مجموعة بيانات لمعالجة احتياجات المريض من المعلومات المتعلقة بمسار الإقامة في المستشفى

لماذا يهم هذا المرضى والعائلات

عندما يخرج شخص ما من المستشفى، تتجه العائلات غالبًا إلى الإنترنت بأسئلة مقلقة: لماذا أُجري هذا الفحص؟ هل كانت تلك الأدوية ضرورية حقًا؟ سجلات المستشفى الحالية تحمل الكثير من الإجابات، لكنها مكتوبة للأطباء، ليست للمرضى. يقدم هذا المقال ArchEHR-QA، مجموعة بيانات جديدة صُممت لمساعدة الباحثين على بناء واختبار أدوات الذكاء الاصطناعي التي يمكنها تحويل ملاحظات المستشفى الكثيفة إلى إجابات واضحة ودقيقة لأسئلة المرضى الحقيقية.

من المخاوف عبر الإنترنت إلى سجلات المستشفى

بدأ الباحثون بفكرة بسيطة: استخدام أسئلة حقيقية ينشرها الأشخاص في منتديات صحية عامة وربطها بسجلات مستشفى حقيقية يمكنها الإجابة على تلك الأسئلة. جمعوا منشورات المرضى ومقدمي الرعاية من موقع مناقشة طبية شائع، مع التركيز على الحالات التي كان فيها شخص ما قد تواجد مؤخرًا في وحدة العناية المركزة أو قسم الطوارئ. هذه أوقات يشعر فيها الناس بالخوف والارتباك كثيرًا، وعندما قد تترك تعليمات الخروج والبحث عبر الإنترنت مخاوف هامة بلا حل.

بناء أزواج سؤال–إجابة واقعية

نظرًا لأن الأشخاص في المنتديات والمرضى في قاعدة بيانات المستشفى هم أفراد مختلفون، قام الفريق بمطابقة كل سؤال عبر الإنترنت بعناية مع ملخص خروج من المستشفى مُزال الهوية يصف حالة طبية مماثلة جدًا. ثم أعاد الأطباء صياغة سؤال كل شخص بعبارات بسيطة ومحددة قد يستخدمها طبيب، دون تغيير ما كان المريض يرغب في معرفته فعليًا. بعد ذلك، فحصوا كل ملاحظة طبية جملة بجملة، محددين أي السطور أساسية، وأيها إضافات مفيدة، وأيها غير ضرورية للإجابة على السؤال. أخيرًا، كتب أطباء مرخَّصون إجابات مختصرة بلغة بسيطة مستندة فقط إلى الأجزاء المعلمة من السجل الطبي.

ماذا تحتوي مجموعة البيانات الجديدة

تتضمن مجموعة ArchEHR-QA النهائية 134 حالة مريض: 104 تتعلق بإقامات في وحدة العناية المركزة و30 من زيارات الطوارئ. لكل حالة، يوجد سؤال المريض الأصلي، وصياغة الأطباء المُعادَة، ومقتطف مُقَصّى بعناية من ملاحظة المستشفى، وتسميات أهمية على مستوى الجملة، وإجابة مكتوبة من قبل طبيب تتكون من نحو خمس جمل. تغطي الحالات العديد من التخصصات — مثل أمراض القلب، مشاكل الرئة، العدوى، واضطرابات الدماغ — وتمتد عبر مجموعة واسعة من الأعمار والخلفيات. تُشارك جميع المواد بصيغ رقمية قياسية حتى يتمكن الباحثون الآخرون من استخدامها بسهولة.

اختبار نماذج الذكاء الاصطناعي الحالية

لإظهار كيف يمكن استخدام ArchEHR-QA، قيّم المؤلفون عدة نماذج لغوية كبيرة حديثة يمكن تشغيلها محليًا. طلبوا من كل نموذج أن يجيب على الأسئلة باستخدام مقتطفات ملاحظات المستشفى وأن يشير إلى الجمل الدقيقة التي دعمت إجاباته. ثم قاس الفريق شيئين: مدى نجاح النماذج في اختيار الأدلة الصحيحة في الملاحظة (الواقعية) ومدى تقارب إجاباتها من الإجابات المكتوبة من قبل الأطباء (الملاءمة). جُرّبت استراتيجيات تحفيز مختلفة، بما في ذلك مطالبة النموذج بكتابة الإجابة واختيار الأدلة في خطوة واحدة، أو الإجابة أولًا ثم إضافة الأدلة لاحقًا. بشكل عام، الإعدادات الأفضل التقطت بشكل صحيح نحو نصف الجمل الأكثر أهمية وأنتجت إجابات كانت إلى حد ما، لكن بعيدة عن الكمال، متوافقة مع شروحات الخبراء.

كيف يمكن لهذا العمل أن يخفف العبء على الأطباء

درس البحث أيضًا أين أخطأت النماذج. أحيانًا استشهدت بالجمل الصحيحة من السجل لكنها فسّرتها بشكل خاطئ، أو اعتمدت بدرجة كبيرة على صياغة سؤال المريض بدلًا من الاعتماد على السجل نفسه. هذه العيوب تؤكد الحاجة إلى معايير مرجعية قوية قبل أن تتمكن الأنظمة القائمة على الذكاء الاصطناعي من صياغة رسائل بأمان للمراجعة من قبل الأطباء. لقد استُخدمت ArchEHR-QA بالفعل في تحدٍّ بحثي دولي، حيث جربت عشرات الفرق أنظمة متعددة الخطوات تجد أولاً الجمل ذات الصلة ثم تولد الإجابات. يمكن للمجموعة أيضًا دعم مهام ذات صلة، مثل العثور على معلومات رئيسية في ملاحظات طويلة أو تلخيص أسئلة المرضى.

ما يعنيه هذا للرعاية المستقبلية

بعبارة بسيطة، يقدم هذا المقال أساسًا لبناء مساعدين رقميين موثوقين يمكنهم تفسير رعاية المستشفى بلغة يفهمها المرضى، مستندين إلى ما هو مكتوب فعليًا في ملفاتهم الطبية. بربط الأسئلة الواقعية بالأدلة السريرية الحقيقية والإجابات الخبيرة، تجعل ArchEHR-QA من الممكن قياس ما إذا كانت أنظمة الذكاء الاصطناعي دقيقة ومفيدة على حد سواء. إذا استمرت هذه الأنظمة في التحسن، فقد تتمكن يومًا من صياغة تفسيرات واضحة وفردية ليراجعها الأطباء، مما يقلل عبء البريد الوارد مع إعطاء المرضى والعائلات إجابات أسرع وأكثر موثوقية حول ما حدث في المستشفى وما الذي ينتظرهم بعد ذلك.

الاستشهاد: Soni, S., Demner-Fushman, D. A Dataset for Addressing Patient’s Information Needs related to Clinical Course of Hospitalization. Sci Data 13, 523 (2026). https://doi.org/10.1038/s41597-026-06639-z

الكلمات المفتاحية: السجلات الصحية الإلكترونية, أسئلة المرضى, الذكاء الاصطناعي الطبي, ملاحظات سريرية, الإجابة على الأسئلة