تقنية ذكية تُسهِّل فهم سجلات المرضى في أقسام الطوارئ

طوّر باحثون من جامعة كاليفورنيا في لوس أنجلوس "UCLA" نظام ذكاء اصطناعي يحوّل السجلات الصحية الإلكترونية المجزأة، والتي تُخزّن عادةً في جداول، إلى نصوص قابلة للقراءة، مما يساعد النماذج اللغوية المتقدمة على تحليل التاريخ الطبي المعقّد للمرضى بكفاءة عالية، بحسب دراسة نشرتها مجلة "npj Digital Medicine".

نموذج "MEME"
أطلق الباحثون على هذا النظام اسم "MEME"، اختصاراً لـ The Multimodal Embedding Model for EHR (نموذج التضمين متعدد الوسائط للسجلات الصحية الإلكترونية)، ويقوم بتحويل البيانات الطبية الجدولية إلى "ملاحظات اصطناعية" تحاكي أسلوب التوثيق السريري، مما يتيح للذكاء الاصطناعي فهماً أعمق وأدق لسجلات المرضى ودعم اتخاذ القرارات السريرية.

معلومات هائلة وجداول معقدة
تحتوي السجلات الصحية الإلكترونية على كمّ هائل من معلومات المرضى، التي يمكن أن تساعد الأطباء على اتخاذ قرارات أسرع، خصوصاً في حالات الطوارئ.
لكن في المقابل، تعتمد معظم أنظمة الذكاء الاصطناعي المتقدمة على النصوص، بينما تُخزَّن معلومات المستشفيات في جداول مليئة بالأرقام والرموز والتصنيفات.
وقد شكّل هذا التباين عائقاً أمام استفادة أنظمة الرعاية الصحية من الإمكانات الكاملة للذكاء الاصطناعي.
وفي أقسام الطوارئ، حيث تُعدّ سرعة اتخاذ القرار أمراً بالغ الأهمية، تزداد الحاجة إلى أدوات ذكية قادرة على تحليل التاريخ الطبي للمريض بسرعة، للتنبؤ بالنتائج وتوجيه قرارات العلاج.

كيف يعمل النظام؟
ووفقاً لموقع "ميديكال إكسبريس" المتخصص في الأبحاث الطبية، تعتمد الآلية على تحويل البيانات الجدولية إلى "ملاحظات اصطناعية" باستخدام اختصارات التوثيق الطبي الشائعة بين مقدمي الرعاية الصحية.
ويقوم نظام "MEME" بتقسيم معلومات المريض إلى فئات مثل الأدوية، والفحوصات، والقياسات الحيوية، ثم يُحوّل كل فئة إلى نص باستخدام قوالب بسيطة، ويشفّرها باستخدام نماذج لغوية، في محاكاة لأسلوب التفكير الطبي البشري.
بعد ذلك، يتم تغذية هذه النصوص في نماذج لغوية متقدمة تتعامل مع أنواع البيانات المختلفة كسلاسل مترابطة.
وقد تم اختبار هذا النهج في مهام تنبؤية واقعية داخل أقسام الطوارئ، مقارنةً بنماذج تقليدية ومتخصصة، بما في ذلك أساليب تعتمد على "الإرشاد النصي".

أداء استثنائي
حلّل النموذج الجديد بيانات أكثر من 1.3 مليون زيارة طوارئ باستخدام معلومات من قاعدة "MIMIC" الشهيرة ومن مستشفيات جامعة "UCLA"، وتفوق "MEME" بشكل ملحوظ على الأساليب المعتمدة حالياً في دعم القرار السريري، بما في ذلك تقنيات التعلم الآلي التقليدية، ونماذج مصممة خصيصاً للسجلات الصحية مثل "CLMBR" و"Clinical Longformer". 
كما أثبت قدرة قوية على التكيّف مع أنظمة مستشفيات متعددة ومعايير ترميز مختلفة.

آفاق مستقبلية
يعتزم فريق البحث اختبار "MEME" في بيئات سريرية جديدة إلى جانب أقسام الطوارئ، وتحسين قابليته للتعميم عبر مؤسسات صحية متعددة، مع تطويره لاستيعاب مفاهيم ومعايير طبية محدثة.
وقال سايمون لي، طالب دكتوراه في الطب الحاسوبي بـ"UCLA": "هذا النظام يسد فجوة جوهرية بين أقوى نماذج الذكاء الاصطناعي المتاحة اليوم، والواقع المعقّد لبيانات الرعاية الصحية".
وأضاف: "من خلال تحويل السجلات إلى تنسيق يمكن للنماذج اللغوية فهمه، نُطلق قدرات لم تكن متاحة سابقاً لمقدمي الرعاية".
وأشار إلى أن "قدرة هذا النهج على التكيّف والنقل قد تجعله ذا قيمة خاصة للمؤسسات التي تعمل بمعايير بيانات مختلفة".

أمجد الأمين (أبوظبي)

أخبار ذات صلة ماسك يعلن تأسيس "حزب أميركا" سان جيرمان يقهر بايرن ميونيخ في «مونديال الأندية»

المصدر: صحيفة الاتحاد