# أخبار وتحليلات وأبحاث منشورة

أخبار ونصائح عملية ورؤى وأبحاث علمية من فريق Rhazes.

[تصفّح الأبحاث المنشورة](/publications/)

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

بحث علمي · 10 نوفمبر 2025

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.

[اقرأ المقال](/news/challenges-and-solutions-in-applying-large-language-models-to-guideline-based-management-planning-and-automated-medical-coding-in-health-care-algorithm-development-and-validation/)

## تحديثات Rhazes الجديدة: الأكبر حتى الآن

الأخبار · 17 سبتمبر 2025

أطلقنا أحد أكبر تحديثات Rhazes Clinician حتى الآن، وشمل المنصة بأكملها. سرعة ودقة أعلى، وواجهة أوضح وأسهل، لتنجز مهامك الطبية بسلاسة أكبر.

[اقرأ المقال](/news/rhazes-just-levelled-up-our-biggest-set-of-upgrades-yet/)

## تقييم سريع لقدرات النماذج اللغوية الكبيرة على تشخيص المرضى ذوي الأمراض المصاحبة: دراسة مقارنة باستخدام نموذج لغوي كبير للتحكيم

بحث علمي · 29 أغسطس 2025

قارنّا في هذه الدراسة القدرة التشخيصية لـ18 نموذجاً لغوياً كبيراً من Google وOpenAI وMeta وMistral وCohere وAnthropic. استخدمنا ثلاث صيغ للتعليمات وإعدادين لدرجة العشوائية، واختبرنا النماذج على 1000 حالة دخول إلى المستشفى اختيرت عشوائياً من قاعدة بيانات Medical Information Mart for Intensive Care-IV (MIMIC-IV). ودرسنا أيضاً إمكانية رفع معدل التشخيص الصحيح لدى GPT-4o 05‐13 باستخدام التوليد المعزّز بالاسترجاع (RAG)، مع الاستعانة بالقيم المرجعية الصادرة عن American Board of Internal Medicine.

[اقرأ المقال](/news/rapidly-benchmarking-large-language-models-for-diagnosing-comorbid-patients-comparative-study-leveraging-the-llm-as-a-judge-method/)

## الاستراتيجية تحسم مستقبل الذكاء الاصطناعي الصحي في بريطانيا

تحليلات · 19 أغسطس 2025

أصبح الذكاء الاصطناعي ضرورة في الرعاية الصحية الحديثة، لتحسين نتائج العلاج، وتخفيف الضغط عن الكوادر، وبناء نظام صحي أقدر على مواجهة تحديات المستقبل. وقد تجاوزنا سؤال ما إذا كان ينبغي اعتماده؛ فالمطلوب الآن هو تطبيقه بسرعة وفاعلية، بما يخدم المرضى والأطباء معاً. ولدى بريطانيا ما يدفعها إلى اغتنام هذه الفرصة، وما يمكّنها من تحقيقها.

[اقرأ المقال](/news/why-strategy-will-make-or-break-the-uks-ai-healthcare-future/)

## تحويل الكلام إلى نص بالذكاء الاصطناعي في الرعاية الصحية: تحسين كفاءة التوثيق الطبي وجودته

بحث علمي · 22 مايو 2025

يمكن لأداة تحويل الكلام إلى نص بالذكاء الاصطناعي أن تحسّن التوثيق الطبي بدرجة كبيرة، بزيادة الكفاءة وتقليل الأخطاء. وهذا ينعكس على رعاية المرضى، إذ تقلّ المعلومات التي تُغفل في التوثيق ويُستثمر وقت مقدّمي الرعاية بصورة أفضل.

[اقرأ المقال](/news/ai-assisted-transcription-in-healthcare-enhancing-efficiency-and-quality-in-clinical-documentation/)

## تقييم منهجي لقدرة GPT-4 وPaLM2 على تشخيص الأمراض المصاحبة لدى مرضى MIMIC-IV

بحث علمي · 1 فبراير 2024

تشير النتائج إلى أن استخدام الذكاء الاصطناعي (AI) إلى جانب الأطباء قد يقلّل الأخطاء المعرفية التي تتسبب في مئات الآلاف من التشخيصات الخاطئة كل عام. وتبقى المراجعة البشرية ضرورية؛ فالنماذج اللغوية الكبيرة لا تستطيع أن تحل محل الأطباء، لا سيما في فهم المريض والتعاطف معه. كما يواجه إدخال الذكاء الاصطناعي في الرعاية الصحية تحديات عديدة تتعلق بالأخلاقيات والمسؤولية القانونية والمتطلبات التنظيمية.

[اقرأ المقال](/news/a-systematic-evaluation-of-the-performance-of-gpt-4-and-palm2-to-diagnose-comorbidities-in-mimic-iv-patients/)

[عرض هذه الصفحة](https://www.rhazes.ai/ar/news/)