Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

ملخص تقني: توثيق الذكاء الاصطناعي المحيط في اللقاءات متعددة اللغات

بيان المشكلة
يتم نشر أنظمة توثيق الذكاء الاصطناعي المحيط (Ambient AI) بشكل متزايد لتخفيف عبء العمل عن الأطباء من خلال نسخ المحادثات بين المريض والمزود الطبي وإنشاء الملاحظات السريرية. ومع ذلك، تعتمد هذه الأنظمة على تقنية التعرف التلقائي على الكلام (ASR) التي أظهرت تاريخياً أداءً منخفضاً في ظروف اللغات المختلطة مقارنة بالكلام أحادي اللغة. في الولايات المتحدة، يتمتع جزء كبير من السكان بمستوى محدود من الإتقان للغة الإنجليزية (LEP)، وتتضمن اللقاءات السريرية تكراراً لظاهرة "التبديل الرمزي" (Code-switching) — وهي التناوب بين اللغات ضمن محادثة واحدة. ورغم الحاجة الماسة للدعم متعدد اللغات، إلا أن هناك نقصاً في الأدلة التجريبية حول كيفية أداء أدوات الذكاء الاصطناعي المحيط في البيئات السريرية ذات اللغات المختلطة. إن الأخطاء في النسخ، لا سيما في الكلام الذي يتضمن تبديلاً رمزياً، قد تنتقل إلى مسودات الملاحظات التي يولدها الذكاء الاصطناعي، مما يزيد من جهد المراجعة المطلوب من الطبيب وقد يؤثر سلباً على جودة الرعاية.

المنهجية
أجرَت هذه الدراسة تقييماً استدلالياً (Heuristic Evaluation) مختلط المناهج لأداة "Abridge"، وهي أداة توثيق بالذكاء الاصطناعي المحيط، باستخدام محادثات رعاية أولية تمت إعادة تمثيلها. ركز التقييم على زوجين لغويين شائعين في مجتمع "UCI Health": الإسبانية–الإنجليزية والماندارين–الإنجليزية.

• بناء مجموعة البيانات: طور الباحثون 24 محادثة مُعاد تمثيلها (12 إسبانية–إنجليزية، 12 ماندارين–إنجليزية) بناءً على مقتطفات من لقاءات واقعية. تم إنشاء نصوص مرجعية بواسطة باحثين وأطباء ثنائيي اللغة، لضمان دقة المحتوى السريري وأنماط التبديل الرمزي الواقعية. ثم قرئت هذه النصوص بصوت عالٍ من قبل ممثلين ثنائيي اللغة في بيئة محكومة باستخدام جهاز محمول لمحاكاة سير عمل التسجيل السريري القياسي.
• التحليل الكمي: تم قياس أداء التعرف التلقائي على الكلام (ASR) باستخدام معدل الخطأ المختلط (MER)، والذي يُحسب كحاصل جمع عمليات الاستبدال، والحذف، والإضافة مقسوماً على إجمالي عدد الرموز (Tokens) في النص المرجعي. كما قيمت الدراسة مقاييس اكتشاف التبديل الرمزي (الاستدعاء، والدقة، ودرجة F1) لتقييم قدرة النظام على تحديد التحولات اللغوية.
• التحليل النوعي: قام باحثون ثنائيو اللغة بمراجعة مخرجات نظام التعرف التلقائي على الكلام مقابل النصوص المرجعية لتصنيف أنماط أخطاء محددة. وحللوا الأخطاء المتعلقة بالتشابه الصوتي، والترجمة الآلية، والتعرف على المصطلحات السريرية، والتحديات الخاصة بكل لغة.

النتائج الرئيسية

• الأداء العام: أظهر النظام معدل خطأ مختلط (MER) منخفضاً إجمالاً، بمتوسط 4% للمحادثات الإسبانية–الإنجليزية و9% للمحادثات الماندارينية–الإنجليزية. ومع ذلك، كان التباين أعلى بكثير في حالات الماندارين–الإنجليزية، حيث وصلت معدلات الخطأ إلى 67% في الحالات الشاذة.
• أنواع الأخطاء:
  • الحذف: أظهرت نصوص الماندارين–الإنجليزية وتيرة عالية من أخطاء الحذف (متوسط 48.00)، والتي حدثت غالباً عند نقاط التبديل الرمزي أو بالقرب منها، مما أدى إلى سقوط أجزاء كبيرة من النص.
  • التشابه الصوتي: نشأت الأخطاء بشكل متكرر من كلمات أو رموز ذات نطق متشابه ولكن بمعانٍ مختلفة داخل اللغة الواحدة أو عبر اللغات (على سبيل المثال، ترجمة "gān dǎn" [كبد/مرارة] بالماندارين إلى "gān zàng" [كبد]؛ أو "mi presión" [ضغط دمي] بالإسبانية إلى "depresión" [اكتئاب]).
  • الترجمة الآلية: قام النظام أحياناً بترجمة المصطلحات الإنجليزية المنطوقة إلى مكافئاتها بالإسبانية أو الماندارينية (مثل ترجمة "carbohydrates" إلى "carbohidratos") أو صياغة الكلمات الإنجليزية بنظام "بينيين" (Pinyin)، حتى عندما قصد المتحدث استخدام الإنجليزية. وقد أدى ذلك إلى تحولات دلالية وتحديات في المواءمة.
  • المصطلحات السريرية: واجه النظام صعوبة مع المصطلحات الطبية، لا سيما الأسماء التجارية والأدوية ذات النطق غير الشائع (مثل ترجمة "leqvio" إلى "lekvia"). وفي حالات الإسبانية–الإنجليزية، قام النظام أحياناً بتجزئة أسماء الأدوية عبر تفسير أجزاء منها ككلمات إسبانية شائعة (مثل ترجمة "losartan" إلى "los zartan").
  • القضايا الخاصة باللغة: أظهرت نصوص الماندارين–الإنجليزية مشكلات فريدة، بما في ذلك عدم الاتساق في التبديل بين الحروف الصينية المبسطة والتقليدية، والخطأ في تحديد الضمائر (هو/هي/هو لغير العاقل) بسبب تطابق النطق. وأظهرت نصوص الإسبانية–الإنجليزية أخطاء في زمن القواعد اللغوية وتحولات لغوية حيث تم تسجيل الكلمات الإنجليزية كمرادفات لها باللغة الإسبانية.
• اكتشاف التبديل الرمزي: اكتشف النظام بشكل عام عمليات التبديل اللغوي بدقة واستدعاء عاليين لكلا الزوجين اللغويين، رغم أن الاستدعاء في حالة الماندارين–الإنجليزية كان أكثر تباينًا، ويرجع ذلك على الأرجح إلى المعدل المرتفع لأخطاء الحذف.

المساهمات الرئيسية

• الأدلة التجريبية: توفر هذه الدراسة واحدة من أولى التقييمات التجريبية لأدوات توثيق الذكاء الاصطناعي المحيط خصيصاً في اللقاءات السريرية متعددة اللغات، مما يعالج فجوة في الأدبيات الحالية.
• توصيف الأخطاء: تحدد الدراسة وتصنف أنماط أخطاء محددة فريدة من نوعها في النسخ السريري متعدد اللغات، بما في ذلك الارتباك الصوتي عبر اللغات، وآثار الترجمة الآلية، وفشل المصطلحات المتخصصة في المجال.
• التفاوت في الأداء: تسلط النتائج الضوء على التفاوت في الأداء بين التفاعلات الإسبانية–الإنجليزية والماندارين–الإنجليزية، مما يشير إلى أن قوة نظام التعرف التلقائي على الكلام تختلف بشكل كبير بناءً على انتشار الزوج اللغوي والاختلافات الهيكلية.

الأهمية والادعاءات
يزعم المؤلفون أنه بينما تظهر أدوات الذكاء الاصطناعي المحيط إمكانات واعدة، فإن أداءها الحالي في البيئات متعددة اللغات يفرض مخاطر محددة يمكن أن تقوض فائدتها للمجموعات السكانية المتنوعة لغوياً. وتؤكد الدراسة أن أخطاء النسخ ليست مجرد أعطال تقنية، بل يمكن أن تغير المعلومات السريرية (مثل الخلط بين "السقوط" و"النوم" أو "المعصم" و"المرفق")، مما يزيد من العبء المعرفي على الأطباء الذين يتعين عليهم مراجعة وتصحيح الملاحظات.

وتخلص الورقة إلى أن معالجة هذه التحديات أمر ضروري للنشر العادل للذكاء الاصطناعي المحيط. فإذا لم يتم حل مشكلات النسخ متعدد اللغات، فقد لا يحصل الأطباء الذين يخدمون المرضى ذوي الإتقان المحدود للغة الإنجليزية على نفس فوائد الكفاءة التي يحصل عليها نظراؤهم أحاديو اللغة، مما قد يؤدي إلى تفاقم الاحتراق الوظيفي بدلاً من تخفيفه. ويدعو المؤلفون إلى أن يتضمن العمل المستقبلي مجموعات بيانات أكبر من العالم الحقيقي، واختبارات منهجية عبر المزيد من اللغات غير الممثلة بشكل كافٍ، وتطوير مناهج تقييم مصممة خصيصاً لتعقيدات الكلام السريري الذي يتضمن تبديلاً رمزياً.