاتها

تظهر النتائج أن المقاربتين تقدمان مزايا متكاملة في أنظمة الإجابة عن الأسئلة الطبية، فنموذج ميدي لور يتيح النشر الكفؤ في البيئات محدودة الموارد بسرعة استجابة عالية وكلفة ضئيلة، بينما يعزز نموذج ميدي أوت المتانة والأمانة الدلالية للاستفسارات السريرية المعقدة، ويسلط الإطار المقترح الضوء على المفاضلة الجوهرية بين الكفاءة والدقة، ويقدم إرشادًا عمليًا لاختيار استراتيجية النشر المناسبة في تطبيقات الرعاية الصحية الواقعية بحسب طبيعة البيئة وحساسية الأسئلة، كما تسهم النتائج في تطوير أنظمة ذكاء اصطناعي قابلة للتوسع وموثوقة ومتوافقة سريريًا في معالجة اللغة الطبيعية الطبية الحيوية، وهي نتائج يستفيد منها الباحثون العرب وطلاب الدراسات العليا في هندسة النماذج الطبية عند تصميم أنظمة مساندة سريرية تراعي قيود البنية التحتية المتاحة في مؤسساتهم

وخلاصة القول إن الدراسة قدمت مقاربتين متكاملتين تجمعان بين الكفاءة والدقة في الإجابة عن الأسئلة الطبية، وأثبتت أن خفض الكلفة الحاسوبية ممكن دون التضحية الجوهرية بالدقة الدلالية، وأن تجميع المخرجات يرفع متانة الإجابات في الحالات المعقدة