Development of a natural language processing application to extract and categorize mentions of violence from mental healthcare records text
طورت هذه الدراسة وتحققت من صحة تطبيق لمعالجة اللغات الطبيعية يعتمد على نموذج BERT ومتعدد التسميات، والذي نجح في استخراج وتصنيف أشكال مختلفة من العنف، وأدوار المرضى، والتفاصيل السياقية من سجلات الصحة النفسية غير المهيكلة، محققاً أداءً عالياً في معظم الميزات باستثناء الجوانب الزمنية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل مكتبة ضخمة تضم ملايين القصص لمرضى، مكتوبة من قبل أطباء وممرضين في مستشفى للصحة النفسية. هذه ليست جداول بيانات مرتبة بها خانات للاختيار؛ بل هي ملاحظات فوضوية، بأسلوب الكتابة اليدوية، مليئة بجمل مثل: "ذكر المريض شعوره بالتهديد من قبل شريكه،" أو "تاريخ من المشاجرات الجسدية."
لسنوات، أراد الباحثون العثور على قصص محددة حول العنف (مثل الإساءة، التهديدات، أو السيطرة المالية) المختبئة داخل آلاف الصفحات. لكن البحث عنها يدوياً يشبه محاولة العثور على حبة رمل معينة في شاطئ عبر النظر إلى كل حبة رمل باستخدام عدسة مكبرة. الأمر يستغرق وقتاً طويلاً، وقد تفوتك أشياء كثيرة.
تصف هذه الورقة كيف قام المؤلفون ببناء محقق رقمي فائق الذكاء (ذكاء اصطناعي) ليقرأ هذه الملاحظات، ويجد العنف، ويصنفه في فئات مرتبة تلقائياً.
إليك تفصيل ما فعلوه، باستخدام تشبيهات بسيطة:
1. المشكلة: "إبرة في كومة قش"
السجلات النفسية مليئة بالدلالات القيمة حول العنف، لكنها غير منظمة. قد يكتب الطبيب عن تعرض المريض للإساءة، لكنه قد يكتب أيضاً عن مريض يهدد شخصاً آخر، أو مجرد سماع خبر عن عنف.
- التحدي: الحاسوب لا يعرف الفرق بين "لقد ضُربت" (ضحية)، أو "لقد ضربتُ شخصاً" (جاني)، أو "سمعتُ شجاراً" (شاهد). كما أنه لا يعرف ما إذا كان هذا العنف قد حدث بالأمس أم قبل عشر سنوات، أو ما إذا كان عاطفياً (كلمات جارحة) أو مالياً (سرقة أموال).
2. الحل: تدريب "متدرب رقمي"
قرر الباحثون تعليم برنامج حاسوبي (يسمى BERT، وهو يشبه روبوتاً متطوراً جداً قرأ الإنترنت بأكمله) كيف يفهم هذه الملاحظات المحددة.
- معسكر التدريب: لم يكن بإمكانهم مجرد إخبار الروبوت بما يجب فعله؛ بل كان عليهم إظهار أمثلة له. أخذوا 6,500 مقتطف نصي من سجلات المستشفى.
- المعلمون البشريون: قرأ خبيران بشريان كل مقتطف وصنفاه مثل معلم يصحح اختباراً. لقد حددا:
- ما نوع العنف؟ (عاطفي، مالي، جسدي، جنسي).
- من المتورط؟ (هل كان المريض ضحية، أم متنمراً، أم مجرد مراقب؟).
- هل هو حقيقي أم تهديد؟ (هل حدث بالفعل، أم أن شخصاً ما قال فقط "قد أضربك"؟).
- متى؟ (هل حدث مؤخراً أم في الماضي البعيد؟).
- أين؟ (هل كان في المنزل أم في مكان آخر؟).
3. "سحر" النموذج متعدد التصنيفات
كانت معظم البرامج الحاسوبية القديمة تشبه اختباراً من سؤال واحد: "هل يوجد عنف؟ نعم/لا".
أما هذا البرنامج الجديد فهو يشبه آلة فرز ذكية. إنه ينظر إلى الجملة ويسأل العديد من الأسئلة في وقت واحد:
- "هل هذا إساءة عاطفية؟" (نعم)
- "هل المريض هو الضحية؟" (نعم)
- "هل يحدث هذا في المنزل؟" (نعم)
- "هل هو تهديد أم حدث فعلي؟" (حدث فعلي)
من خلال الإجابة على كل هذه الأسئلة معاً، يفهم الذكاء الاصطناعي السياق بشكل أفضل بكثير من الأدوات القديمة.
4. النتائج: محقق ذو درجات عالية
اختبروا ذكاءهم الاصطناعي الجديد على مجموعة "عمياء" من الملاحظات التي لم يسبق له رؤيتها من قبل. وإليكم كيف كان أداؤه:
- النجوم المتألقون: كان مذهلاً في رصد الإساءة العاطفية والمالية (بنسبة دقة تتراوح بين 88-89%). كما كان بارعاً في معرفة ما إذا كان المريض ضحية أو جانيّاً، وما إذا كان العنف يحدث بالفعل في الوقت الحالي.
- نقاط الضعف: واجه بعض الصعوبة مع العنف الجنسي (غالباً بسبب قلة الأمثلة للتعلم منها) ومع الوقت.
- لماذا واجه مشكلة في الوقت؟ الأطباء غالباً ما يكتبون بصيغة الماضي ("لقد تعرض للإساءة"). ارتبك الذككاء الاصطناعي أحياناً حول متى حدث ذلك بالضبط لأن الملاحظات لم تكن محددة بما يكفي. الأمر يشبه محاولة تخمين التاريخ الدقيق لقصة بمجرد قراءة "حدث ذلك منذ زمن طويل".
5. لماذا يهم هذا؟
فكر في هذا الذكاء الاصطناعي كـ محرك بحث للمعاناة الإنسانية.
- قبل ذلك: كان على الباحثين قراءة آلاف الملاحظات يدوياً لدراسة كيف يؤثر العنف على الصحة النفسية.
- الآن: يمكنهم الضغط على زر، وسيقوم الذكاء الاصطناعي فوراً باستخراج كل ذكر للإساءة المالية أو العنف المنزلي من ملايين السجلات.
هذا يسمح للعلماء بطرح أسئلة كبيرة، مثل: "هل الأشخاص الذين يعانون من الإساءة المالية لديهم خطر أعلى للإصابة بالاكتئاب؟" أو "كيف يتغير دور الضحية مقابل الجاني في خطة العلاج؟"
الخلا الخلاصة
بنى الباحثون أداة قوية يمكنها قراءة الملاحظات الطبية البشرية الفوضوية وفهم قصص العنف المعقدة والمؤلمة المختبئة داخلها فوراً. ورغم أنها ليست مثالية بعد (لا تزال تعاني قليلاً مع تحديد التوقيت)، إلا أنها تمثل قفزة هائلة للأمام في مساعدتنا على فهم الارتباط بين العنف والصحة النفسية، مما قد يؤدي إلى رعاية أفضل للمرضى في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.