تخيل أنك تحاول حل لغز، لكن الأدلة مبعثرة عبر مائة دفتر ملاحظات مختلف، كُتبت بفارق سنوات بينها بواسطة محققين مختلفين. بعض الأدلة واضحة، وبعضها مخفي في منتصف صفحة فوضوية، وبعض الأسئلة ببساطة لا يمكن الإجابة عليها لأن الدفاتر لا تحتوي على الإجابة. هذا هو الواقع اليومي للأطباء الذين يعالجون المرضى ذوي التاريخ الصحي المعقد وطويل الأمد. يتعين عليهم تذكر ما حدث في زيارة للمستشفى قبل خمس سنوات لفهم عرض مرضي اليوم، كل ذلك مع معرفة متى يقولون: "لا أعرف"، إذا كانت السجلات صامتة.

هنا يأتي دور النماذج اللغوية الكبيرة (LLMs)، وهي روبوتات الدردشة الذكية للغاية التي اشتهرت مؤخرًا بقدرتها على قراءة كتب كاملة والإجابة عن أسئلة حولها. يشعر العلماء بالحماس لرؤية ما إذا كان بإمكان هذه الأنواع من الذكاء الاصطناعي القيام بنفس الشيء للأطباء: قراءة قصة حياة المريض بأكملها، وربط النقاط بين الزيارات التي حدثت بفاصل سنوات، وتقديم مشورة طبية دقيقة. ولكن هناك عقبة؛ فمعظم اختبارات الذكاء الاصطناعي اليوم تشبه الاختبارات القصيرة المفاجئة: أسئلة بسيطة وقصيرة تعتمد على فقرة واحدة فقط. إنها لا تختبر ما إذا كان بإمكان الذكاء الاصطناعي التعامل مع "ماراثون طبي" حقيقي حيث قد تكون الإجابة مدفونة في محادثة من قبل ثلاث سنوات، أو ما إذا كان الذكاء الاصطناعي يعرف متى يعترف بأنه عاجز.

هذا هو المكان الذي يأتي فيه اختبار جديد يسمى MedLoCoMo. فقد بنى الباحثون اختبارًا ضخمًا وتحديًا مصممًا خصيصًا لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي التعامل مع الواقع الطبي الطويل والمعقد. لم يكتفوا بجعل الذكاء الاصطناعي يقرأ ملاحظة قصيرة؛ بل غدّوه بما يعادل رواية مكونة من 74,000 كلمة لكل مريض، تغطي عشرات الزيارات للمستشفى على مدار عدة سنوات. وكانت النتائج بمثابة "واقع صادم". فبينما كانت نماذج الذكاء الاصطناعي بارعة في الإجابة على أسئلة تتعلق بزيارة واحدة، إلا أنها عانت بشكل كبير عندما توجب عليها ربط النقاط بين الزيارات المختلفة. حتى أكثر النماذج ذكاءً، وتلك التي تمتلك تدريبًا طبيًا خاصًا، وجدت صعوبة في تذكر "الأدلة القديمة" اللازمة لحل "اللغز الجديد". وتشير الدراسة إلى أن مجرد جعل الذكاء الاصطناعي أكثر ذكاءً أو منحه ذاكرة أكبر ليس كافيًا بعد؛ فهو لا يزال بحاجة إلى تعلم كيفية ربط ماضي المريض بحاضره حقًا دون أن يتوه في التفاصيل.

قصة MedLoCoMo: اختبار الذاكرة الطبية

فكر في التاريخ الطبي للمريض ليس كمذكرات فردية، بل كمسلسل تلفزيوني ضخم متعدد المواسم. في كل مرة يذهب فيها المريض إلى المستشفى، يكون هناك "موسم" جديد مليء بالحلقات الجديدة (زيارات الأطباء)، والتحولات في الحبكة (التشخيصات)، وتطور الشخصيات (تغير الحالات الصحية). لفهم الحلقة الحالية، غالبًا ما تحتاج إلى تذكر ما حدث في الموسم الأول، أو الثالث، أو حتى الخامس.

أراد الباحثون وراء MedLoCoMo (والذي يرمز إلى الذاكرة الطويلة المدى الطبية - Medical Long-Context Memory) معرفة ما إذا كان بإمكان الذكاء الاصطناعي أن يكون "المعجب الشغوف" لهذه المسلسلات الطبية. لقد بنوا معيارًا — وهو اختبار معياري — باستخدام بيانات حقيقية ومجهولة المصدر من قاعدة بيانات MIMIC-IV. لم يجمعوا ملاحظات عشوائية فحسب؛ بل صاغوا بعناية 100 خط زمني فريد للمرضى. كل خط زمني هو عبارة عن محادثة طويلة يبلغ متوسط عدد تبادلاتها (الذهاب والإياب) 1,669.8 دورة، وتمتد عبر 29.7 جلسة (زيارات المستشفى)، وتحتوي على رقم هائل يصل إلى 74,512.2 توكن (وحدات نصية) لكل محادثة. بعض هذه القصص طويلة جدًا لدرجة أنها تمتد لأكثر من 150,000 توكن!

أنواع التحديات الثلاثة

لجعل الاختبار عادلاً وشاملًا، أنشأ الباحثون ثلاثة أنواع مختلفة من الأسئلة، مثل المستويات في ألعاب الفيديو:

1. تحدي "الموسم الواحد": تطرح هذه الأسئلة حول شيء حدث خلال زيارة مستشفى واحدة فقط. الأمر يشبه سؤال: "ماذا قال الطبيب في الحلقة 5 من الموسم 2؟" هذا يختبر ما إذا كان بإمكان الذكاء الاصطناعي العثور على حقيقة محددة في وثيقة طويلة.
2. تحدي "المواسم المتعددة": هذه هي الأسئلة الصعبة. فهي تطلب من الذكاء الاصطناعي ربط النقاط عبر زيارات مختلفة. على سبيل المثال: "كان المريض يعاني من مشكلة في القلب في عام 2014 ومشكلة في الرئة في عام 2016؛ كيف ترتبط هذه المشكلات بضيق التنفس الحالي لديه؟" هذا يختبر ما إذا كان بإمكان الذكاء الاصطناعي تذكر الماضي وربطه بالحاضر.
3. تحدي "السؤال الخادع": أحيانًا يبدو السؤال وكأن له إجابة، لكن السجلات الطبية لا تحتوي في الواقع على تلك المعلومة. هذه هي الأسئلة "العدائية". يجب أن يعرف الذكاء الاصطناعي الجيد متى يقول: "لا أعرف"، بدلًا من اختلاق إجابة وهمية. وهذا ما يسمى "الامتناع" (Abstention).

ما أصاب وما أخطأ فيه الذكاء الاصطناعي

اختبر الباحثون العديد من نماذج الذكاء الاصطناعي، بما في ذلك النماذج العامة (مثل GPT-5.1 و Qwen) وتلك المدربة خصيصًا على البيانات الطبية (مثل MedGemma). وإليكم ما وجدوه:

• الخبير "المحلي": عندما كانت الأسئلة تتعلق بزيارة مستشفى واحدة، كان أداء الذكاء الاصطناعي جيدًا نوعًا ما. كان بإمكانه العثاد على الحقائق الصحيحة في "الموسم الحالي" من القصة.
• الصراع مع "المدى الطويل": بمجرد أن تتطلب الأسئلة ربط المعلومات عبر زيارات متعددة (عبر حالات الدخول)، انخفض أداء الذكاء الاصطناعي بشكل كبير. حتى أكبر النماذج وأكثرها ذكاءً عانت لربط الماضي بالحاضر. يبدو الأمر كما لو أن الذكاء الاصطناعي يمكنه تذكر حبكة الحلقة الحالية ولكنه نسي الخلفية الكاملة للمسلسل.
• التخصص لم ينقذ الموقف: قد تعتقد أن النموذج المدرب خصيصًا على الكتب الطوية سيكون أفضل في هذا الأمر. ومن المثير للدهشة أن النماذج المتخصصة طبياً لم تتفوق باستمرار على النماذج العامة؛ فقد كانت عرضة للضياع في الخطوط الزمنية الطويلة بنفس القدر.
• عامل "لا أعرف": بعض النماذج كانت جيدة جدًا في قول "لا أعرف" عندما لا تكون الإجابة موجودة في السجلات. وهذا أمر جيد! لكن الباحثين لاحظوا أنه يمكن للنموذج الحصول على درجة عالية بمجرد قول "لا أعرف" لكل شيء، حتى لو لم يكن قادرًا فعليًا على الإجابة على الأسئلة التي يعرفها. لذلك، نظروا في كل من معدل "الامتناع" وجودة الإجابة الفعلية.

تجربة الذاكرة

نظرًا لأن القصص كانت طويلة جدًا، اختبر الباحثون أيضًا ما إذا كان منح الذكاء الاصطناعي "ذاكرة خارجية" (مثل دفتر ملاحظات يمكنه الكتابة فيه والرجوع إليه لاحقًا) سيساعد. لقد جربوا أدوات ذاكرة مختلفة، مثل محرك بحث بسيط (BM25) وأنظمة ذاكرة أكثر تعقيدًا.

كانت النتائج مختلطة. ساعدت أدوات الذاكرة الذكاء الاصطناعي على قول "لا أعرف" بدقة أكبر عندما كانت الإجابة مفقودة. ومع ذلك، لم تعالج هذه الأدوات مشكلة ربط النقاط بين الزيارات المستشفوية المختلفة بشكل سحري. اتضح أن امتلاك ذاكرة أكبر أو أداة بحث أفضل ليس هو نفسه امتلاك القدرة على الاستنتاج عبر الزمن. لا يزال الذكاء الاصطناعي يكافح لمعرفة أي دليل قديم هو المهم للمشكلة الجديدة.

الخلاصة

تشير دراسة MedLoCoMo إلى أنه بينما يتحسن الذكاء الاصطناعي في قراءة النصوص الطويلة، إلا أنه لا يزال أمامه طريق طويل قبل أن يتمكن من العمل كطبيب يفهم حقًا قصة حياة المريض. الأمر لا يتعلق فقط بامتلاك دماغ أكبر أو ذاكرة أطول؛ بل يتعلق بتعلم كيفية نسج تاريخ المريض معًا في قصة متماسكة.

يؤكد الباحثون أن هذا اختبار للبحث العلمي، وليس أداة للاستشارة الطبية في الحياة الواقعية بعد. لقد تم إنشاء المحادثات والأسئلة بواسطة الذكاء الاصطناعي بناءً على سجلات طبية حقيقية، لكنها اصطناعية. الهدف هو مساعدة العلماء على بناء أنظمة أفضل يمكنها يومًا ما مساعدة الأطباء في تتبع التواريخ المعقدة لمرضاهم دون تفويت أي تفصيل. في الوقت الحالي، يعد الذكاء الاصطناعي طالبًا ذكيًا جدًا يمكنه قراءة فصل واحد، ولكنه لا يزال بحاجة إلى تعلم كيفية كتابة الكتاب بأكمله.