MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination
تقدم هذه الورقة البحثية إطار عمل MARC، وهو إطار عمل مفتوح المصدر ومتعدد الوكلاء وغير مرتبط بنموذج محدد، يستبدل التلقين أحادي النموذج (monolithic LLM prompting) بتنسيق حتمي متخصص في الأدوار ووحدة تفكيك (Decomposer) لتمكين الاستدلال السريري القابل للتفسير، والقابل للضبط، والمتاح دون الحاجة إلى خبرة في البرمجة.
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
فريق المحققين ضد العبقري الوحيد
تخيل أنك تحاول حل لغز معقد للغاية، مثل معرفة سبب شعور مريض بالمرض بناءً على تقرير طبي طويل ومربك. في عالم الذكاء الاصطنا1، كنا نستخدم "نماذج اللغات الكبيرة" (LLMs) كأنها محققون. فكر في نموذج اللغة الكبير كعبقري فائق الذكاء ومطلع جداً، يمكنه قراءة ألف كتاب في ثانية واحدة. لفترة من الوقت، كنا نطلب من هذا العبقري الوحيد القيام بكل شيء في آن واحد: قراءة الأدلة، وفهم معناها، ومراجعة عمله، وكتابة التقرير النهائي. الأمر يشبه مطالبة شخص واحد بأن يكون ضابط شرطة، وعالماً في الأدلة الجنائية، وقاضياً، وكاتب ضبط محكمة، كل ذلك في نفس النفس الواحد.
المشكلة هي أنه عندما يرتكب هذا العبقري الوحيد خطأً، يصعب معرفة أين أخطأ بالضبط. هل فاته دليل ما؟ هل أساء فهم القانون؟ أم أنه أخطأ فقط في الجملة الأخيرة؟ ولأن كل شيء يحدث في "تفريغ دماغي" واحد ضخم، فإن العملية برمتها تصبح أشبه بـ "الصندوق الأسود". وهذا أمر بالغ الأهمية في الطب، حيث يحتاج الأطباء إلى معرفة كيف توصل الذكاء الاصطناعي إلى استنتاج معين ليثقوا به في حياة المريض. تقدم الورقة التي ستطالعها طريقة جديدة للعمل: بدلاً من عبقري واحد مثقل بالأعباء، دعونا نستخدم فريقاً من المتخصصين الذين ينقلون ملف القضية عبر سلسلة، ويراجع كل منهم عمل الآخر أثناء تقدمهم.
تعرف على MARC: فريق المحققين السريري
يقدم مؤلفو هذه الورقة إطار عمل جديد مفتوح المص المصدر يسمى MARC (التنسيق والاستدلال متعدد الوكلاء). فكر في MARC ليس كعقل خارق واحد، بل كوكالة تحقيق منظمة جيداً. فبدلاً من مطالبة ذكاء اصطناعي واحد بالقيام بكل شيء دفعة واحدة، يقوم MARC بتفكيك المهمة إلى فريق من الوكلاء المتخصصين، لكل منهم دور محدد، والذين ينقلون ملف القضية لبعضهم البعض بترتيب صارم.
الطريقة القديمة مقابل طريقة MARC
في السابق، حاولت معظم أنظمة الذكاء الاصطناعي الطبية القيام بكل شيء في خطوة واحدة. الأمر يشبه مطالبة طاهٍ واحد بتقطيع الخضروات، وطهي شريحة اللحم، وتنسيق الطبق، وكتابة وصف القائمة، كل ذلك بينما يمسك بسكين في يد وقلم في اليد الأخرى. إذا احترقت شريحة اللحم، فلن تعرف ما إذا كان الطاهي مشتت الذهن، أو إذا كانت الموقد معطلاً، أو أنه نسي فقط التحقق من المؤقت.
يغير MARC قواعد اللعبة عن طريق تقسيم المطبخ إلى محطات:
- المستخرج (الوكيل 1): هذا الوكيل هو "جامع الأدلة". مهمته الوحيدة هي قراءة التقرير الطبي الفوضوي واستخراج أهم 2-4 حقائق، مثل "المريض يعاني من سعال" أو "الأشعة السينية تظهر ظلاً". يُطلب منه بصرامة عدم تخمين التشخيص بعد؛ هو فقط يجمع القرائن.
- المستدل (الوكيل 2): هذا الوكيل هو "المحقق". يأخذ التقرير الأصلي بالإضافة إلى القرائن التي جمعها الوكيل الأول. يفكر بعمق، ويقارن بين القرائن، ويقرر ما قد يكون التشخيص. يكتب عملية تفكيره وينتهي بـ "قرار" واضح (مثل "نعم، هذا التهاب رئوي").
- وكيل الإجابة (الوكيل 3): هذا الوكيل هو "الكاتب". هو لا يقوم بأي تفكير. هو فقط ينظر إلى عمل المستدل، ويجد سطر "القرار"، وينسخه بدقة. مهمته الوحيدة هي التأكد من أن الإجابة النهائية نظيفة وسهلة القراءة.
لماذا هذا أفضل؟
لأن العمل مقسم، إذا كانت الإجابة النهائية خاطئة، يمكنك الرجوع إلى الملاحظات. هل فات جامع الأدلة دليل ما؟ هل أساء المستدل فهم القرائن؟ أم أن الكاتب نسخ الكلمة الخطأ؟ هذا "الإسناد المرحلي للفشل" يعني أن الأطباء يمكنهم رؤية المكان الذي تعثر فيه الذكاء الاصطناعي بالضبط، وهو أمر حيوي لبناء الثقة في البيئات الطبية.
مولد الأوامر "السحري"
أحد أروع ميزات MARC هو وحدة تسمى المفكك (Decomposer). عادةً، يتطلب إعداد فريق من وكلاء الذكاء الاصطناذي كتابة تعليمات معقدة (أوامر/prompts) لكل وكيل من قبل مبرمج كمبيوتر. الأمر يشبه الحاجة إلى كاتب سيناريو لكتابة مسرحية جديدة في كل مرة تريد فيها حل لغز مختلف.
يغير المفكك هذا الواقع. يمكنك فقط كتابة جملة عادية باللغة الإنجليزية مثل: "أحتاج إلى تصنيف صور الأشعة المقطعية للصدر واقتراح اختبارات المتابعة"، وسيقوم المفكك باستخدام نموذج يسمى MedGemma لكتابة الوصف الوظيفي والتعليمات لفريق العمل بأكهمله تلقائياً. إنه يحول جملة بسيطة إلى فريق تحقيق كامل، مكتمل بالأدوار والقواعد، دون الحاجة لمعرفة كيفية البرمجة.
كيف يعمل في العالم الحقيقي
تم تصميم الإطار ليكون مرناً. يمكنه العمل على أجهزة كمبيوتر سحابية قوية (باستخدام واجهات برمجة التطبيقات/APIs) أو على خوادم محلية داخل المستشفى لا تتصل بالإنترنت على الإطلاق. وهذا أمر كبير للمستشفيات التي لا يمكنها إرسال بيانات المرضى إلى الخارج. النظام "محايد تجاه النماذج" (model-agnostic)، مما يعني أنه يمكنك استبدال "عقل" أي وكيل. إذا ظهر نموذج ذكاء اصطناعي جديد، أرخص، أو أكثر تخصصاً، يمكنك ببساطة استبداله في ملف الإعدادات دون إعادة كتابة أي كود.
ما تقوله الورقة فعلياً (وما لا تقوله)
يقدم المؤلفون MARC كـ إطار عمل و تصميم، وليس كمنتج طبي نهائي تم اختباره على آلاف المرضى بعد. لقد أظهروا أنه يمكن أن يعمل على ثلاث مهام محددة: الإجابة على الأسئلة الطبية، وإنشاء تقارير الأشعة، وبناء مسارات العمل للمهام الجديدة تلقائياً.
إنهم يجادلون صراحةً ضد فكرة أن الأمر الموحد (monolithic prompt) هو الأفضل للتعامل مع الاستدلال السريري المعقد. ويقترحون أن تقسيم المهام يجعل العملية أكثر شفافية وأسهل في التصحيح (debugging). ومع ذلك، فهم حذرون في ملاحظة أن هذه هي النسخة الأولى. ويعترفون بأن إعدادهم الحالي يستخدم غالباً خطاً مستقيماً من الوكلاء (واحد تلو الآخر) وأن النسخ المستقبلية قد تحتاج إلى السماح للوكلاء بالتحدث مع بعضهم البعض في حلقات أو العمل بالتوازي. كما ذكروا أنه بينما يبدو النظام واعداً، إلا أنه لم يتم قياس أدائه بشكل كامل مقابل كل مهمة طبية ممكنة. تشير الورقة إلى أن هذا النهج يمكن أن يحسن الموثوقية والسلامة، لكنها تدعو إلى مزيد من الاختبار لإثبات أنه يعمل بشكل أفضل من طريقة "العبقري الوحيد" القديمة في السيناريوهات الواقعية.
الخلاصة
MARC هو مجموعة أدوات تتيح للأطباء والباحثين بناء فرق التحقيق الخاصة بهم دون الحاجة لأن يكونوا خبراء في البرمجة. ومن خلال تحويل "الصندوق الأسود" للذكاء الاصطناعي إلى خط تجميع شفاف وخطوة بخطوة، يهدف MARC إلى جعل الذكاء الاصطماعي السريري أكثر أماناً، وأسهل في الفهم، وجاهزاً للعالم الحقيقي. إنها خطوة نحو مستقبل لا يعطي فيه الذكاء الاصطناعي الإجابات فحسب، بل يوضح طريقة وصوله إليها، تماماً كما يفعل الطبيب الجيد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.