Knowledge Graph Augmented Large Language Models for Disease Prediction
تقترح هذه الورقة إطار عمل لتسلسل الأفكار موجهاً بالرسم البياني للمعرفة، يقوم بضبط نماذج لغوية كبيرة خفيفة الوزن على السجلات الصحية الإلكترونية لتحقيق تنبؤ قوي بالأمراض مفضل سريرياً وأداء نقل صفري القدرة مع مبررات واضحة ومتسقة زمنياً.
المؤلفون الأصليون:Ruiyu Wang, Tuan Vinh, Ran Xu, Yuyin Zhou, Jiaying Lu, Francisco Pasquel, Mohammed K Ali, Carl Yang
تخيل أنك محقق يحاول حل لغز، ولكن بدلاً من مسرح جريمة، أنت تنظر إلى التاريخ الطبي لمريض. هذا التاريخ هو عبارة عن كومة ضخمة وفوضوية من الملاحظات، والرموز، ونتائج المختبرات تسمى السجلات الصحية الإلكترونية (EHRs). لفترة طويلة، كانت الحواسيب جيدة في النظر إلى هذه الكومات والقول: "هناك احتمال بنسبة 70% أن يمرض هذا المريض". لكنها كانت سيئة جداً في شرح "لماذا". كان الأمر أشبه بمحقق يشير إلى مشتبه به ويقول: "أنا أعرف فقط"، دون أن يظهر دليلاً واحداً. وهذا أمر محبط للأطباء الحقيقيين، الذين يحتاجون لفهم المنطق لاتخاذ قرارات تتعلق بالحياة أو الموت.
مؤخراً، وصل نوع جديد من الأدمغة الحاسوبية يسمى "النماذج اللغوية الكبيرة" (LLM). هذه النماذج تشبه الطلاب الأذكياء جداً الذين يمكنهم قراءة كل شيء تقريباً وكتابة القصص. يمكنهم شرح تفكيرهم خطوة بخطوة، وهي عملية تسمى "سلسلة الأفكار" (Chain-of-Thought). ومع ذلك، فإن هؤلاء الطلاب قد يختلقون أحياناً أموراً من خيالهم أو يصابون بالارتباك، خاصة عند التعامل مع حقائق طبية جادة. ولإصلاح ذلك، يحاول العلماء تعليم هؤلاء الطلاب من الذكاء الاصطناዊ أن يستخدموا موسوعة ضخمة ومكتوبة مسبقاً من الحقائق الطبية تسمى "الرسم البياني للمعرفة" (Knowledge Graph). فكر في الرسم البياني للمعرفة كخريطة توضح بالضبط كيف ترتبط الأمراض والجينات والأدوية ببعضها البعض. السؤال الكبير هو: هل يمكننا تعليم ذكاء اصطناعي ذكي استخدام هذه الخريطة ليشرح توقعاته الطبية بوضوح وصحة، حتى عندما لا يكون قد رأى ملايين الأمثلة؟
تقدم هذه الورقة طريقة جديدة وذكية للإجابة بـ "نعم". فقد بنى الباحثون نظاماً يعمل كمعلم صارم ولكن متعاون لطالب الذكاء الاصطناعي. فبدلاً من ترك الذكاء الاصطناعي يخمن بحرية، يستخدمون أولاً خريطة طبية ضخمة (PrimeKG) لإيجتداد الأدلة المحددة التي تربط أعراض المريض الحالية بمرض مستقبلي. ثم يطلبون من الذكاء الاصطناعي كتابة قصة تشرح التوقع، لكنهم يجبرونه على اتباع المسار الموجود في الخريطة. إذا لم تتطابق قصة الذكاء الاصطناعي مع الحقائق الطبية الفعلية أو منطق الخريطة، يقوم النظام برمي تلك القصة ويحاول مرة أخرى. هذه العملية تخلق مكتبة صغيرة وعالية الجودة من الأمثلة المثالية.
اختبر الفريق هذه الطريقة على مجموعة بيانات من سجلات المستشفيات تسمى MIMIC-III، مع التركيز على التنبؤ بعشرة أمراض مختلفة. لقد علموا نموذجين خفيفين من الذكاء الاصطناعي (LLaMA-3.1 و Gemma) باستخدام كميات ضئيلة فقط من البيانات—مجرد 400 أو 1,000 زيارة للمرضى. كانت النتائج مفاجئة: أدت هذه النماذج الصغيرة والمعلّمة بعناية أداءً تنافسياً مع، وفي بعض الحالات تفوق قليلاً على، البرامج الحاسوبية التقليدية الثقيلة. حققت هذه النماذج درجة (AUROC) بين 0.66 و 0.70 و (macro-AUPR) بين 0.40 و 0.47، وهي نتيجة قوية لمثل هذه الكمية الصغيرة من بيانات التدريب، حيث تضاهي أو تتجاوز النماذج الكلاسيكية القوية مثل XGBoost و Random Forest في مقاييس معينة. والأكثر إثارة للإعجاب هو أنهم عندما أخذوا هذه النماذج واختبروها على مجموعة مختلفة تماماً من المرضى (مجموعة CRADLE) دون أي تدريب إضافي، قفزت دقة النماذج من حوالي 0.40–0.51 إلى 0.72–0.77. هذا يشير إلى أن النماذج تعلمت طريقة عامة للتفكير في المرض، وليس مجرد حفظ الحقائق.
أخيراً، طلب الباحثون من أطباء حقيقيين مراجعة تفسيرات الذكاء الاصطناعي. في اختبار أعمى، فضل الأطباء بشكل ساحق التفسيرات التي أنتجها الذكاء الاصطناعي "الموجه بالخريطة". وجدوا أن هذه التفسيرات كانت أكثر وضوحاً، وأكثر صلة، وسليمة طبياً. لاحظ الأطباء أن الذكاء الاصطناعي توقف عن التخمينات العشوائية وبدأ في تنظيم الأدلة منطقياً، تماماً كما يفعل الممارس السريري الحقيقي. تشير الورقة إلى أنه من خلال ربط استدلال الذكاء الاصطناعي بخريطة طبية صلبة، يمكننا إنشاء أدوات لا تتنبأ بالأمراض فحسب، بل تشرح أيضاً منطقها بطريقة يمكن للأطباء الوثوق بها واستخدامها.
تحتوي السجلات الصحية الإلكترونية (EHRs) على بيانات طولية مناسبة للتنبؤ السريري، ومع ذلك، غالبًا ما تفشل النماذج الحالية في تقديم استدلال على مستوى المريض يكون قابلًا للتنفيذ من قبل الأطباء. توفر النماذج الكلاسيكية (مثل الانحدار اللوجستي، أو مجموعات الأشجار) المتانة والتفسير العالمي، لكنها عادةً ما تقدم تفسيرات عامة لاحقة (مثل درجات أهمية الميزات) تفتقر إلى السرد التدريجي المطلوب لاتخاذ قرارات سريرية محددة. وفي المقابل، بينما يمكن للنماذج اللغوية الكبيرة (LLMs) توليد سرد "سلسلة التفكير" (Chain-of-Thought - CoT)، فإن تطبيقها غير المقيد في الطب يعوقه ندرة مجموعات البيانات عالية الجودة والمحققة سريريًا، وخطر حدء خطوات وسيطة هلوسة أو غير صحيحة طبيًا. التحدي الأساسي هو تمكين النماذج اللغوية الكبيرة من إجراء تنبؤ بالأمراض على مستوى الزيارة بدقة، مع توليد تفسيرات مستندة واقعيًا إلى المعرفة الطبية الحيوية ومتسقة زمنيًا مع التاريخ المرضي للمريض.
المنهجية
يقترح المؤلفون إطار عمل "سلسلة التفكير الموجهة بالرسم البياني للمعرفة" (KG-guided CoT) المصمم لدعم استدلال النماذج اللغوية الكبيرة باستخدام هيكل PrimeKG، وهو رسم بياني معرفي طبي حيوي واسع النطاق. يتكون خط الإنتاج من أربع مراحل رئيسية:
يتم محاذاة أكواد ICD-9 من مجموعة بيانات MIMIC-III مع عقد PrimeKG عبر إجراء ثلاث مراحل:
المطابقة التامة: المطابقة المباشرة بين أوصاف ICD-9 وتسميات عقد الرسم البياني للمعرفة.
مطابقة التشابه: الاسترجاع القائم على التضمين (تشابه جيب التمام > 0.85) للمطابقات غير التامة.
تصفية النموذج اللغوي الكبير: يقوم نموذج GPT-4o بالتحقق من عمليات الربط المؤقتة أو مراجعتها لضمان الصحة السريرية.
تنتج هذه العملية 1,513 عقدة ميزة مرتبطة و10 عقد أمراض مرتبطة.
استخراج المسارات والصلة بالرسم البياني للمعرفة:
لكل مرض مستهدف، يحدد النظام مجموعة مدمجة من عقد الميزات ذات الصلة (Rd) باستخدام GPT-4o.
مسارات الاستدلال: يتم استخراج أقصر المسارات (المحدودة بـ L=5 قفزات) بين عقد الميزات ذات الصلة وعقدة المرض المستهدف داخل PrimeKG.
اختيار المسارات: يقوم GPT-4o بتصفية هذه المسارات للاحتفاظ فقط بالمسارات ذات الصلة سريريًا والمنطقية ميكانيكيًا، مما يؤدي إلى تقليص السلاسل الزائفة.
توليد سلسلة التفكير (CoT) والتصفية:
يتم توجيه النموذج اللغوي الكبير لتوليد تفسيرات سلسلة التفكير (Ct,d) لزيارة معينة t، مع دمج ميزات ICD-9 المرصودة، ومجموعة الصلة الخاصة بالمرض، ومسارات الرسم البياني للمعرفة المستخرجة.
تصفية اتساق الملصقات: يتم الاحتفاظ بآثار سلسلة التفكير المولدة فقط إذا تطابقت النتيجة الثنائية الصريحة (y^) المستمدة من الاستدلال مع النتيجة الفعلية (y). وهذا يخلق مجموعة إشراف عالية الجودة ومستندة إلى الرسم البياني للمعرفة.
الضبط الدقيق للنموذج (Fine-Tuning):
يتم الضبط الدقيق لنماذج مفتوحة الأوزان خفيفة الوزن (LLaMA-3.1-Instruct-8B و Gemma-7B) على هذه المجموعة المنقحة.
عند الاستدلال، تأخذ هذه النماذج ميزات ICD-9 وأدلة الرسم البياني للمعرفة الخاصة بالمرض كمدخلات لإنتاج كل من التنبؤ بالمرض وسرد استدلال بأسلوب الطبيب.
المساهمات الرئيسية
إطار عمل سلسلة التفكير الموجه بالرسم البياني للمعرفة: طريقة مبتكرة تدمج هيكل المعرفة الطبية الحيوية مباشرة في عملية توليد سلسلة التفكير، مما يتجاوز التفسيرات الحرة غير المقيدة إلى استدلال مستند إلى المعرفة.
الإشراف عالي الكفاءة في البيانات: يسمح بناء مجموعة إشراف مدمجة وعالية الجودة عبر تصفية اتساق الملصقات للنماذج اللغوية الكبيرة الصغيرة (8 مليار معلمة) بتعلم الاستدلال التنبئي ببيانات محدودة (400-1,000 عينة).
النقل الصفري (Zero-Shot Transfer): يظهر الإطار القدرة على نقل أنماط الاستدلال المتعلمة إلى مجموعة بيانات مختلفة (CRADLE) دون إعادة تدريب، مع الحفاظ على دقة عالية في التنبؤ بالأحداث القلبية الوعائية بعد تشخيص مرض السكري.
التقييم المتمحور حول الطبيب: تؤكد دراسة بشرية معماة أن التفسيرات الموجهة بالرسم البياني للمعرفة مفضلة على النماذج المرجعية من حيث الوضوح، والصلة، والصحة السريرية.
النتائج التجريبية
تم تقييم الإطار على مجموعة بيانات MIMIC-III (10 أمراض مرتبطة بـ PrimeKG) ومجموعة CRADLE (مرض السكري من النوع الثاني إلى الأحداث القلبية الوعائية).
الأداء على MIMIC-III:
في سيناريوهات البيانات المنخفضة (400 و1,000 زيارة فهرسية)، أدى الضبط الدقيق لسلسلة التفكير الموجهة بالرسم البياني للمعرفة إلى تحسين أداء LLaMA-3.1-8B و Gemma-7B، محققًا نتائج تنافس أو تتفوق على النماذج الكلاسيكية القوية (XGBoost، Random Forest، Logistic Regression).
LLaMA-3.1 (1,000 عينة): حقق AUROC قدره 0.6995 و macro-AUPR قدره 0.4685، متفوقًا قليلاً على أفضل نموذج كلاسيكي مرجعي (Logistic Regression: AUROC 0.6874, AUPR 0.4178; XGBoost: AUROC 0.6799).
Gemma-7B: أظهر تحسينات مماثلة، حيث ارتفع macro-AUPR من 0.25 (الأصلي) إلى 0.4363 (بعد ضبط سلسلة التفكير الموجهة بالرسم البياني)، رغم أن AUROC الخاص به (0.6609) ظل أقل قليلاً من أفضل النماذج الكلاسيكية المرجعية.
دراسة الاستبعاد (Ablation): أدى إزالة توجيه الرسم البياني للمعرفة أو التصفية إلى تقليل الأداء، مما يؤكد أن كل من التأسيس الهيكلي وتصفية اتساق الملصقات أمر بالغ الأهمية.
النقل الصفري إلى CRADLE:
تم تطبيق النماذج التي تم ضبطها دقيقًا على MIMIC-III على CRADLE دون إعادة تدريب.
تحسنت الدقة من 0.40–0.51 (غير مضبوطة) إلى 0.72–0.77 (مضبوطة بسلسلة التفكير الموجهة بالرسم البياني).
بينما شهدت قيم AUROC و AUPR مكاسب متواضلة، فإن القفزة الكبيرة في الدقة تشير إلى أن النماذج تعلمت حدود قرار أكثر متانة وتعميمًا عبر المجموعات المختلفة.
التقييم البشري:
في دراسة معماة شملت 115 حالة، فضل الأطباء النموذج الموجه بالرسم البياني للمعرفة على النموذج غير المضبط في 96.5% من الحالات من حيث الوضوح/التماسك، و 94.8% من حيث التغطية/الصلة، و 98.3% من حيث الصحة/السلامة.
لاحظ الأطباء أن آثار سلسلة التفكير الموجهة بالرسم البياني كانت أكثر تنظيمًا من الناحية الزمنية، وسلطت الضوء على عوامل الخطر ذات المعنى، وتجنبت القفزات غير المدعومة.
الأهمية والادعاءات
يدعي البحث أن الإشراف بسلسلة التفكير المرتبطة بالرسم البياني للمعرفة يمكّن النماذج اللغوية الكبيرة الصغيرة ذات الأوزان المفتوحة من تعلم استدلال تنبئي فعال في البيانات ومستند إلى المعرفة السريرية. تكمن الأهمية في سد الفجوة بين التنبؤ الدقيق والتبرير القابل للتفسير:
الموثوقية: من خلال ترسيخ الاستدلال في PrimeKG والتصفية لاتساق الملصقات، يقلل النظام من الهلوسة ويضمن المعقولية الطبية.
القدرة على التعميم: تنتقل أنماط الاستدلة المتعلمة بفعالية إلى مجموعات خارج النطاق (CRADLE)، مما يشير إلى أن النماذج تلتقط الآليات الأساسية للمرض بدلاً من مج-رد سمات خاصة بمجموعة البيانات.
المنفعة السريرية: يوفر إطار العمل تفسيرات يجدها الأطباء أكثر وضوحًا وموثوقية، مما قد يسهل اعتماد النماذج اللغوية الكبيرة في أنظمة دعم القرار السريري حيث تعد الشفافية أمرًا بالغ الأهمية.
يشير المؤلفون بتواضع إلى أن النهج يعتمد على تغطية PrimeKG، وأن العمل المستقبلي يجب أن يستكشف رؤى أغنى للسجلات الصحية الإلكترونية (الملاحظات، المختبرات) وسياقات الزيارات المتعددة.