توفّر البيانات الاصطناعية مخرجًا واعدًا لمعالجة تحديات الخصوصية والندرة والإنصاف في مجموعات بيانات الرعاية الصحية، غير أن التقويم المتاح لكيفية موازنة أساليب التوليد المختلفة بين الأمانة للبيانات الأصلية والمنفعة التطبيقية والإنصاف تجاه الفئات الفرعية ممثلة التمثيل ما يزال محدودًا، وتسد هذه الدراسة هذه الفجوة عبر مقارنة تجريبية بين تقنيات نمذجة توليدية تمثيلية احتمالية وعميقة شائعة في أدبيات البحث، مقوّمة أداءها على بيانات صحية حقيقية عبر ثلاثة محاور متزامنة هي أمانة البيانات ومنفعة التعلم الآلي والإنصاف، بما يكشف عن أثر كل أسلوب في المجموعات الأقل تمثيلًا التي كثيرًا ما تتضرر من النماذج التوليدية دون أن ينتبه إليها الباحثون
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقويم كيفية موازنة أساليب توليد البيانات الاصطناعية بين الأمانة والمنفعة والإنصاف في بيانات الرعاية الصحية وخاصة تجاه الفئات الفرعية ضعيفة التمثيل، فقارنت تجريبيًا خمسة نماذج توليدية هي بايز بوست وسي تي جان وتي في إيه إي وكوبيولا جان وديكاف على مجموعتين من بيانات الرعاية الصحية تضمّان سمات عددية وثنائية وفئوية، وقاست أداء كل نموذج على ثلاثة محاور هي أمانة البيانات المولّدة للبيانات الأصلية ومنفعة التعلم الآلي في المهام اللاحقة والإنصاف مقاسًا بثلاثة مقاييس هي تكافؤ الدقة وتكافؤ الفرص وتكافؤ المعدل التنبؤي، واستخدمت مصنّفات متعددة في مقدمتها الغابة العشوائية لقياس الأداء اللاحق للبيانات المولّدة ومقارنة النماذج الاحتمالية بنظيراتها العميقة القائمة على الشبكات التوليدية التنافسية
ثانيًا: أبرز النتائج
أظهرت النتائج أن نموذج بايز بوست حقق باطراد أمانة ومنفعة وحفاظًا على الإنصاف متفوقة على سائر النماذج وخاصة عند إقرانه بمصنّفات الغابة العشوائية، إذ حقق منفعة لاحقة أعلى بنحو ستين إلى ثلاث وستين في المئة من خطوط الأساس العميقة القائمة على الشبكات التوليدية التنافسية، وبلغت دقة الغابة العشوائية مع بياناته 0.88 مقابل 0.54 في تلك الأساليب، وفي المقابل أظهرت النماذج التوليدية العميقة فاعلية في التقاط البنى المعقدة لكنها كثيرًا ما أضعفت الإنصاف وخاصة تجاه المجموعات ضعيفة التمثيل إذ انحرف تكافؤ الفرص بما يزيد على مئة في المئة عن قيمة التكافؤ المثالية في بعض الإعدادات، وتفوّق المشفّر التلقائي التبايني على بقية النماذج العميقة في الحفاظ على الإنصاف وخاصة في تكافؤ الفرص وإن كان ذلك مصحوبًا ببعض الانخفاض في الأمانة والمنفعة
ثالثًا: دلالات الدراسة وتطبيقاتها
تشير هذه النتائج إلى أن توليد البيانات الاصطناعية لأغراض الرعاية الصحية يجب أن يتجاوز تقويم الأمانة وحده ليشمل تقويمًا صريحًا للإنصاف والآثار على الفئات الفرعية، إذ قد تبدو البيانات المولّدة أمينة إحصائيًا فيما تحمل انحيازات تضر بالمجموعات الأقل تمثيلًا عند توظيفها في بناء النماذج واتخاذ القرار، وتقدّم الدراسة دليلًا على أن النماذج الاحتمالية مثل بايز بوست تنطوي على إمكانات قوية للنشر الأخلاقي المسؤول للبيانات الاصطناعية، بينما تحتاج النماذج التوليدية العميقة إلى مزيد من التكييف قبل استخدامها في التطبيقات الحساسة للإنصاف، وتفيد هذه الخلاصات الباحثين والمؤسسات الصحية وهيئات حوكمة البيانات في اختيار أساليب التوليد وضبط معايير اعتمادها بما يحمي الخصوصية والعدالة معًا
وتتفرع عن هذه النتائج أسئلة عملية مهمة أمام المؤسسات التي تعتزم استخدام البيانات الاصطناعية الصحية في تدريب النماذج أو مشاركتها لأغراض البحث، إذ لم يعد كافيًا أن تتشابه البيانات المولّدة مع الأصلية في توزيعاتها العامة بل يلزم فحص أثرها في الفئات الفرعية الصغيرة التي قد تختفي من المؤشرات الكلية رغم تعرضها لأكبر الانحرافات، وقد أظهر تدهور تكافؤ الفرص بأكثر من مئة في المئة في بعض إعدادات النماذج العميقة حجم الخطر الكامن حين تُعتمد مثل هذه البيانات دون تقويم صريح للإنصاف، وفي المقابل يوحي الأداء المتوازن للنموذج الاحتمالي والنتيجة النسبية الأفضل للمشفّر التلقائي التبايني بين النماذج العميقة بأن اختيار بنية التوليد ذاته قرار أخلاقي وتقني في آن واحد يستحق عناية مبكرة
وخلاصة القول إن المقارنة التجريبية في هذه الدراسة أثبتت أن أمانة البيانات الاصطناعية وحدها لا تكفي للحكم على جودتها في مجال الرعاية الصحية، فقد تفوّق النموذج الاحتمالي بايز بوست في الأمانة والمنفعة والإنصاف مجتمعة بينما أظهرت النماذج العميقة قدرة على التقاط البنى المعقدة قابلها تدهور في الإنصاف تجاه الفئات ضعيفة التمثيل، ومن ثمّ تدعو الدراسة إلى اعتماد تقويم ثلاثي المحاور معيارًا عند توليد البيانات الصحية الاصطناعية ونشرها في التطبيقات العملية
