قياس تحسّن الأعراض الذهانية لدى مرضى الفصام المعالجين بالكلوزابين: تحليل الملاحظات السريرية باستخدام نماذج اللغة الكبيرة

لماذا يمكن للكلام اليومي أن يكشف تغيّرات خفية

عندما يتحدّث الأشخاص المصابون بالفصام عن يومهم، يمكن لاختيارهم للكلمات أن يعكس بهدوء مدى فعالية العلاج. لكن في المستشفيات المزدحمة، نادراً ما تتوفر للأطباء الوقت ليتفحّصوا سنوات من الملاحظات السريرية لمعرفة ما إذا كان كلام المريض يصبح أوضح أو أكثر هدوءاً أو أكثر تفاؤلاً. تُظهر هذه الدراسة كيف أن أدوات الذكاء الاصطناعي الحديثة، المسمّاة نماذج اللغة الكبيرة، قادرة على قراءة تلك الملاحظات والتقاط إشارات دقيقة على تحسّن الأعراض أثناء العلاج بدواء الكلوزابين.

تحويل الملاحظات الروتينية إلى إشارات مفيدة

ركّز الباحثون على مجموعة من 30 شخصاً يعانون من فصام شديد مقاوم للعلاج وبدأوا تناول الكلوزابين، وهو دواء يُستخدم في الحالات التي فشلت فيها أدوية أخرى. في اليابان، يتطلب بدء الكلوزابين الإقامة في المستشفى والمراقبة الدقيقة، ما يخلق سجلاً غنياً من السجلات الصحية الإلكترونية. من هذه السجلات، استخرج الفريق الأجزاء التي دوّن فيها الأطباء النفسيون ما قاله المرضى فقط، مثل التحيات أو شكوى من النوم أو تقارير عن سماع أصوات. انتهى بهم الأمر إلى أكثر من 22,000 جملة من أكثر من 5,000 ملاحظة، تغطي الشهر الذي سبق الكلوزابين وثلاث مراحل متساوية الطول أثناء العلاج في المستشفى.

طلب تقييم الأعراض من الذكاء الاصطناعي

لتحويل النصوص الخام إلى درجات أعراض، استخدم الفريق ثلاث نماذج لغوية قوية. قدّموا لكل نموذج تعليمات مفصّلة ليتصرّف كأنّه أخصائي نفسي ويقيّم كل ملاحظة وفق قائمة مرجعية معيارية مستخدمة في الطب النفسي، وهي مقياس التقييم النفسي الموجز (Brief Psychiatric Rating Scale). بدلاً من الاعتماد على لغة الجسد أو نبرة الصوت، قيّمت النماذج ما قاله المرضى فقط، مُدرجةً خصائص مثل القلق، والتفكّر المشوَّش، والمعتقدات غير الاعتيادية، والهلوسات، والشكّ، والمزاج المكتئب. اتفقت النماذج على أن عدة أعراض رئيسية انخفضت خلال علاج الكلوزابين: القلق، والتفكّر المفاهيمي المشوَّش، والشك، والأفكار غير الاعتيادية، وحديث يشبه الهلوسة، والمزاج المنخفض كلها تراجعت مع مرور الوقت. ارتفعت المخاوف الجسدية في البداية—ومن المرجح أن ذلك يعكس آثاراً جانبية مبكرة مثل التعب أو النعاس—ثم هدأت تدريجياً.

كيف تغيّر اختيار الكلمات أثناء العلاج

طبق الفريق أيضاً أساليب تحليل لغوية أكثر تقليدية لفهم أفضل ما تلتقطه النماذج. عدّوا أنواع الكلمات المختلفة، مثل الأسماء والأفعال والظروف والصفات، في كل جملة. مع مرور الوقت، استخدم المرضى مزيداً من الصفات، ولا سيما كلمات تصف الأحاسيس والحالات الجسدية مثل «جيد»، «ممتع»، «متعب»، «نعسان»، «فظيع»، و«مخيف». في المقابل، تراجعت استخدام كلمة «لا». عند النظر إلى تراكيب قصيرة من كلمتين، وجد الباحثون أن «لا» تظهر غالباً في عبارات مثل «لا تغيير» أو «لا شيء خاص»، وهي ردود مسطحة يعطيها المرضى عندما يشعرون بالانفصال أو قلة الحافز. انخفاض هذه العبارات مع الوقت يوحي بأن المرضى أصبحوا يتفاعلّون أكثر مع أطبائهم بدلاً من إغلاق المحادثات.

قياس النبرة العاطفية في الكلمات نفسها

للتعمّق في العاطفة، استخدم الباحثون أداة تُدعى "Linguistic Inquiry and Word Count"، التي تفحص مدى تكرار استخدام كلمات مرتبطة بمشاعر إيجابية أو سلبية. وجدوا أن الكلمات ذات الدلالة الإيجابية أصبحت أكثر تكراراً في الجزء المتأخر من العلاج، بينما لم تتغير الكلمات ذات الدلالة السلبية كثيراً. عند مقارنة هذه الأنماط مع الدرجات التي ولّدتها نماذج اللغة، تبين أن كلا النهجين مرتبطان لكن ليسا متماثلين تماماً. كانت النماذج جيدة بشكل خاص في التقاط التحولات العامة في القلق والمزاج، بينما أبرزت العدّات المعتمدة على القواميس ازدياد التعبيرات الإيجابية الصريحة. معاً، رسمت هذه الطرق صورة لمرضى نما كلامهم ليصبح أكثر ثراءً عاطفياً وأقل سيطرة من المعاناة مع تقدّم العلاج.

ماذا يعني هذا للرعاية المستقبلية

لغير المتخصصين، الرسالة الأساسية بسيطة: من خلال الاستماع بعناية إلى كيفية كلام المرضى—عن طريق الملاحظات السريرية الموجودة بالفعل في سجلاتهم—يمكن لأنظمة الذكاء الاصطناعي اكتشاف تحسّنات ذات دلالة في الأعراض الذهانية والحياة العاطفية أثناء العلاج. تشير الدراسة إلى أنه، حتى عندما تكون الملاحظات قصيرة وغير مثالية، يمكن لنماذج اللغة الكبيرة أن تدعم الأطباء بتتبع اتجاهات قد تُفوّت غير ذلك، مثل وضوح التفكير، وتراجع التعليقات المرتبطة بالهلوسات، وزيادة المحادثة الإيجابية والمشاركة. بينما لن تحل هذه الأدوات محل الحكم البشري، فقد توفّر يوماً ما مراقبة منخفضة الجهد وفي الخلفية تساعد الأطباء على تخصيص الرعاية، واكتشاف المشكلات مبكراً، وفهم كيف تتغير العوالم الداخلية للمرضى مع الوقت.

الاستشهاد: Matsumura, M., Nishida, K., Toyoda, K. et al. Quantifying improvement of psychotic symptoms in clozapine-treated schizophrenia: clinical note analysis with large language models. Sci Rep 16, 8835 (2026). https://doi.org/10.1038/s41598-026-39676-0

الكلمات المفتاحية: الفصام, الكلوزابين, الملاحظات السريرية, نماذج اللغة الكبيرة, أعراض الذهان