Trends in AI and Human-AI Interaction in Clinical Trials -- A Hybrid Human-AI Exploration

ملخص تقني: اتجاهات الذكاء الاصطناعي والتفاعل بين الإنسان والذكاء الاصطناي في التجارب السريرية – استكشاف هجين بين الإنسان والذكاء الاصطناعي

بيان المشكلة
أدى انتشار الذكاء الاصطناعي (AI) في الأبحاث السريرية إلى زيادة كبيرة في عدد التجارب المسجلة على منصات مثل ClinicalTrials.gov. ومع ذلك، فإن تحديد هذه التجارب ومقارنتها بشكل قوي يعوقه عدم اتساق ممارسات الإبلاغ. فغالباً ما تختلف سجلات السجلات بشكل كبير في كيفية وصفها لطرق الذكاء الاصطناعي، وتحديد دور المستخدمين البشر، وتوصيف بيانات المدخلات/المخرجات، وتوصيف السياق السريري. وبينما توجد إرشادات إبلاغ مثل SPIRIT-AI وCONSORT-AI لتحسين الشفافية، تشير الأدلة إلى أن الامتثال لا يزال غير مكتمل، مع عدم الإبلاغ المتكرر عن سمات مهمة لتدخلات الذكاء الاصطناعي. علاوة على ذلك، لا تزال أطر فهم التفاعل بين الإنسان والذكاء الاصطناعي في البيئات السريرية الواقعية غير متطورة، وقد تطور تعريف "الذكاء الاصطناعي" من الأنظمة الرمزية ليشمل التعلم الآلي، والتعلم العميق، والنماذج اللغوية الكبيرة (LLMs). تعالج هذه الدراسة تحدي توصيف الاتجاهات الزمنية للمصطلحات المتعلقة بالذكاء الاصطناعي والتوزيع الجغرافي، مع استكشاف جدوى سير عمل هجين بين الإنسان والذكاء الاصطناعي لفحص وتصنيف سجلات التجارب فيما يتعلق بالتفاعل بين الإنسان والذكاء الاصطناعي.

المنهجية
استخدمت الدراسة نهج فحص هجين يجمع بين الذكاء الاصطناعي التوليدي المتطور والمراجعة البشرية.

• مصدر البيانات: استعلم المؤلفون من مستودع ClinicalTrials.gov باستخدام سلسلة بحث شاملة تتكون من 16 مصطلحاً متعلقاً بالذكاء الاصطناعي (مثل "الذكاء الاصطناعي"، "التعلم الآلي"، "GPT"، "روبوت الدردشة"، "الشبكة العصبية"). تم حصر البحث في حقول "التدخل" (Intervention) مع الإبقاء على الدراسات الرصدية.
• نطاق البحث: غطى البحث التجارب التي كانت تواريخ تقديمها الأولى في أو قبل 1 أبريل 2026، واسترجع 5,828 سجلاً (حوالي 1% من إجمالي السجل).
• سير العمل الهجين:
  • مصنف الذكاء الاصطناعي: تم استخدام نموذج ذكاء اصطناعي توليدي متطور (GPT-5.5) لفحص وتصنيف السجلات. تم توجيه النموذج لتصنيف التجارب إلى فئات محددة مسبقاً فيما يتعلق باستخدام الذكاء الاصطناوي والتفاعل بين الإنسان والذكاء الاصطناعي، مع تقديم مستوى ثقة (عالي، متوسط، منخفض) وشرح قصير. استهلكت العملية أكثر من 10 ملايين رمز مدخل (input tokens) و3.2 مليون رمز مخرج (output tokens).
  • المصنف البشري: تم تصنيف عينة عشوائية ممثلة مكونة من 100 تجربة بشكل مستقل من قبل خبيرين بشريين حاصلين على درجة الماجستير أو أعلى في مجموعات البيانات السريرية. وقام محكم بشري ثالث بفض النزاعات. سُمح للبشر بالامتناع عن التصنيف إذا كانت الثقة منخفضة.
• مخطط التصنيف: تم تصنيف التجارب بناءً على:
  • استخدام الذكاء الاصطناعي: "لا يوجد استخدام للذكاء الاصطناعي" مقابل "استخدام الذكاء الاصطناعي".
  • نوع التفاعل: "لا يوجد تفاعل بين الإنسان والذكاء الاصطناعي"، "المريض-الذكاء الاصطناعي"، "مقدم الرعاية-الذكاء الاصطناعي"، "المهني الصحي-الذكاء الاصطناعي"، "إنسان آخر-الذكاء الاصطناعي"، و"الهجين-الذكاء الاصطناعي" (متعدد الفاعلين).

النتائج الرئيسية

• الاتجاهات الزمنية والمصطلحية: كشف التحليل عن زيادة ملحوذة في التجارب المتعلقة بالذكاء الاصطناعي خلال العقد الماضي. وبينما ركزت الإشارات المبكرة على "الأنظمة الخبيرة"، فقد حدث ارتفاع مستدام في مصطلحات "الذكاء الاصطناعي" و"AI" منذ عام 2016. وقد شهدت مصطلحات مثل "التعلم الآلي"، و"التعلم العميق"، و"النماذج اللغوية الكبيرة" (LLM)، و"روبوت الدردشة" نمواً كبيراً منذ عام 2017-2018، مع ارتفاع حاد لمصطلحات مثل "ChatGPT" و"GPT" بعد عام 2022. وفي المقابل، أظهرت مصطلحات مثل "الشبكة العصبية" و"معالجة اللغات الطبيعية" استقراراً أو تراجعاً.
• التوزيع الجغرافي: تستحوذ الصين والولايات المتحدة على أكبر أحجام التجارب المتعلقة بالذكاء الاصطناعي، حيث أظهرت الصين زيادة حادة منذ عام 2018، متجاوزة الولايات المتحدة في السنوات الأخيرة. تمتلك كلتا الدولتين حوالي أربعة أضعاف عدد تجارب الذكاء الاصطناعي مقارنة بالدولة التالية لها (إيطاليا). كما لوحظت زيادات أخيرة ملحوحة في إيطاليا، وفرنسا، وإسبانيا، والمملكة المتحدة، وتركيا.
• أداء الفحص الهجين:
  • تحديد استخدام الذكاء الاصطناعي: أظهر المصنفان البشري والذكاء الاصطناعي توافقاً قوياً في تحديد التجارب التي لا تستخدم الذكاء الاصطناعي بشكل جوهري (13 من أصل 14 اتفاقاً في العينة). أبلغ نموذج الذكاء الاصطناعي عن ثقة "عالية" لمعظم هذه الحالات، مع حالتين فقط من انخفاض الثقة اللتين تلازمتا مع عدم اليقين البشري.
  • تصنيف التفاعل: كان التوافق أقل عند تصنيف التفاعل بين الإنسان والذكاء الاصطناعي. من بين 100 تجربة، كان هناك 30 اختلافاً في التصنيف الإجمالي. وبينما تعلق 23 من هذه الاختلافات بما إذا كان التفاعل موجوداً أصلاً، إلا أن غالبية الخلافات وقعت بين "تفاعل المهني الصحي-الذكاء الاصطناعي" و"لا يوجد تفاعل بين الإنسان والذكاء الاصطناعي".
  • مصادر الخلاف: كان الغموض في الإبلاغ عن التجارب هو السبب الرئيسي لصعوبة التصنيف. شملت التحديات المحددة المصطلحات المتضاربة (على سبيل المثال، ذكر "التعلم العميق" بينما تم وصف "برمجيات مؤتمتة" فقط) ومكونات الذكاء الاصطناعي المدمجة داخل تدخلات أوسع (مثل التحكم في الصوت في الواقع الافتراضي) حيث كان الاستخدام الجوهري للذكاء الاصطناعي غير واضح.

الأهمية والادعاءات
يدعي البحث أن النهج الهجين بين الإنسان والذكاء الاصطناعي يمكن أن يكون بديلاً قابلاً للتطبيق لعمليات الفحص اليدوي المستهلكة للوقت في المراجعات المنهجية للتجارب السريرية. وتشير النتائج إلى أن نماذج اللغة الكبيرة المتطورة (تحديداً GPT-5.5) يمكنها تحديد وجود أو غياب الذكاء الاصطناعي في سجلات التجارب بثقة عالية. ومع ذلك، خلص المؤلفون بتواضع إلى أن تصنيف أنماط محددة من التفاعل بين الإنسان والذكاء الاصطناعي يظل أمراً صعباً بسبب التباين في الامتثال لمعايير الإبلاغ وعدم وجود متطلبات صريحة لتصنيف أنواع التفاعل في الإرشادات الحالية (CONSORT-AI/SPIRIT-AI).

تسلط الدراسة الضوء على أنه بينما يمكن للذكاء الاصطناعي المساعدة في التحديد الأولي والتصنيف العام للتجارب، فإن الحاجة إلى إبلاغ أوضح عن التجارب وتعاريف أكثر دقة لـ "التفاعل" - خاصة فيما يتعلق بمشاركة المهنيين الصحيين - ضرورية لتحسين موثوقية الفحص الآلي أو الهجين. كما أشار المؤلفون أيضاً إلى التكاليف البيئية والمالية لهذه النهج الحسابية، مع الإقرار بالبصمة الكربونية المرتبطة باستخدام الرموز (tokens) المطلوبة للتحليل. ويُقترح كعمل مستقبلي صقل تعريفات التفاعل واستكشاف مناهج معالجة اللغات الطبيعية البرمجية لمعالجة خلافات التصنيف.