تمثل البيانات السريرية ركيزة أساسية للبحث الطبي وتطوير نماذج التعلم الآلي والارتقاء بالرعاية الجراحية، غير أن الوصول إليها يظل مقيدًا في كثير من الأحيان بلوائح الخصوصية الصارمة وبمشكلات البيانات المفقودة، وتبرز البيانات الاصطناعية بوصفها حلًا واعدًا يحفظ الخصوصية ويتيح إتاحة أوسع للبيانات، وقد فتحت التطورات الحديثة في النماذج اللغوية الكبيرة بابًا جديدًا في هذا الميدان، إذ أصبح بالإمكان توليد بيانات اصطناعية باعتماد أقل على الخبرة التخصصية والموارد الحسابية والتدريب المسبق، وتسعى هذه الدراسة إلى اختبار هذه الإمكانية بصورة منهجية على بيانات حقيقية محيطة بعمليات الجراحة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقييم جدوى توليد بيانات سريرية جدولية واقعية باستخدام نموذج جي بي تي-4 أو بنمط التوجيه الصفري، وقياس إخلاص البيانات المولدة عبر مقارنة خصائصها الإحصائية بقاعدة بيانات العلامات الحيوية، وهي مجموعة بيانات مفتوحة المصدر حقيقية محيطة بالجراحة، وسارت الدراسة في مرحلتين، ففي الأولى وُجه النموذج بتوصيفات نوعية لثلاثة عشر معاملًا سريريًا وقُومت البيانات الناتجة من حيث الأخطاء العامة ومعقولية المخرجات والتحقق المتبادل بين المعاملات المترابطة، وفي الثانية وُجه النموذج باستخدام الإحصاءات الوصفية لقاعدة البيانات الحقيقية، وقيس الإخلاص باختبارات ت للعينتين واختبارات النسب للعينتين ومدى تداخل فواصل الثقة عند 95 في المئة
ثانيًا: أبرز النتائج
1- ولّد النموذج في المرحلة الأولى مجموعة بيانات كاملة ومنظمة ضمت 6166 ملف حالة، وكانت قيمها معقولة في مداها، وحسب مؤشر كتلة الجسم حسابًا صحيحًا في جميع الملفات انطلاقًا من أطوال أصحابها وأوزانهم
2- حققت بيانات المرحلة الثانية إخلاصًا إحصائيًا مرتفعًا، إذ تشابهت مع البيانات الحقيقية في 12 من 13 معاملًا، أي بنسبة 92.31 في المئة
3- لم تظهر فروق دالة إحصائيًا في جميع المعاملات الفئوية والثنائية وعددها 6 من 6 بنسبة 100 في المئة، ولا في 6 من 7 معاملات مستمرة بنسبة 85.71 في المئة
4- تداخلت فواصل الثقة عند 95 في المئة في 6 من 7 معاملات مستمرة بنسبة 85.71 في المئة، بما يعزز الثقة في قرب التوزيعات المولدة من التوزيعات الحقيقية
ثالثًا: دلالات الدراسة وتطبيقاتها
تشير هذه النتائج إلى أن النماذج اللغوية الكبيرة قد تصبح وسيلة جديدة وميسورة لتوليد البيانات الاصطناعية، تخفف من حدة العوائق التي تعترض الوصول إلى البيانات السريرية دون حاجة إلى خبرة تقنية متخصصة أو موارد حسابية ضخمة أو تدريب مسبق، وهو ما قد يفيد الباحثين في تطوير نماذج التعلم الآلي واختبارها في بيئات آمنة للخصوصية، غير أن الدراسة تدعو إلى بحوث لاحقة ترفع درجة الإخلاص وتتناول توظيف النماذج في توسيع مجموعات البيانات وتعزيزها وحفظ العلاقات متعددة المتغيرات داخلها وتدريب نماذج تعلم آلي متينة
وتكتسب فكرة البيانات الاصطناعية وجاهتها من التوتر القائم بين حاجة البحث العلمي إلى بيانات وافرة متنوعة وحق المرضى في حماية خصوصية معلوماتهم الصحية الحساسة، إذ تشترط اللوائح التنظيمية قيودًا مشددة على مشاركة البيانات السريرية الحقيقية وتداولها بين المؤسسات، فتتولد فجوات في البيانات وتندر الحالات الحرجة في العينات المتاحة، وهنا يعد توليد بيانات تحاكي التوزيعات الحقيقية دون أن تكشف هوية أي مريض بعينه مخرجًا بحثيًا جذابًا ظل تطويره تقليديًا رهينًا بخبرات إحصائية وهندسية متخصصة
ويجدر التنبه إلى أن محاكاة الخصائص الإحصائية الأحادية لكل معامل على حدة لا تعني بالضرورة الحفاظ على العلاقات المتبادلة بين المعاملات داخل ملف الحالة الواحد، وتلك العلاقات هي ما يمنح البيانات السريرية قيمتها في تدريب نماذج تنبؤية واقعية، ولذا فإن إثبات إخلاص التوليد على المستوى الأحادي خطوة أولى مشجعة تحتاج إلى استكمال بفحص البنية متعددة المتغيرات وصدق العلاقات السريرية المعروفة بين المؤشرات الحيوية والقياسات الجسدية
وخلاصة القول إن الدراسة تثبت جدوى التوجيه الصفري لنموذج جي بي تي-4 أو في توليد بيانات سريرية اصطناعية واقعية تحاكي الخصائص الإحصائية الأساسية للبيانات الحقيقية المحيطة بالجراحة، وتفتح مسارًا واعدًا لتجاوز عوائق الوصول إلى البيانات الطبية
المصدر الأصلي: https://www.frontiersin.org/articles/10.3389/frai.2025.1533508/full
DOI: 10.3389/frai.2025.1533508