أدى الانتشار الواسع للأنظمة الرقمية في الرعاية الصحية إلى تدفق هائل من النصوص غير المهيكلة، ومن أبرزها رسائل المرضى التي تصل عبر بوابات السجلات الطبية الإلكترونية، وتشكل هذه الرسائل عبئا يوميا على الفرق الطبية، إذ تتطلب قراءة وفرزا وتوجيها سريعا حتى يحصل كل مريض على الاستجابة المناسبة في الوقت المناسب، ومع تزايد أعداد الرسائل أصبح التصنيف اليدوي مكلفا وبطيئا وعرضة للتأخير، وهو ما دفع الباحثين إلى استكشاف قدرات النماذج اللغوية الكبيرة في أتمتة هذه المهمة الحيوية
وتكمن أهمية التصنيف الدقيق في أنه يميز الرسائل العاجلة التي تستدعي تدخلا فوريا عن الرسائل الروتينية التي يمكن جدولتها، كما يحدد نوع الطلب بدقة، سواء كان استفسارا طبيا أو طلب تجديد وصفة أو استفسارا إداريا، ومن هنا جاءت هذه الدراسة لتقارن بين نماذج عامة ومتخصصة في المجال الطبي، وبين أساليب الضبط الدقيق والتعلم بالقليل من الأمثلة، وصولا إلى نموذج موثوق يحترم خصوصية المرضى ويفسر قراراته بوضوح
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى فحص استخدام النماذج اللغوية الكبيرة في تصنيف رسائل حقيقية لمرضى العيادات الخارجية جمعت من نظام صحي في وسط ولاية إلينوي، وقارن الباحثون بين نموذج عام هو جي بي تي فور أو، ونموذجين متخصصين في المجال الطبي هما بايو بيرت وكلينيكال بيرت، واختبروا كلا من إعدادات الضبط الدقيق وإعدادات التعلم بالقليل من الأمثلة، كما قارنوا النتائج بخط أساس تقليدي يعتمد على التمثيل النصي بالتردد المعكوس مع الانحدار اللوجستي، وهو أسلوب شائع في تصنيف النصوص قبل عصر النماذج الكبيرة
وأجريت التجارب في بيئة متوافقة مع قواعد حماية المعلومات الصحية، باستخدام بيانات منزوعة المعرفات ومصنفة من قبل أطباء، وهو إجراء يضمن احترام خصوصية المرضى ويمنح التصنيفات مرجعية مهنية موثوقة، وقيست أداءات النماذج في مهمتين أساسيتين هما كشف درجة الإلحاح، والتصنيف الكامل للرسالة، مع الاهتمام بقابلية التفسير والالتزام بمتطلبات الخصوصية، حتى يكون النموذج المقترح قابلا للتطبيق الآمن داخل المؤسسات الصحية
ثانيًا: أبرز النتائج
1، حقق نموذج جي بي تي فور أو بعد الضبط الدقيق دقة بلغت 97.5 في المئة في مهمة كشف الإلحاح، وهي نتيجة مرتفعة تعني أن النموذج يميز بنجاح كبير بين الرسائل العاجلة وغير العاجلة، وهو تمييز حاسم لسلامة المرضى وسرعة الاستجابة
2، بلغت دقة النموذج نفسه 97.8 في المئة في التصنيف الكامل للرسائل، وهو ما يدل على قدرته على تحديد نوع الرسالة بدقة شاملة وليس درجة إلحاحها فقط، ويجعله أداة واعدة لأتمتة فرز الرسائل وتوجيهها إلى المسار الصحيح
3، تفوق النموذج العام المضبوط بدقة على النموذجين المتخصصين في المجال الطبي، وهما بايو بيرت وكلينيكال بيرت، وهو أمر لافت لأنه يبين أن القدرة اللغوية العامة الواسعة، عندما تضبط ببيانات حقيقية من المجال، قد تتجاوز النماذج المتخصصة الأصغر حجما في مهام تصنيف عملية
4، أثبتت النتائج جدوى تطبيق النماذج اللغوية الحديثة في فرز اتصالات المرضى في العيادات الخارجية، مع الحفاظ على قابلية التفسير والالتزام بالخصوصية، إذ أجريت التجارب على بيانات منزوعة المعرفات في بيئة محمية، وهو ما يعزز الثقة في إمكانية نقل هذه التقنية إلى بيئات العمل الحقيقية
ثالثًا: دلالات الدراسة وتطبيقاتها
تحمل النتائج دلالات عملية مهمة للمؤسسات الصحية التي تعاني تراكم رسائل المرضى، إذ يمكن لأتمتة التصنيف أن تختصر زمن الاستجابة، وتخفف العبء عن الكوادر الطبية والإدارية، وتوجه الرسائل العاجلة إلى مقدمي الرعاية دون تأخير، كما يمكن أن تحسن تجربة المريض الذي ينتظر ردا واضحا وسريعا على استفساره، وهو ما ينعكس إيجابا على جودة الرعاية ورضا المرضى
ومع ذلك يظل التطبيق الآمن مشروطا بضوابط صارمة، منها حماية البيانات، ومراجعة القرارات الآلية من قبل البشر في الحالات الحرجة، واختبار النماذج على مجتمعات مرضى متنوعة وأنظمة صحية مختلفة، حتى لا تتأثر الدقة باختلاف أنماط الكتابة أو اللغة أو طبيعة الخدمات، كما ينبغي متابعة أداء النموذج باستمرار بعد نشره، لأن رسائل المرضى تتغير مع تغير الخدمات والظروف الصحية
وخلاصة القول إن الدراسة تثبت أن النماذج اللغوية الكبيرة، ولا سيما النموذج العام المضبوط بدقة، قادرة على تصنيف رسائل مرضى العيادات الخارجية بدقة عالية مع احترام الخصوصية، وهو ما يفتح الطريق أمام أنظمة فرز ذكية تدعم الفرق الطبية ولا تحل محل حكمها المهني
