A Neurosymbolic Approach for Constructing Planning Domain Models from Clinical Narratives
تقدم هذه الورقة NSPIN، وهو إطار عمل عصبي-رمزي يجمع بين النماذج اللغوية الكبيرة والتحقق التجريبي لبناء نماذج مجالات التخطيط الاحتمالي تلقائياً من السرديات السريرية غير المهيكلة، مما يعالج بفعالية تحديات الأفعال الضمنية وندرة البيانات في سير العمل الجراحي المعقد.
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
تمتلئ المستشفيات بقصص مكتوبة في هوامش رعاية المرضى. يسجل الجراحون أعمالهم في ملاحظات مفصلة، تصف كيف تعاملوا مع مضاعفات فريدة لكل مريض، من ثقب في عضو إلى عدوى غير متوقعة. لعقود من الزمن، ظل هذا المعلم محبوساً داخل ملفات فردية، مفيداً فقط للشخص الذي كتبه أو للفريق الذي يرعى ذلك المريض تحديداً. لم يتم تجميعه أبداً في صورة واحدة واضحة لكيفية سير هذه الإجراءات فعلياً عبر آلاف الحالات. لطالما أراد العلماء تحويل هذه القصص المكتوبة بخط اليد والفوضوية إلى مجموعة رسمية من القواعد—خريطة منطقية توضح بالضبط ما يجب أن يحدث قبل أن يتمكن الجراح من اتخاذ الخطوة التالية، وما قد ينتج عن ذلك. إن هذا النوع من الخرائط ضروري لبناء ذكاء اصطناعي يمكنه المساعدة في تدريب الأطباء الجدد، أو مراجعة الملاحظات الجراحية تلقائياً، أو حتى توجيه الأنظمة الروبوتية المستقبلية. يكمن التحدي في أن اللغة البشرية مليئة بالاختصارات والافتراضات. فقد يكتب الجراح أنه "وضع منفذاً" دون ذكر أنه كان عليه أولاً إجراء شق جراحي، لأن هذه الخطوة بالنسبة له بديهية جداً لدرجة أنه لا داعي لذكرها. ومع ذلك، لا تستطيع الحواسيب تخمين ما هو بديهي؛ فهي تحتاج إلى ذكر كل خطوة بشكل صريح لفهم منطق العملية.
لقد طور فريق من الباحثين طريقة جديدة لحل هذه المشكلة، حيث قاموا بتحويل آلاف الملاحظات الجراحية غير المنظمة إلى نموذج منطقي دقيق لعملية جراحية شائعة في طب الأطفال وهي استئصال الزائدة الدودية بالمنظار. هذه العملية، التي تتضمن إزالة زائدة دودية ملتهبة من خلال شقوق صغيرة، تُجرى بشكل متكرر في مستشفيات الأطفال، مما يوفر مجموعة بيانات غنية تضم أكثر من 2600 ملاحظة واقعية كتبها تسعة جراحين مختلفين. أنشأ الباحثون نظاماً يعمل كجسر بين الطبيعة الانسيابية للغة البشرية والمتطلبات الصارمة لمنطق الحاسوب. أطلقوا على هذا النظام اسم NSPIN. يعمل النظام أولاً باستخدام نموذج لغوي قوي، وهو نوع من الذكاء الاصطناعي المدرب على كميات هائلة من النصوص، لقراءة الملاحظات الخام واستخراج الأفعال والملاحظات المحددة المذكورة. ولأن الملاحظات غالباً ما تكون ناقصة، يستخدم النظام نفسه النموذج اللغوي لملء الفجوات المفقودة، مستنتجاً الخطوات الخفية التي كان من المفترض أن يتخذها الجراح ولكنه لم يكتبها. أخيراً، يستخدم نوعاً مختلفاً من المنطق الرياضي لتنظيم هذه الخطوات في خطة متماسكة، مع التحقق من العمل مقابل البيانات لضمان منطقية القواعد.
تبدأ العملية بقراءة النظام للنص الخام للملاحظة الجراحية. فهو يحدد الأحداث الرئيسية، مثل إجراء شق أو وضع أداة جراحية، ويرتبها حسب تسلسل حدوثها. ومع ذلك، وجد الباحثون أن مجرد قراءة النص لم يكن كافياً. فغالباً ما يتخطى الجراحون كتابة البروتوكولات العالمية أو الخطوات الوسيطة الواضحة، مما يترك الحاسوب أمام سلسلة أحداث مكسورة. ولإصلاح ذلك، يطلب النظام من النموذج اللغوي أن يعمل كخبير سريري، مقترحاً الخطوات المفقودة التي تربط منطقياً بين الأحداث المسجلة. على سبيل المثال، إذا ذكرت الملاحظة أنه تم استئصال الزائدة الدودية، فإن النظام يستنتج أنه يجب تأمين قاعدة الزائدة أولاً، حتى لو لم يكتب الجراح ذلك صراحة. هذه الخطوة حاسمة لأنها تستعيد المعرفة الصامتة التي يحملها الخبراء في عقولهم ولكن نادراً ما يدونونها على الورق. يقوم النظام بتوليد نسخ متعددة من هذه الخطوات المفقودة ثم يدمجها، محتفظاً فقط بالنسخ التي تتفق عليها أغلبية النسخ المولدة، مما يضمن أن يكون التسلسل النهائي قوياً وموثوقاً.
بمجرد أن يمتلك النظام تسلسلاً كاملاً ومرتباً للأحداث لكل عملية جراحية، فإنه يبني نموذجاً رسمياً يصف قواعد العملية. يحدد هذا النموذج الشروط التي يجب أن تتحقق قبل اتخاذ إجراء معين وما هي النتائج المحتملة لهذا الإجراء. على سبيل المثال، يتعلم النظام أنه لا يمكن للجراح وضع منفذ جراحي حتى يتم إجراء شق، وأن وضع المنفذ قد يؤدي إلى اكتشاف التصاقات، أو أنسجة ندبية، والتي تتطلب بعد ذلك إجراءً معيلاً لإزالتها. اختبر الباحثون هذا النهج من خلال مقارنته بالطرق التي تعتمد فقط على النموذج اللغوي دون خطوة التحقق المنطقي. ووجدوا أن النهج المدمج كان متفوقاً بمراحل. فالنظام الذي استخدم القواعد المنطقية لتنقيح اقتراحات النموذج اللغوي أنتج نموذجاً كان أفضل بكثير في التنبؤ بما سيحدث تالياً في الجراحة وفي تحديد الإجراءات التي كانت ممكنة بالفعل في أي لحظة معينة.
أظهرت النتائج أن النظام يمكنه التعلم من ملاحظات تسعة جراحين مختلفين وإنشاء مجموعة عامة من القواعد التي تعمل للجميع، حتى عند اختباره على ملاحظات من جراح لم يره من قبل. وعندما طلب الباحثون من خبراء طبيين مراجعة الخطوات التي استنتجها النظام، أكد الخبراء أن الخطوات المفقودة كانت صحيحة سريرياً وضرورية. في إحدى الحالات، استعاد النظام بنجاح المعلومة التي تفيد بأن الجراح أغلق جدار البطن بنوع معين من الخيوط الجراحية، رغم أن مستخرج المعلومات فشل في البداية في استخراجها من ملاحظة تنص صراحة على: "تم إغلاق اللفافة السُرّية بخيط فيكريل 0". وفي حالة أخرى، استنتج أن تأمين قاعدة الزائدة الدودية كان شرطاً مسبقاً لقطعها، وهو ضرورة منطقية لم تُذكر صراحة في النص. وتثبت هذه النتائج أن النظام يمكنه بنجاح ترجمة المعرفة الضمنية وغير المكتوبة للخبراء البشريين إلى تنسيق رسمي وقابل للاستخدام.
كشفت الدراسة أيضاً أن الاعتماد فقط على النموذج اللغوي، دون التنقيح المنطقي، يؤدي إلى الأخطاء. فالميل للنموذج اللغوي وحده كان نحو إنشاء قواعد فضفاضة للغاية أو مقيدة للغاية، وغالباً ما يفتقد علاقات السبب والنتيجة الحقيقية التي تحكم الإجراء الجراحي. ومن خلال الجمع بين قدرة النموذج اللغوي على فهم النصوص وقدرة النظام الرمزي على فرض الاتساق المنطقي، خلق الباحثون نموذجاً كان مرناً بما يكفي للتعامل مع تنوع الكتابة البشرية وصارماً بما يكفي ليكون موثوقاً من قبل الآلات. يشير هذا النهج إلى مسار للمضي قدماً في بناء الذكاء الاصطناعي في المجالات عالية المخاطر مثل الطب، حيث يعد فهم "لماذا" وراء الإجراء بنفس أهمية معرفة "ماذا". لا يدعي هذا العمل أنه حل جميع مشكلات الأتمتة الجراحية، ولكنه يقدم طريقة مثبتة لتحويل التاريخ الهائل وغير المنظم لرعاية المرضى إلى أساس هيكلي للأدوات المستقبلية التي يمكن أن تحسن سلامة المرضى والتدريب الجراحي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.