Leveraging Few-Shot Learning and Large Language Models for Analyzing Blood Pressure Variations Across Biological Sex from Scientific Literature
تقيم هذه الدراسة جدوى استخدام النماذج اللغوية الكبيرة (LLMs) والتعلم بلقطات قليلة لاستخراج إحصائيات ضغط الدم الخاصة بكل جنس تلقائيًا من الأدبيات العلمية، بهدف معالجة أوجه القصور في المعايير التشخيصية الحالية التي تتجاهل العوامل الديموغرافية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول خبز الكعكة المثالية لجمهور كبير، لكن كتاب وصفاتك كُتب قبل خمسين عاماً من قبل مجموعة محددة جداً من الخبازين الذين لم يخبزوا إلا لأشخاص يشبهونهم تماماً في المظهر والعيش. تحاول استخدام تلك الوصفة القديمة للجميع، لكن الكعكة تخرج جافة جداً للبعض، وحلوة المذاق أكثر من اللازم لآخرين. هذا هو بالضبط جوهر المشكلة في كيفية قياسنا لضغط الدم حالياً. لعقود من الزمن، استخدم الأطباء مجموعة واحدة من الأرقام "الطبيعية" لتحديد ما إذا كان قلب الشخص تحت ضغط شديد، متجاهلين في كثير من الأحيان أن بيولوجيا الشخص - مثل كونه ذكراً أو أنثى - قد تعني أنه يحتاج إلى قواعد مختلفة.
ولإصلاح ذلك، يتجه العلماء إلى نوع جديد من المحققين الرقميين: النماذج اللغوية الكبيرة (LLMs). فكر في هذه النماذج كأنها روبوتات فائقة الذكاء قرأت كل شيء تقريباً كُتب على الإنترنت. إنها تشبه طالباً حفظ كل مكتبات العالم ويمكنه العثور فوراً على حقيقة محددة في كتاب مكون من مليون صفحة دون أن يتعب. السؤال الكبير الذي أراد الباحثون الإجابة عليه هو: هل تستطيع هذه الروبوتات الذكية قراءة آلاف الدراسات الطبية القديمة، وإيجاد أرقام ضغط الدم المحددة للرجال والنساء، وإخبارنا ما إذا كانت الوصفة القديمة "التي تناسب الجميع" مكسورة بالفعل؟
رحلة البحث عن كنز ضغط الدم العظيم
في هذه الدراسة، قرر فريق من الباحثين وضع هذه الروبوتات الذكية تحت الاختبار. أرادوا معرفة ما إذا كانت الروبوتات قادرة على البحث في جبل من الأوراق العلمية للعثور على كنز محدد للغاية: متوسط أرقام ضغط الدم ومدى تباين تلك الأرقام، مقسمة حسب الجنس البيولوجي (ذكر مقابل أنثى).
الإعداد: حمى الذهب الرقمية
بدأ الباحثون بمجموعة هائلة من البيانات. لقد جمعوا أكثر من 5.6 مليون مخطوطة علمية من مكتبة ضخمة عبر الإنترنت تسمى PubMed Central. تخيل محاولة العثور على بضع إبر محددة في كومة قش بحجم مدينة. لجعل هذا الأمر أسهل، بنوا محرك بحث خاصاً (مثل محرك بحث جوجل خارق للعلماء) قام بتصفية الأوراق لتصل إلى حوالي 113,000 ورقة تتحدث عن ضغط الدم. ثم قاموا بتقسيم تلك الأوراق إلى قطع أصغر (فقرات) وقاموا بالتصفية مرة أخرى، لينتهي بهم المطاف بحوالي 50,000 فقرة ذات صلة.
من هذه المجموعة الضخمة، اختاروا مجموعة أصغر وأكثر قابلية للإدارة مكونة من 213 مقالاً لاختبار أدوات الذكاء الاصطناعي الخاصة بهم. حتى أنهم جعلوا خبراء بشريين يقرؤون هذه المقالات ويكتبون الأرقام الصحيحة لاستخدامها كـ "مفتاح للإجابة".
المسابقة: ثلاثة محققين مختلفين
نظم الباحثون سباقاً بين ثلاث طرق مختلفة لمعرفة أي منها يمكنه العث على الأرقام الصحيحة بشكل أفضل:
- المبتدئ التقليدي (DANN): هذا برنامج كمبيوتر تقليدي يحتاج إلى عرض بعض الأمثلة عليه (مثل "التعلم من أمثلة قليلة") قبل أن يتمكن من التخمين. إنه يشبه طالباً يتعين عليه دراسة بعض البطاقات التعليمية قبل خوض الاختبار.
- روبوت الدردشة الشهير (GPT-3.5): هذا ذكاء اصطناعي معروف بقدرته على الدردشة وكتابة القصص. طلب منه الباحثون مجرد قراءة النص وإيجاد الأرقام دون إعطائه أي تدريب خاص مسبق (وهذا ما يسمى "التعلم من الصفر").
- العملاق مفتوح المصدر (LLaMA3): هذا ذكاء اصطنا آخر قوي، مشابه لروبوت الدردشة ولكنه مبني من قبل مجموعة مختلفة. ومثل روبوت الدردشة، طُلب منه أيضاً القيام بالمهمة دون أي تدريب خاص، فقط باستخدام معرفته العامة.
النتائج: من فاز بالسباق؟
كانت النتائج واضحة تماماً. فقد عانى "المبتدئ التقليدي" (DANN) بشدة، حيث حصل على حوالي 30% فقط من الإجابات الصحيحة. كان الأمر أشبه بطالب يخمن عشوائياً في اختبار.
أدى "روبوت الدردلة الشهير" (GPT-3.5) أداءً أفضل، حيث حصل على حوالي 67% من الإجابات الصحيحة. لقد كان أداءً متوسطاً جيداً، لكنه كان يفقد أحياناً أشياء كان ينبغي له العثود عليها.
وكان الفائز هو "العملاق مفتوح المصدر" (LLaMA3). فقد سجل درجة مبهرة بلغت 0.85 (أو 85%) على مقياس الدقة. لقد كان المحقق الأكثر موثوقية، حيث وجد الأرقام الصحيحة للرجال والنساء بدقة عالية ونادراً ما فاته أي دليل. وجد الباحثون أن هذا الذكاء الاصطناعي كان متسقاً للغاية لدرجة أن درجاته لم تتذبذب كثيراً عند تشغيل الاختبار عدة مرات.
ماذا وجدوا في الكنز؟
بمجرد أن نجح الذكاء الاصطناعي الفائز (LLaMA3) في استخراج الأرقام من الأوراق، نظر الباحثون في الأنماط. لقد أنشأوا خرائط ملونة (تسمى الخرائط الحرارية والرسوم البيانية الكنتورية) لتصور البيانات. أظهرت هذه الخرائط أن، بشكل عام، يميل الذكور إلى امتلاك قيم ضغط دم أعلى من الإناث.
هذا ليس اكتشافاً صادماً في حد ذاته، فقد ألمحت دراسات سابقة إلى ذلك، ولكن الجزء المذهل هو كيفية عثورهم عليه. لم يطلبوا من إنسان قراءة آلاف الأوراق؛ بل استخدموا ذكاءً اصطناعياً للقيام بذلك تلقائياً. وهذا يشير إلى أنه يمكننا استخدام هذه الروبوتات القوية لمسح التاريخ الكامل للأدبيات الطبية لمعرفة كيف تسير الأمور فعلياً لمجموعات مختلفة من الناس، بدلاً من الاعتماد على قواعد قديمة وعامة.
الخلاصة
تخلص الدراسة إلى أن روبوتات الذكاء الاصطنا هذه جاهزة لدخول الدوريات الكبرى. يمكنها قراءة الأدبيات العلمية، وفصل البيانات حسب الجنس، وإعطاؤنا صورة أوضح لاتجاهات ضغط الدم مما يمكننا الحصول عليه بمجرد التخمين أو استخدام الطرق القديمة. وبينما يعترف الباحثون بأنهم نظروا فقط إلى الجنس ولم يتحققوا من عوامل أخرى مثل العمر أو العرق في هذه التجربة المحددة، إلا أن الطريقة ناجحة. إنه يشبه امتلاك أداة يمكنها أخيراً قراءة التفاصيل الدقيقة في مليون عقد لتخبرك ما إذا كانت القواعد عادلة للجميع، وليس فقط للأشخاص الذين كُتبت القواعد من أجلهم في الأصل.
تشير الورقة البحثية إلى أنه من خلال استخدام هذه الأدوات، قد نتمكن في النهاية من إنشاء إرشادات صحية أكثر تخصيصاً ودقة تناسب البشر الحقيقيين، بدلاً من إجبار الجميع على وضع قالب لا يناسبهم تماماً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.