النماذج اللغوية الكبيرة في التخطيط العلاجي وفق الإرشادات والترميز الطبي الآلي: تحديات التطبيق وحلوله وتطوير الخوارزميات والتحقّق من صلاحيتها

تعرض هذه الدراسة إطارين يعتمدان على النماذج اللغوية الكبيرة وتقيّم أداءهما في معالجة هذه التحديات. وقد طُبّقا في منصة Rhazes Clinician: الأول هو GARAG، أي التوليد المعزّز بالاسترجاع بمساعدة التوليد، لإعداد خطط علاجية آلية تستند إلى الأدلة؛ والثاني هو GAVS، أي البحث المتجهي بمساعدة التوليد، للترميز الطبي الآلي.

الخلفية: تواجه الرعاية الصحية تحديات كبيرة بسبب أخطاء التشخيص وكثرة الأعباء الإدارية، ومنها الترميز الطبي. وقد تساعد النماذج اللغوية الكبيرة (LLMs) في تخفيف هذه الأعباء والأخطاء، إلا أن انتشار استخدامها ما زال محدوداً بسبب المخاوف من موثوقيتها وشفافيتها وسلامتها في الممارسة الطبية.

الهدف: تعرض هذه الدراسة إطارين يعتمدان على النماذج اللغوية الكبيرة وتقيّم أداءهما في معالجة هذه التحديات. وقد طُبّقا في منصة Rhazes Clinician: الأول هو GARAG، أي التوليد المعزّز بالاسترجاع بمساعدة التوليد، لإعداد خطط علاجية آلية تستند إلى الأدلة؛ والثاني هو GAVS، أي البحث المتجهي بمساعدة التوليد، للترميز الطبي الآلي.

المنهجية: اختُبر GARAG على 21 حالة سريرية أعدّها مؤلفون ذوو مؤهلات طبية. وشُغّلت كل حالة ثلاث مرات بصورة مستقلة، ثم قُيّمت النتائج وفق أربعة معايير: صحة المراجع، وخلوّ الإجابة من التكرار، والالتزام بالتنسيق المطلوب، ومدى ملاءمة الخطة العلاجية للحالة. أما GAVS، فاختُبر على 958 حالة دخول اختيرت عشوائياً من قاعدة بيانات Medical Information Mart for Intensive Care (MIMIC)–IV. واستُخدمت رموز الفوترة المسجّلة وفق التصنيف الدولي للأمراض، المراجعة العاشرة (ICD-10) معياراً مرجعياً للمقارنة. وقورنت طريقتان: الأولى مرجعية، يُطلب فيها من GPT-4.1 اقتراح رموز ICD-10 مباشرةً ودون قيود؛ والثانية تستخدم GAVS، حيث يولّد GPT-4.1 مفاهيم تشخيصية، ثم يحدّد البحث المتجهي أكثر 10 رموز ICD-10 مطابقةً لكل مفهوم.

النتائج: استوفت 62 إجابة من أصل 63 (98.4%) جميع معايير التقييم. واقتصر الاستثناء على اختلاف طفيف في الترتيب عند تكرار الحالة 14 في إحدى المرات. وفي اختبار GAVS، ضمّت حالات الدخول الـ958 ما مجموعه 8576 رمزاً مسجّلاً ضمن الفئات الفرعية لـICD-10، منها 1610 رموز مختلفة. واقترح النموذج اللغوي وحده 131,329 رمزاً، مقابل 136,920 باستخدام GAVS. وعلى مستوى الفئات الفرعية، بلغ متوسط استرجاع الرموز 17.95% للنموذج وحده (15.86% بعد الترجيح)، و20.63% مع GAVS (18.62% بعد الترجيح)، بفارق ذي دلالة إحصائية (P<.001). أما على مستوى الفئات، فكان الأداء متقارباً: 32.60% مقابل 32.58% لمتوسط الاسترجاع المرجّح (P=.99).

الاستنتاجات: أظهر GARAG إمكانية إعداد خطط علاجية تستند إلى إرشادات محكّمة تخصّ كل تشخيص، مع الاحتفاظ بالتفاصيل السريرية الدقيقة عند استرجاع الأدلة. كما حسّن GAVS استرجاع الرموز التشخيصية التفصيلية بفارق ذي دلالة إحصائية عن الطريقة المرجعية التي تستخدم النموذج اللغوي مباشرةً. وتبيّن هذه النتائج كيف يمكن للنماذج اللغوية الكبيرة أن تعزّز دعم القرار الطبي والترميز الطبي. وأُدمج الإطاران لاحقاً في Rhazes Clinician، وهو تطبيق ويب للأطباء ينسّق عمل وكلاء النماذج اللغوية لاستدعاء أدوات متخصّصة، ويجمعها في واجهة واحدة. وتظل هناك حاجة إلى تحقق مستقل ودراسات أوسع للتأكد من قابلية تعميم النتائج وقياس أثر الإطارين في النتائج الصحية للمرضى.

JMIR Biomed Eng 2025;10:e66691

doi:10.2196/66691