الذكاء الاصطناعي في الطب الحيوي · eu
ما مدى موثوقية تنظيم سجلات السرطان بالذكاء الاصطناعي؟ دراستان تختبران استخراج البيانات ومراجعتها بنموذج آخر
تشير ملخصات بحثية نشرتها Flatiron إلى أن أداء الذكاء الاصطناعي في استخراج بيانات سجلات سرطان البروستاتا في ألمانيا قد يقترب من أداء الخبراء، وأن نموذجًا آخر يستطيع أيضًا اكتشاف بعض الأخطاء؛ لكن الأخطاء التي تفوت المراجعة وتفاصيل التحقق التي لم تُنشر بعد لا تزال تحدّ من الاستخدامات البحثية التي يمكن لهذه البيانات دعمها.
في سجل مريض بسرطان البروستاتا، غالبًا ما تتوزع المعلومات المتعلقة بوقت التشخيص ومسار العلاج ومؤشرات تفاقم المرض على وثائق مختلفة. ويُعد تنظيمها في حقول قابلة للتحليل البحثي أحد الاستخدامات العملية للنماذج اللغوية الكبيرة؛ لكن إذا أساء النموذج فهم مسار المرض، فقد تتأثر أيضًا التحليلات اللاحقة لفعالية العلاج أو أنماطه. فإلى جانب سرعة تنظيم البيانات، يجب الإجابة عن سؤال مدى موثوقية هذا التنظيم.
أعلنت Flatiron Health في 12 نوفمبر أنها ستعرض دراستين للتحقق من صحة البيانات في مؤتمر الجمعية الأوروبية لطب الأورام لعام 2026 حول الذكاء الاصطناعي وعلم الأورام الرقمي، الذي سيُعقد في برلين. ولم يتضمن البيان الصحفي أرقامًا للدقة، لكن الملخصات البحثية التي نشرتها الشركة في اليوم السابق قدمت بالفعل بعض النتائج الكمية. ومن المقرر عرض الملصقين البحثيين في 17 نوفمبر؛ وتشمل المؤسسات التي ينتمي إليها مؤلفو دراسة سرطان البروستاتا في ألمانيا كلًا من Charité وFlatiron.
استخدمت الدراسة الأولى قاعدة بيانات Flatiron البحثية في ألمانيا، وكلّفت نموذجًا لغويًا كبيرًا باستخراج تفاصيل تشخيص سرطان البروستاتا والعلاج ومقاومة الإخصاء وتقدم المرض من سجلات الرعاية المعتادة. واعتمد الفريق إطارًا للتحقق يُسمى VALID، مستخدمًا بيانات نُظّمت يدويًا معيارًا للتقييم، كما فحص مدى توافق العلاقات بين تاريخ التشخيص ومرحلة المرض والدرجة النسيجية مع التوقعات السريرية.
وفقًا للملخص، بعد تعديل التعليمات الموجّهة للنموذج وتكرار تحليل الأخطاء، كان الفارق بين درجات F1 لجميع حقول سرطان البروستاتا المطلوبة وأداء الاستخراج اليدوي على أيدي الخبراء في حدود 5 نقاط مئوية. وتجمع درجة F1 بين إحكام نتائج الاستخراج واستدعائها؛ ولا يعني «فارق في حدود 5 نقاط مئوية» أن الدقة بلغت 95%، كما لا يوضح مباشرةً مقدار الأخطاء المتبقية في كل حقل.
استخدمت الدراسة الاستطلاعية الثانية نموذجًا لغويًا كبيرًا آخر بصفته مراجعًا، يقارن المحتوى بوثائق السجلات الطبية الأصلية وإرشادات الاستخراج في المملكة المتحدة وألمانيا، ويضع علامات على المحتوى الذي يُحتمل أن يكون النموذج الأول قد أخطأ فيه. وفي تقييم تقارير التصوير المقطعي بالإصدار البوزيتروني للمستضد الغشائي النوعي للبروستاتا (PSMA PET)، بلغ معدل استدعاء نموذج المراجعة للأخطاء التي أكدت المراجعة البشرية وجودها 60% في المملكة المتحدة و75% في ألمانيا. وبعبارة أخرى، ظل هذا الفحص يفوّت بعض الأخطاء المعروفة، ولا يمكن اعتبار عدم وضع علامة ضمانًا لصحة البيانات.
وفحص تقييم آخر شمل التدبير الأولي والجراحة وأحداث الانتكاس 12 حقلًا إجمالًا. ووضع نموذج المراجعة علامات على تنبؤات يُشتبه في خطئها في 9 من هذه الحقول؛ وبعد تصحيح المحتوى الذي وُضعت عليه علامات، ارتفعت درجات F1 في 8 حقول بمقدار يتراوح بين 0.4 و6.5 نقاط مئوية. ويقدم ذلك مؤشرات تساعد على ترتيب أولويات المراجعة البشرية، لكن الملخص لم يذكر نسبة الإنذارات الكاذبة، ولذلك لا يمكن بعد تحديد مقدار العمل الإضافي الذي ستتطلبه عملية التحقق نتيجة إجراء المراجعة.
تأتي المعلومات المتاحة حاليًا للتحقق أساسًا من الملخصات البحثية وإعلانات المؤتمر التي نشرتها الشركة، ولم تُذكر بعد أحجام العينات أو درجات F1 المطلقة لكل حقل أو فواصل الثقة، كما لم يُثبت استمرار الأداء نفسه عند الانتقال إلى مؤسسات طبية أخرى. وتدعم هذه النتائج إجراء مزيد من التحقق من عمليات تنظيم السجلات الطبية آليًا، لكنها لا تكفي بعد لإثبات قدرتها على تحسين رعاية المرضى أو جعل البيانات الناتجة تستوفي مباشرةً متطلبات مراجعة الأدوية. ولدعم تطوير الأدوية، لا يزال من الضروري، وفقًا للسؤال البحثي الفعلي، تحديد الأخطاء التي قد تغيّر الاستنتاجات والمراحل التي تتطلب تدخل الخبراء.