Care Plan Generation for Underserved Patients Using Multi-Agent Language Models: Applying Nash Game Theory to Optimize Multiple Objectives

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "توليد خطط الرعاية للمرضى من الفئات المحرومة باستخدام النماذج اللغوية متعددة الوكلاء: تطبيق نظرية لعبة ناش لتحسين الأهداف المتعددة."

1. بيان المشكلة

تواجه برامج إدارة الرعاية لمرضى برنامج "مديكيد" (Medicaid) عقبة هيكلية: يتعين على الأطباء معالجة السلامة السريرية (تغطية المخاطر)، وكفاءة الموارد (خطط موجزة وقابلة للتنفيذ)، والعدالة الاجتماعية (معالجة المحددات الاجتماعية للصحة) في آن واحد.

• الصراع: عادةً ما تعمل نهج النماذج اللغوية الكبيرة (LLM) أحادية الهدف على تحسين هدف واحد على حساب الأهداف الأخرى. فعلى سبيل المثال، قد ينتج النموذج الذي يسعى لتعظيم السلامة خططاً مسهبة وغير قابلة للتنفيذ؛ والنموذج الذي يسعى لتعظيم الكفاءة قد يغفل العوائق الاجتماعية الحرجة؛ والنموذج الذي يسعى لتعظيم التمثيل العادل قد يفتقر إلى التحديد السريري.
• الفجوة: تفتقر أطر العمل متعددة الوكلاء الحالية التي تعتمد على التجميع البسيط (المتوسط أو التصويت) إلى القدرة على إيجاد توازن أمثل رياضياً بين الأهداف المتضاربة. علاوة على ذلك، تعتمد معظم التدخلات الصحية القائمة على الذكاء الاصطناعي على واجهات برمجة التطبيقات (APIs) السحابية، مما ينتهك متطلبات توطين البيانات الشائعة في برامج "مديكيد" حيث لا يمكن لبيانات المرضى مغادرة البنية التحتية المحلية.

2. المنهجية

استخدمت الدراسة نهجاً يتكون من جزأين باستخدام مجموعة بيانات تضم 5,148 مريضاً من مستفيدي "مديكيد" من ولايتي فرجينيا وواشنطن. تم إجراء جميع عمليات الاستدلال (Inference) على نماذج مفتوحة المصدر مستضافة محلياً (DeepSeek-R1 8B و Llama 3.1 8B) لضمان خصوصية البيانات.

أ. تصميم الدراسة

1. التقييم الاسترجاعي: تم تطبيق خمس استراتيجيات حتمية على كامل المجموعة لرسم خرائط المقايضات بين الأهداف المتعددة:
   • التحكم (القالب/النموذج الجاهز).
   • استراتيجيات الوكيل الواحد (التركيز على السلامة فقط، الكفاءة فقط، العدالة فقط).
   • استراتيجية الوكلاء المتعددين (ناش/Nash).
2. التجربة المزدوجة المنضبطة (N=200): تجربة مسجلة مسبقاً، حيث تلقى كل مريض من الـ 200 مريض خطتين:
   • التدخل: خطة متعددة الوكلاء منسقة بواسطة "ناش".
   • الأساس (Baseline): خطة تعتمد على النقد الذاتي المتسلسل المتوافق حوسبياً (نموذج واحد يراجع مخرجاته عدة مرات).

ب. إطار عمل تنسيق "ناش" (Nash Orchestration)

الابتكار الجوهري هو تطبيق نظرية تفاوض ناش لتوليف مخرجات الوكلاء المتخصصين في الأدوار:

1. التوليد: يقوم نموذج مولد بإنشاء مسودة أولية.
2. النقد المتخصص: يقوم ثلاثة وكلاء متميزون (السلامة، الكفاءة، العدالة) بمراجعة المسودة وتقديم تنقيحات خاصة بكل دور.
3. التوليف: بدلاً من المتوسط الحسابي، يطبق النظام حل تفاوض ناش. يحدد هذا الإطار الرياضي نقطة "باريتو المثلى" (Pareto-optimal) الوحيدة التي تعظم حاصل ضرب المكاسب لجميع الأهداف الثلاثة فوق "خط أساس عدم الاتفاق". يضمن ذلك عدم هيمنة هدف واحد على الآخرين.
4. التحكيم: يقوم نموذج "حكم" منفصل بتقييم الخطط النهائية على مقياس من 0 إلى 1 لكل من: السلامة، الكفاءة، العدالة، والدرجة المركبة (متوسط الثلاثة).

ج. المقاييس

• السلامة: تغطية المخاطر والمطابقة للإرشادات.
• الكفاءة: الإيجاز وتحديد أولويات التدخلات المؤثرة.
• العدالة: دمج المحددات الاجتماعية للصحة (SDOH) والقدرة على التنفيذ.
• المركب: المتوسط الحسابي للثلاثة.

3. النتائج الرئيسية

النتائج الاسترجاعية

• حققت استراتيجيات الوكيل الواحد أقصى درجاتها في مجال محدد ولكنها أدت إلى تدهور شديد في المجالات الأخرى (على سبيل المثال، سجل وكيل السلامة فقط 0.843 في السلامة ولكن 0.507 فقط في الكفاءة).
• حققت استراتيجية الوكلاء المتعددين (ناش) أعلى الدرجات المتزامنة عبر جميع المجالات (السلامة: 0.916، الكفاءة: 0.650، العدالة: 0.900، المركب: 0.822)، مما يثبت نجاحها في حل مشكلة المقايضة.

التجربة المزدوجة المنضبطة (N=200)

تفوق الخطط المنسقة بواسطة "ناش" بشكل كبير على خط الأساس (النقد الذاتي المتسلسل المتوافق حوسبياً):

المقياس	متوسط "ناش"	متوسط الأساس	الفرق المزدوج	القيمة الاحتمالية (p-value)	حجم الأثر (Cohen's d)
السلامة	0.813	0.797	+0.017	$6.65 \times 10^{-6}$	0.327 (صغير-متوسط)
الكفاءة	0.706	0.684	+0.022	$7.28 \times 10^{-13}$	0.543 (متوسط-كبير)
العدالة	0.746	0.746	0.000	0.987	-0.001 (عدمي)
المركب	0.755	0.742	+0.013	$6.20 \times 10^{-6}$	0.328 (صغير-متوسط)

• السلامة والكفاءة: كانت التحسينات ذات دلالة إحصائية مع فترات ثقة لا تشمل الصفر. كان حجم الأثر في الكفاءة كبيراً بشكل ملحوظ (0.543)، مما يشير إلى أن التباين بين الوكلاء المتعددين فعال بشكل خاص للمهام التي تتطلب تحديد الأولويات والضغط.
• العدالة: كانت النتيجة عدمية (الفرق = 0.000). أدى كلا الأسلوبين إلى أداء متطابق في مقاييس العدالة.

4. المساهمات الرئيسية

1. التطبيق النظري: نجح في تكييف نظرية تفاوض ناش من الاقتصاد لتنسيق النماذج اللغوية الكبيرة، مما أثبت قدرتها على توليد حلول مثلى وفق "باريتو" للأهداف السريرية المتضاربة بشكل أفضل من مجرد المتوسط الحسابي أو النقد الذاتي المتسلسل.
2. الذكاء الاصطناعي الحافظ للخصوصية: أثبت إمكانية تحقيق تخطيط رعاية عالي الجودة ومتعدد الأهداف باستخدام نماذج مفتوحة المصدر مستضافة محلياً ذات 8 مليارات معلمة، مما يلبي قيود توطين بيانات "مديكيد" الصارمة دون الاعتماد على واجهات برمجة التطبيقات السحابية المملوكة لجهات خارجية.
3. الدليل التجريبي: قدم أول دليل منضبط على أن التفاوض بين الوكلاء المتخصصين في الأدوار يؤدي إلى جودة أفضل (السلامة والكفاءة) في خطط الرعاية مقارنة بالنقد الذاتي المتسلسل في مجموعة مرضى حقيقية من "مديكيد".
4. رؤية حول العدالة: سلط الضوء على أن تحسين الأهداف المتعددة وحده لا يحل قضاções العدالة. تشير النتيجة العدمية إلى أن العدالة تتطلب قيود تصميم صريحة ومعايير تعريفية تتجاوز مجرد وزن الأهداف؛ إذ لا يمكن افتراض ظهورها تلقائياً من خلال موازنة الأهداف الأخرى.

5. الأهمية والآثار المترتبة

• سير العمل السريري: يقدم هذا النهج حلاً قابلاً للتوسع لتقليل احتراق الأطباء من خلال أتمتة المهمة المعقدة المتمثلة في موازنة السلامة، والكفاءة، والاحتياجات الاجتماعية في خطط الرعاية.
• النشر المسؤول للذكاء الاصطناائي: تضع هذه الدراسة مخططاً لتنفيذ الذكاء الاصطناعي في البرامج الحكومية الحساسة (مثل "مديكيد") حيث تعد سيادة البيانات أمراً غير قابل للتفاوض.
• الاتجاهات المستقبلية: يؤكد المؤلفون أنه بينما يحسن تنسيق "ناش" السلامة والكفاءة، فإن العدالة تتطلب اهتماماً صريحاً في مرحلة التصميم المسبق (مثل كيفية تقييم الاحتياجات وما هي التدخلات المتاحة) وليس فقط تحسين توليد النصوص اللاحق. يجب أن يركز العمل المستقبلي على تطوير معايير خاصة بالعدالة وربط هذه الخطط المولدة بالذكاء الاصطناعي بالنتائج الصحية الفعلية للمرضى.