Automated ICD Classification of Psychiatric Diagnoses: From Classical NLP to Large Language Models

ملخص تقني: التصنيف الآلي لتشخيصات الأمراض النفسية وفق نظام التصنيف الدولي للأمراض (ICD)

بيان المشكلة
يعد تصنيف التشخيصات النفسية إلى رموز التصنيف الدولي للأمراض (ICD) مهمة إدارية بالغة الأهمية ولكنها مجهدة من حيث الجهد اليدوي. وفي سياق الصحة العقلية، حيث غالبًا ما تحتوي الملاحظات السريرية على أوصاف ذاتية وإشارات دلالية ضمنية بدلاً من أسماء صريحة للاضطرابات، يصبح الترميز اليدوي عرضة لعدم الاتساق والخطأ. تعالج هذه الدراسة تحدي أتمتة ربط الأوصاف النفسية المكتوبة باللغة الإسبانية برموز (ICD) المعيارية. تم تأطير المهمة كمسألة تصنيف متعدد الملصقات فائق (extreme multi-label classification problem) تتميز بتوزيع "الذيل الطويل" (long-tail) للملصقات، حيث تهيمن مجموعة صغيرة من التشخيصات الشائعة على مجموعة البيانات، بينما تعاني الحالات النادرة من اختلال شديد في توازن الفئات.

المنهجية
استخدم البحث مجموعة بيانات متخصصة تضم 145,513 وصفاً تشخيصياً للصحة العقلية باللغة الإسبانية، تم تنقيحها إلى مجموعة فرعية مكونة من 78,048 مدخلاً مع تسميات حقيقية (ground truth) تم وضعها من قبل خبراء عبر 85 رمز (ICD) محدد. اتبعت المنهجية مساراً شاملاً لتقييم ثلاث طبقات متميزة من تمثيل النصوص والتصنيف:

1. نماذج تمثيل النصوص:

   • القائمة على التكرار: حقيبة الكلمات (BoW) الكلاسيكية وتكرار المصطلح - عكس تكرار المستند (TF-IDF).
   • التضمين/تقليل الأبعاد: تحليل الدلالات الكامنة (LSA)، وتخصيص ديريكليه الكامن (LDA)، و(Doc2Vec).
   • النماذج اللغوية الكبيرة (LLMs): التضمينات السياقية المستخرجة من نماذج متطورة تشمل (e5 large، وBioLORD، وLlama-3-8B، بالإضافة إلى متغيرات مختلفة من نماذج BERT الطبية الإسبانية (مثل roberta-base-biomedical-clinical-es).

2. استراتيجيات التصنيف:

   • تعلم الآلة: تم تطبيق مصنفات الغابة العشوائية (Random Forest) و(XGBoost) على مجموعات الميزات المختلفة.
   • التعلم العميق: تم تصميم مدرك متعدد الطبقات (MLP) بهندسة محسنة ديناميكياً (العمق، العرض، الإسقاط - dropout) للتعامل مع كل من البيانات المتفرقة عالية الأبعاد والتضمينات الكثيفة.
   • الضبط الدقيق الشامل (End-to-End Fine-Tuning): تم إجراء ضبط دقيق لنماذج لغوية كبيرة مختارة (تحديداً e5 large) مع رأس تصنيف مخصص للمهمة. استخدم هذا النهج استراتيجية المسح الخطي يليه الضبط الدقيق (LP-FT) مع معدلات تعلم منفصلة للهيكل الأساسي والرأس، جنباً إلى جنب مع تعديلات دالة الخسارة لمعالزة اختلال الفئات.

3. الإعداد التجريبي:
   استخدمت الدراسة تقسيم عشوائي طبقي صارم (70% للتدريب، 15% للتحقق، 15% للاختبار) للحفاظ على توزيع الاحتمال الهامشي للملصقات النادرة. تم إجراء تحسين المعلمات الفائقة باستخدام (Optuna) مع التحسين البايزي (TPE) لتعظيم مقياس (micro-F1).

النتائج الرئيسية
أسفر التقييم التجريبي، الذي تم قياسه أساساً بواسطة (micro-F1) (الموزون حسب التكرار) و(macro-F1) (المتوسط غير الموزون)، عن النتائج التالية:

• تفوق تضمينات المحولات (Transformer Embeddings): تفوقت النماذج التي تستخدم تضمينات المحولات باستمرار على الطرق الكلاسيكية القائمة على التكرار ونماذج المواضيع غير الخاضعة للإشراف. وتحديداً، حقق نموذج e5 large أعلى أداء بين مناهج التمثيل الثابت عند اقترانه بـ (XGBoost) (بدرجة F1micro ≈ 0.861).
• التآزر بين المصنفات: حددت الدراسة أزواجاً مثالية متميزة: أثبت (XGBoost) أنه الأكثر قوة للتضمينات السياقية الكثيفة، بينما أظهرت نماذج (MLP) فعالية فريدة للبيانات المتفرقة عالية الأبعاد (BoW/TF-IDF)، متفوقة على المجموعات الشجرية في تلك السياقات المحددة.
• تأثير الضبط الدقيق: أدى الانتقال من استخراج الميزات الثابتة إلى الضبط الدقيق النشط والشامل لنموذج e5 large إلى ذروة أداء الدراسة. حقق النموذج المضبوط دقة F1micro بلغت 0.866 وF1macro بلغت 0.804، مع دقة (precision micro) قدرها 0.910 واستدعاء (recall micro) قدره 0.826.
• تحدي "الذيل الطويل": رغم الأداء العام المرتفع، ظلت هناك فجوة كبيرة بين (micro-F1) و(macro-F1). وكشف التحليل أنه بينما تم تصنيف الفئات المتكررة باستقرار عالٍ، فإن الحالات النادرة (مثل F32.0، F65.0) غالباً ما سجلت دقة صفرية، مما يشير إلى أن الثراء الدلالي وحده لا يمكنه التعويض الكامل عن الندرة الشديدة في البيانات.

الأهمية والمساهمات
تزعم الورقة أن مساهمتها الأساسية تكمكمن في إثبات أن تكييف النماذج اللغوية الكبيرة مع المصطلحات السريرية المحددة أمر ضروري للتغلب على الغموض المتأصل في الخطاب النفسي. ومن خلال الاستفادة من مجموعة بيانات سريرية إسبانية ضخمة من الواقع، تؤكد الأبحاث أن التضمينات السياقية الخاصة بالمجال تلتقط الإشارات الدلالية الضمنية والمصطلحات الطبية الدقيقة بشكل أفضل بكثير من نهج مطابقة الكلمات المفتاحية التقليدي.

تسلط الدراسة الضوء على أنه بينما يمكن للأنظمة الآلية تقليل الأعباء الإدارية بشكل كبير وتحسين اتساق الترميز، إلا أنها تواجه حالياً حداً جوهرياً: فهي مُحسّنة للكفاءة الإدارية (التعامل مع الاضطرابات المتكررة) بدلاً من الشمولية السريرية للحالات النادرة. ويخلص المؤلفون إلى أن التطورات المستقبلية يجب أن تركز على تحسين القابلية للتفسير (عبر تصور الانتباه - attention visualization) ومعالجة ندرة البيانات للتشخيصات النادرة من خلال تقنيات مثل توليد البيانات الاصطناعية أو دوال الخسارة المتخصصة، بدلاً من الاعتماد فقط على توسيع نطاق النماذج.