تعتمد أنظمة الذكاء الاصطناعي الحديثة في المجال الصحي على بيانات وُسمت تلقائيًا في كثير من الأحيان، وهو ما يجعل تقدير عدم اليقين المصاحب لتنبؤاتها مسألة جوهرية لإدارة المخاطر المرتبطة باتخاذ القرار في السياقات الصحية، فالنماذج المدربة على بيانات موسومة آليًا تميل إلى فرط التلاؤم مع بيانات تدريبها، ومن ثم قد تقدم تنبؤات واثقة حيث ينبغي التردد، وتتناول هذه الدراسة مشكلة ما تزال قليلة البحث في معالجة اللغة الطبيعية الصحية وهي اكتشاف الملاحظات في تقارير الأشعة، مقيّمة جودة تقديرات عدم اليقين لدى طيف من النماذج التنبؤية الحديثة
وتتفاقم المشكلة حين يصبح الوسم نفسه آليًا ومتنازعًا عليه، فالخلاف بين الموسمين أو بين النموذج والبشر ليس ضجيجًا عارضًا بل معلومة عن صعوبة الحالات وحدود المعرفة المتاحة، والنماذج التي تتجاهل هذا الخلاف تتعلم ثقة مصطنعة تنهار عند أول احتكاك بحالات غامضة حقيقية، وهو ما توضحه هذه الدراسة بالدليل التجريبي المقارن
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بحث جودة تقديرات عدم اليقين الصادرة عن مجموعة من النماذج التنبؤية الحديثة مطبقة على مشكلة اكتشاف الملاحظات في تقارير الأشعة، وهي مشكلة لم تحظ بدراسة كافية في مجال معالجة اللغة الطبيعية الصحية، وقارنت الدراسة بين النماذج باستخدام مقياس تقويم هو الاحتمالية التنبؤية اللوغاريتمية السالبة ومتوسط مستويات أقصى ثقة متوقعة على ثلاثة ملصقات لعدم اليقين، مع التحقق من احتفاظ النماذج بأداء تنبؤي قوي، وذلك في سياق وسم تلقائي للبيانات يتسم بوجود خلاف وضجيج في الملصقات
ويمثل اكتشاف الملاحظات في تقارير الأشعة حالة اختبار مثالية لهذه الأسئلة، فالتقارير نصوص سريرية كثيفة تختلط فيها المؤكدات بالمشكوكات، وأي نظام يوسمها آليًا يحتاج أن يميز بين ما يعرفه وما يجهله تمييزًا قابلًا للقياس، كما أن طبيعة البيانات المشوبة بالضجيج تجعلها مرآة أمينة لظروف بناء أنظمة سريرية حقيقية
ثانيًا: أبرز النتائج
أظهرت المقارنات تقدمًا واضحًا للنماذج الاحتمالية على غيرها، ويمكن إجمال أبرز النتائج في النقاط الآتية
1- قدمت العمليات الغاوسية أداءً متفوقًا في قياس مخاطر ملصقات عدم اليقين الثلاثة وفق مقياس الاحتمالية التنبؤية اللوغاريتمية السالبة ومتوسط أقصى ثقة متوقعة
2- احتفظت العمليات الغاوسية في الوقت نفسه بأداء تنبؤي قوي، فلم يكن تفوقها في تقدير عدم اليقين على حساب دقة التنبؤ ذاتها
3- تسلط الاستنتاجات الضوء على نفع النماذج الاحتمالية حين تطبق على ملصقات مشوبة بالضجيج كما في الوسم التلقائي، إذ تعبّر عن ترددها بدلًا من الثقة الزائفة
4- تشير النتائج إلى أن أساليب مشابهة يمكن أن تقدم منفعة لمهام الوسم الآلي القائمة على معالجة اللغة الطبيعية عمومًا، فتصبح قرارات الأنظمة المبنية على بيانات موسومة آليًا أكثر أمانًا وقابلية للتدقيق
5- توحي النتائج بأن الخلاف في الوسم التلقائي ينبغي أن يُعامل مدخلًا للنمذجة لا عيبًا يُخفى، فالملصقات غير المؤكدة تحمل إشارة عن مواضع الخطر التي ينبغي أن تتنبه لها أنظمة دعم القرار
ثالثًا: دلالات الدراسة وتطبيقاتها
تحمل هذه النتائج دلالة عملية لمطوري أنظمة الذكاء الاصطناعي الصحية، فهي تدعو إلى تفضيل النماذج الاحتمالية حين يكون الوسم آليًا ومختلفًا عليه، وإلى جعل تقدير عدم اليقين مكوّنًا أصيلًا في تقويم أي نظام تنبؤي سريري لا ترفًا إحصائيًا، بما يرفع أمان القرارات المستندة إلى مخرجات هذه الأنظمة في بيئات الرعاية، كما تفتح الباب لدراسات لاحقة توسع المقارنة إلى مهام ولغات سريرية أخرى
وتنسحب هذه الدلالات على منظومات الذكاء الاصطناعي الصحية عمومًا، إذ يصبح الإفصاح المضبوط عن عدم اليقين شرطًا لقبول الأطباء مخرجات الأنظمة وثقتهم بها، ومدخلًا لتوزيع المسؤولية بين النموذج والممارس البشري توزيعًا آمنًا وقابلًا للمساءلة
وخلاصة القول إن جودة تقدير عدم اليقين لا تقل أهمية عن دقة التنبؤ ذاتها في الذكاء الاصطناعي الصحي، وقد أثبتت العمليات الغاوسية جدارتها في الجمع بين الأمرين، ما يجعلها خيارًا واعدًا لمهام الوسم الآلي في النصوص السريرية
المصدر الأصلي: https://www.frontiersin.org/articles/10.3389/frai.2024.1374162/full
DOI: 10.3389/frai.2024.1374162