Clinically Grounded AI-Scribing in Psychotherapy: Benchmarking LLMs Against Expert Documentation in the iCARE Framework

في الغرف الهادئة حيث تُجرى جلسات العلاج النفسي، يكون العمل إنسانياً بعمق. فهو يعتمد على استماع المعالج لقصة العميل، وملاحظة ثقل الصمت، وفهم سياق خوف يمتد لسنوات. ولكي يتمكن المعالج من القيام بهذا العمل بفعالية، يجب عليه أيضاً الاحتفاظ بسجل. هذه الملاحظات ليست مجرد أوراق إدارية؛ بل هي خريطة لعالم الشخص الداخلي، تلتقط كل شيء من الأزمة الآنية إلى التاريخ الطويل للعائلة والعادات التي شكلت هذا الشخص. تقليدياً، كان كتابة هذه الملاحظات عبئاً ثقيلاً، يسحب انتباه الممارس الإكلينيكي بعيداً عن المريض ويحوله نحو شاشة الكمبيوتر. في السنوات الأخيرة، وعد الذكاء الاصطناعي برفع هذا العبء. يمكن لهذه "الكاتبات الآلية بالذكاء الاصطناعي" أن تستمع إلى المحادثة وتكتبها، ولكن في عالم الصحة النفسية المعقد، تقصر معظم الأنظمة الحالية عن ذلك. فهي تميل إلى إنتاج ملخصات قصيرة وجافة تفتقر إلى الدقة، والتدفقات العاطفية، وتفاصيل السلامة الحرجة التي تحدد معالم جلسة العلاج. كان التحدي يكمل في بناء آلة لا تكتفي بنسخ الكلمات فحسب، بل تفهم القصة.

لقد اتخذ فريق من الباحثين من الهند وسنغافورة خطوة كبيرة نحو حل هذه المشكلة من خلال إعادة التفكير في كيفية هيكلة ملاحظات العلاج وكيفية تعلم الآلات لكتابتها. بدأوا بإنشاء إطار عمل جديد وشامل للتوثيق يسمى iCARE. وخلافاً للتنسيقات المختصرة القياسية المستخدمة في العديد من المستشفيات، والمصممة للفحوصات الإدارية السريعة، فقد بُني iCARE لالتقاط العمق الكامل للقاء الإكلينيكي. إنه هيكل مفصل يتكون من سبعة عشر قسماً متميزاً، تتراوح من المعلومات التعريفية الأساسية والاهتمامات الرئيسية للعميل إلى غوص عميق في تاريخه الطبي، وتقييم المخاطر للأخطار الوشيكة مثل إيذاء النفس، وخطة للجلسات المستقبلية. جادل الباحثون بأن نظام الذكاء الاصطناعي يجب أن يكون قادراً أولاً على توليد هذه الصورة الغنية والكاملة قبل أن يمكن تكثيفها في ملخص أقصر. ولتطوير هذه الفكرة، قاموا ببناء مجموعة بيانات جديدة تسمى iHOPE. لقد أخذوا 174 جلسة علاج مسجلة من مجموعة عامة، ونظفوا التسجيلات الصوتية لضمان سماع كل كلمة، ثم جعلوا فريقاً من الأطباء النفسيين وعلماء النفس الخبراء يكتبون ملاحظات مثالية، تعتبر معياراً ذهبياً، لكل جلسة باستخدام تنسيق iCARE الجديد. خلق هذا معياراً، وهو مجموعة من الإجابات المثالية التي يمكن قياس أي آلة مقابلها.

بعد ذلك، وضع الباحثون أحد عشر نموذجاً مختلفاً من النماذج اللغوية الكبيرة تحت الاختبار. هذه النماذج، وهي البرامج الحاسوبية القوية التي تقف وراء روبوتات الدردشة الحديثة، طُلب منها الاستماع إلى تسجيلات العلاج وكتابة ملاحظات iCARE. اختبروا النماذج بطريقتين: أولاً، عبر إعطائها التسجيلات دون أمثلة تتبعها، وثانياً، عبر عرض مثال واحد لملاحظة مثالية عليها قبل طلب كتابة البقية. كشفت النتائج عن انقسام واضح بين الأنواع المختلفة من الذكاء الاصطناعي. فالنماذج مغلقة المصدر، التي تطورها شركات التكنولوجيا الكبرى وليست متاحة للتعديل العام، قدمت أداءً أفضل باستمرار من النماذج مفتوحة المصدر، التي يبنيها المجتمع العام. حقق نموذج محدد، وهو GPT-4o-mini، أعلى الدرجات في الاختبارات الحاسوبية القياسية التي تقيس مدى مطابقة كلمات الآلة لكلمات الخبراء البشر. بينما أظهر نموذج آخر، وهو Gemini Pro، قوة خاصة في تحديد علامات الأزمات، مثل علامات خطر الانتحار أو إساءة استخدام المواد، وهي تفاصيل سلامة حاسمة في العلاج النفسي.

ومع ذلك، أصبحت القصة أكثر إثارة للاهتمام عندما طلب الباحثون من خبراء بشريين تقييم الملاحظات، بدلاً من الاعتماد على الدرجات الحاسوبية. فقد استعانوا بستة متخصصين في الصحة النفسية لقراءة الملاحظات بشكل أعمى، دون معرفة من كتبها من الذكاء الاصطناعي، وتقييمها بناءً على خمس صفات رئيسية: الموثوقية، والصلة، والدقة، والاكتمال، والوضوح. وجد الخبراء البشريون أنه بينما كانت النماذج الحاسوبية العليا جيدة، إلا أنها لا تزال تعاني مع تدفق الوقت. فغالباً ما فشلت الآلات في التمييز بشكل صحيح بين ما حدث في جلسة سابقة وما تم التخطيط له للجلسة القادمة، وهو جانب أساسي في العلاج يتطلب فهماً للجدول الزمني. ومن المثير للدهشة أن الخبراء البشريين فضلوا الملاحظات الناتجة عن نموذج أصغر مفتوح المصدر يسمى Mistral على النماذج التجارية الأكثر قوة. وفي الواقع، كان Mistral هو النظام الوحيد الذي سجل درجة أعلى قليلاً من الملاحظات المكتوبة بشرياً في فئة واحدة محددة: الاكتمال. تشير هذه النتيجة إلى أن الطريقة التي نقيس بها نجاح الذكاء الاصطناعي حالياً باستخدام الخوارزميات الحاسوبية لا تتوافق دائماً مع ما يحتاجه الإكلينيكي البشري فعلياً. كانت النماذج التجارية ممتازة في مطابقة عبارات معينة، لكن النموذج الأصغر بدا أنه يلتقط الجوهر الإكلينيكي للجلسة بشكل أكثر فعالية في نظر الخبراء.

تخلص الدراسة إلى أنه بينما يعد الذكاء الاصطناعي مستعداً لمساعدة المعالجين، فإنه ليس مستعداً بعد لاستبدالهم. وجد الباحثون أن المسار الأفضل للمضي قدماً هو مسار تعاوني، حيث يتولى الذكاء الاصطناعي المهام الشاقة المتمثلة في صياغة الملاحظات التفصيلية، مما يسمح للمعالج بمراجعة وتدقيق وإنهاء السجل. يمكن لهذا النهج أن يوفر وقتاً ثميناً للممارسين الإكلينيكيين للتركيز على المريض بدلاً من لوحة المفاتيح. وأكد الفريق أن عملهم ليس حلاً نهائياً بل هو أساس. لقد أتاحوا إطار عملهم الجديد، ومجموعة بيانات ملاحظات الخبراء، وطريقة التقييم الخاصة بهم للعلماء الآخرين حتى يمكن للمجال الاستمرار في التحسن. الهدف النهائي هو سد الفجوة بين الحاجة الهائلة للرعاية الصحية النفسية والعدد المحدود من المعالجين المتاحين، باستخدام التكنولوجيا لدعم، وليس استبدال، التواصل الإنسي الذي يقع في قلب عملية الشفاء.