اكتشاف اللغة الموصومة في ملاحظات السجل الطبي باستخدام نماذج لغوية كبيرة لرعاية الإدمان

لماذا تهم الكلمات في سجلك الطبي

مع حصول المزيد من المرضى على وصول إلكتروني إلى سجلاتهم الطبية، لم تعد اللغة التي يستخدمها الأطباء مخفية داخل خوادم المستشفى — أصبحت مرئية للأشخاص الذين تصفهم. بالنسبة للمرضى الذين يعيشون مع الإدمان، قد يعزز تعبير واحد مثل «مدمن مخدرات» الشعور بالخجل بهدوء، ويقوض الثقة، ويؤثر حتى على الرعاية التي يتلقونها. تطرح هذه الدراسة سؤالاً ملحاً: هل يمكن للذكاء الاصطناعي الحديث أن يساعد المستشفيات على اكتشاف وتقليل اللغة الموصِمة في الملاحظات السريرية قبل أن تضر بالمرضى؟

تسميات ضارة مخفية في الملاحظات اليومية

الوصمة في الرعاية الصحية لا تظهر فقط في التواصل البصري أو نبرة الصوت؛ بل هي أيضاً متأصلة في السجل المكتوب. تحتوي السجلات الصحية الإلكترونية على ملايين الملاحظات التي ترافق المرضى عبر العيادات والمستشفيات. مصطلحات مثل «إساءة الكحول» أو «السلوك الباحث عن المخدرات» يمكن أن تشكل نظرة الأطباء المستقبليين للشخص طويلاً بعد زيارة طارئة أو إقامة في المستشفى. ركز الباحثون على ملاحظات وحدة العناية المركزة المتعلقة بالمرضى الذين يعانون من مشاكل تعاطي المواد، حيث تكون المخاطر عالية والتوثيق مكثفاً. انطلقوا من إرشادات وطنية تشجع على استخدام لغة محترمة تضع الشخص أولاً، مثل «شخص يعاني من اضطراب تعاطي المواد» بدلاً من «مدمن»، واستخدموا هذه المبادئ لإنشاء مجموعة بيانات كبيرة من الملاحظات المصنفة على أنها موصِمة أو غير موصِمة.

تعليم الذكاء الاصطناعي أن يقرأ بين السطور

بدلاً من مجرد البحث عن كلمات سيئة، أرادت الفرقة نظاماً يستطيع فهم السياق. على سبيل المثال، قد تقتبس ملاحظة كلاماً عن المريض يصف نفسه بأنه «سكران»، وهذا يختلف عن أن يضع الطبيب تلك التسمية. قارن المؤلفون عدة نهج، جميعها مبنية على نموذج لغوي كبير (نوع من الذكاء الاصطناعي الذي يعالج النصوص ويولدها). كان أحد الأساليب الأساسية يبحث فقط عن كلمات مفتاحية محددة مستمدة من الإرشادات. الأساليب الأكثر تقدماً طلبت من الذكاء الاصطناعي تقييم كل ملاحظة مباشرة، إما بدون أمثلة إضافية، أو مع توجيهات مستمدة من إرشادات الاتصال، أو بعد تدريب خاص — أو «ضبط دقيق» — على آلاف الملاحظات المصنفة من وحدات العناية المركزة.

ما نجح أفضل في العالم الحقيقي

كان النموذج المُعدّل دقيقاً بوضوح. على مجموعة اختبار محجوزة تزيد عن 11,000 ملاحظة، حدد اللغة الموصِمة بشكل صحيح حوالي 97 في المئة من الوقت، متفوقاً بكثير على بحث الكلمات المفتاحية البسيط. كما حافظ على أداء أفضل على مجموعة فرعية معقدة بشكل خاص من الملاحظات التي احتوت على مصطلحات مشحونة محتملة لكنها لم تُستخدم دائماً بطريقة ضارة. تمكن النموذج من التمييز بين العبارات الحكمية الحقيقية والاستخدامات المحايدة أو المقتبسة، حيث يفشل البحث الخام الأبسط. عند اختبار الفريق للنظام على ملاحظات من نظام صحي مختلف — ما يقرب من 300,000 ملاحظة من وحدات العناية المركزة مكتوبة في ولاية أخرى — ظل متفوقاً على نهج الكلمات المفتاحية، رغم أن اللغة الموصِمة كانت نادرة في ذلك العينة الواقعية.

اكتشاف عبارات مشكلة جديدة فاتت على الأطباء

لم يكتفِ الباحثون بذلك، بل طلبوا من الذكاء الاصطناعي أيضاً تفسير سبب تمييزه لملاحظات معينة. قام أخصائي في الإدمان بمراجعة هذه التفسيرات بعد ذلك. في عشرات الحالات، أبرزت النماذج لغة موصِمة حقيقية كان المعلّقون البشر قد تغاضوا عنها في الأصل، بما في ذلك عبارات لم تكن مدرجة في الإرشادات الحالية. تضمنت الأمثلة أوصافاً مثل «السلوك الباحث عن المخدرات» أو الإشارات العرضية إلى «تشمع كحولي» التي تُحمّل الشخص ضمنياً المسؤولية بدلاً من المرض. يشير ذلك إلى أن أدوات الذكاء الاصطناعي المصممة جيداً قد لا تقتصر على فرض الممارسات الفضلى الحالية فحسب، بل قد تساعد أيضاً في توسيع فهمنا لما تبدو عليه اللغة الضارة مع تطور الكتابة السريرية.

من أداة بحثية إلى مساعد بجانب السرير

قَيّمت الدراسة أيضاً القضايا العملية. بحث الكلمات المفتاحية سريع جداً لكنه سطحّي. النموذج الأكثر دقة تطلب عدة ساعات من التدريب على معالجات رسومية قوية، ومع ذلك بمجرد تدريبه كان بإمكانه فحص الملاحظات في بضع ثوانٍ لكل ملاحظة — بطيئاً بالنسبة لمحرك بحث، لكنه مقبول كمساعد يعمل في الخلفية داخل نظام المستشفى. نهج آخر أقل تخصيصاً اعتمد فقط على مطالبات مصممة بعناية وأدى أداءً معقولاً دون تدريب إضافي، مما يشير إلى خيارات أخف وزنًا للعيادات ذات الموارد التقنية المحدودة. مجتمعة، تدل هذه النتائج على أنظمة يمكنها تمييز الصياغات الخطرة في الوقت الفعلي واقتراح بدائل أكثر احتراماً أثناء كتابة الأطباء.

خطوة نحو رعاية أكثر احتراماً

الخلاصة البسيطة لغير المتخصصين هي: الكلمات في ملفك ليست مجرد مصطلحات فنية؛ إنها تشكل الطريقة التي تُعامَل بها. تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة قادرة بشكل موثوق على اكتشاف العديد من أشكال اللغة الموصِمة المتعلقة بالإدمان في ملاحظات العناية المركزة، حتى عندما تكون المشكلة دقيقة. على الرغم من أن أي نظام ليس مثالياً، إلا أن مثل هذه الأدوات قد تعمل كمحررين دائمين، يدفعون الأطباء بلطف نحو لغة تعترف بالأشخاص كأكثر من تشخيصاتهم. على المدى الطويل، قد يكون هذا التحول — من اللوم إلى الاحترام — مهماً للشفاء بقدر أي دواء أو جهاز.

الاستشهاد: Sethi, R., Caskey, J., Gao, Y. et al. Detecting stigmatizing language in clinical notes with large language models for addiction care. npj Health Syst. 3, 15 (2026). https://doi.org/10.1038/s44401-026-00069-0

الكلمات المفتاحية: وصمة الإدمان, ملاحظات سريرية, نماذج لغوية كبيرة, السجلات الصحية الإلكترونية, اللغة التي تضع الشخص أولاً