A Non-Destructive Methodological Framework for Modernizing Legacy Clinical Reporting Systems for AI-Driven Pharmacoinformatics: A SAS Case Study
تقدم هذه الورقة إطار عمل منهجياً غير تدميري يعمل على تحديث أنظمة التقارير السريرية القديمة المعتمدة على نظام SAS لتصبح جاهزة للمعلوماتية الدوائية المدفوعة بالذكاء الاصطناعي، وذلك عبر تغليف الكود الحالي بطبقة بيانات وصفية (metadata) لتوليد مخرجات قابلة للقراءة آلياً، مما يحقق تكافؤاً عالياً في التحقق من الصحة واختزالاً كبيراً في الكود دون تعديل المصدر الأصلي.
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 أن هناك شركة أدوية تمتلك مكتبة ضخمة وقديمة من أدلة التعليمات. تخبر هذه الأدلة الحاسوب بالضبط كيفية حساب بيانات سلامة الأدوية وإنشاء التقارات الرسمية اللازمة للحصول على موافقات حكومية لإنتاج أدوية جديدة.
المشكلة: مكتبة "الصندوق المغلق"
لعقود من الزمن، كانت هذه الأدلة (المكتوبة بلغة تسمى SAS) تعمل بشكل مثالي. وهي "موثقة"، مما يعني أن الحكومة تثق بها تماماً. ومع ذلك، فهي تعاني من عيب رئيسي: فهي لا تنتج سوى التقرير النهائي في شكل مستند جميل مطبوع (مثل ملف PDF أو ملف Word).
إذا أردت أن تطلب من ذكاء اصطناعي حديث (مثل روبوت ذكي) قراءة هذه التقارير، أو إيجاد أنماط فيها، أو المساعدة في كتابة تقارير جديدة، فسيكون الذكاء الاصطناعي عالقاً. لا يمكنه "قراءة" المستند الجميل؛ بل يمكنه فقط رؤية الحبر على الصفحة. ولإخراج البيانات، يتعين على البشر إعادة كتابة كل شيء يدوياً أو محاولة تخمين ما تعنيه الأرقام. وهذا أمر بطيء، وممل، وعرضة للخطأ البشري.
تواجه الشركة خياراً صعباً:
- هدم كل شيء: رمي جميع الأدلة القديمة الموثوقة وكتابة أدلة جديدة تماماً من الصفر. وهذا أمر محفوف بالمخاطر لأن ارتكاب خطأ صغير في النسخة الجديدة قد يؤدي إلى رفض الحكومة لطلب اعتماد الدواء.
- ترك الأمر كما هو: الإبقاء على النظام القديم، ولكن في هذه الحالة لن تتمكن من استخدام الذكاء الاصطناعي، وسيبقى تطوير الأدوية لديك بطيئاً.
الحل: إطار عمل "الخزانة الزجاجية"
يقترح هذا البحث خياراً ثالثاً ذكياً: لا تلمس الأدلة القديمة على الإطلاق. بدلاً من ذلك، ابنِ "خزانة زجاجية" ذكية حولها.
إليك كيف يعمل إطار العمل، باستخدام تشبيهات بسيطة:
1. المترجم (خريطة الجسر)
تخيل أن الأدلة القديمة مكتوبة بشفرة سرية. يقوم إطار العمل ببناء "مترجم" (يسمى خريطة الجسر - Bridge Map) يوضع مباشرة أمام النظام القديم. عندما يعمل النظام القديم، لا يقوم المترجم بتغيير الشفرة؛ بل يكتفي بمراقبة ما يخرج منها. يقول المترجم: "حسناً، لقد حسب النظام القديم للتو أن 50 مريضاً عانوا من صداع. سأقوم بتدوين ذلك في قائمة رقمية واضحة يمكن للحاسوب قراءتها".
2. التنسيق العالمي (التمثيل الوسيط)
عادة ما يخرج النظام القديم تقريراً منسقاً بشكل فوضوي. يقوم إطار العمل بالتقاط هذا المخرج وتحويله فوراً إلى تنسيق رقمي منظم يسمى التمثيل الوسيط (Intermediate Representation - IR).
فكر في هذا الأمر كأنك تأخذ وصفة مكتوبة بخط اليد (التقرير القديم) وتحولها إلى مدخل قاعدة بيانات منظم.
- الطريقة القديمة: "53 شخصاً (61.6%) كانوا من الإناث." (من الصعب على الروبوت تحليلها).
- الطريقة الجديدة:
العدد: 53،النسبة المئوية: 61.6%،النوع: أنثى. (سهل جداً للروبوت لفهمه).
يحدث هذا دون تغيير الوصفة الأصلية. النظام القديم يقوم بعملية الطهي؛ وإطار العمل يقوم فقط بتنظيم المكونات في صندوق مرتب.
3. المساعد الذكي (الجاهزية للذكاء الاصطناعي)
الآن بعد أن أصبحت البيانات في هذا الصندوق الرقمي النظيف، يمكن للذكاء الاصطناعي أخيراً القيام بعمله. اختبرت الورقة ذلك من خلال سؤال ذكاء اصطناعي للقيام بـ:
- التلخيص: "أخبرني بالنتائج الرئيسية المتعلقة بأعمار المرضى." استطاع الذكاء الاصطناعي قراءة الصندوق الرقمي فوراً وكتابة ملخص.
- رصد الأخطاء: "هل هناك شيء غريب هنا؟" لاحظ الذكاء الاصطناعي أنه مع زيادة جرعة الدواء، تزداد الآثار الجانبية، وهو أمر منطقي، ولكنه رصد أيضاً انخفاضاً غريباً في معدلات الإسهال قد يكون البشر قد أغفلوا ملاحظته.
- التخطيط المسبق: "إليك قاعدة لدراسة جديدة؛ اكتب ملف الإعداد الخاص بها." استطاع الذكاء الاصطناعي قراءة القاعدة وتوليد ملف التكوين الرقمي الصحيح.
4. خيار "إعادة التنفيذ" (الدمج)
تذكر الورقة أيضاً ميزة إضافية. بمجرد أن تصبح الشركة مرتاحة لاستخدام "الخزانة الزجاجية"، يمكنها اختيارياً البدء في استبدال الأدلة القديمة الفوضوية بأخرى جديدة وأكثر نظافة، واحداً تلو الآخر.
- النتيجة: تمكنوا من تقليص مكتبة الأكواد الخاصة بهم بنسبة 92% (من 558 ملفاً معقداً إلى 158 ملفاً بسيطاً) عن طريق إزالة التكرارات وتنظيف المنطق البرمجي.
- العقبة: لم يكن عليهم القيام بذلك لكي يعمل الذكاء الاصطناعي. لقد عمل الذكاء الاصطناعي من اليوم الأول بمجرد تغليف النظام القديم.
الإثبات: هل نجح الأمر؟
اختبر الباحثون هذا على مكتبة صناعية ضخمة وحقيقية (373,000 سطر من الكود).
- اختبار العالم الحقيقي: قاموا بتشغيل 14 نوعاً مختلفاً من تقارير الأدوية. في 11 منها، طابق النظام الجديد نتائج النظام القديم تماماً (أو ضمن هامش خطأ ضئيل ومقبول). أما الحالات الثلاث التي لم تتطابق تماماً، فقد كانت بسبب اختلاف التنسيق فقط، وليس بسبب خطأ في الحسابات.
- الاختبار العام: اختبروا النظام على مجموعة بيانات عامة ومعيارية. حقق النظام الجديد نتيجة 100% مثالية في جميع التقارير الخمسة، حيث طابق كل رقم بدقة.
الخلا الخلاصة
هذا الإطار يشبه وضع لوحة قيادة حديثة وعالية التقنية فوق سيارة كلاسيكية قديمة. لست بحاجة لإعادة بناء المحرك (وهو أمر مكلف ومحفوف بالمخاطر). أنت فقط تضيف طبقة تترجم قوة المحرك إلى تنسيق يمكن للأدوات الحديثة استخدامه.
هذا يسمح لشركات الأدوية بالبدء في استخدام الذكاء الاصطناعي فوراً لتسريع اكتشاف الأدوية، دون الحاجة إلى التخلص من الأنظمة الموثوقة والمعتمدة حكومياً والتي اعتمدوا عليها لعقود. إنه تحديث "غير تدميري": يظل النظام القديم آمناً وسليماً، بينما تفتح الطبقة الجديدة آفاق إمكاناته.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.