Quality of physicians responses using a conversational artificial intelligence system: a randomized vignette experiment in Latin America

في العيادات المزدحمة في أمريكا اللاتينية، غالبًا ما يواجه الطبيب لحظة من عدم اليقين الصامت: مريض يعاني من مجموعة معقدة من الأعراض، والمسار العلاجي الصحيح ليس واضحًا على الفور. لعقود من الزمن، كان الحل يتمثل في التوقف والبحث عن الإجابات، عبر تصفح الكتب المدرسية أو كتابة استعلامات في قاعدة بيانات رقمية. تعتمد هذه العملية على قدرة الطبيب على إيجاد وقراءة وتفسير كميات هائلة من المعلومات الطبية بسرعة. واليوم، دخلت أداة جديدة هذا المشهد: الذكاء الاصطناعي التوليدي القائم على المحادثة. هذه الأنظمة، المبنية على مجموعات ضخمة من المعرفة البشرية، يمكنها إجراء حوار، والإجابة على الأسئلة، وتلخيص المواضيع المعقدة في ثوانٍ. والوعد هنا هو أن مثل هذه الأداة يمكن أن تعمل كشريك بجانب سرير المريض، مما يساعد الأطباء على استرجاع الأدلة بشكل أسرع وأكثر دقة. ومع ذلك، فإن معظم اختبارات هذه الأنظمة قد أجريت في بيئات محكومة وثابتة، بعيدًا عن واقع مستشفى مزدحم في بلد منخفض أو متوسط الدخل. ويبقى السؤال الجوهري هو ما إذا كانت هذه المساعدات الرقمية تحسن بالفعل جودة الرعاية عند استخدامها من قبل أطباء حقيقيين في بيئات حقيقية، أم أنها مجرد برامج دردشة متطورة تبدو واثقة ولكنها تقدم القليل من المساعدة العملية.

ولإيجاد الإجابة، صمم باحثون في أمريكا اللاتينية مقارنة مباشرة شملت مائتين واثنين من الأطباء. لقد وضعوا سيناريو طُلب فيه من الأطباء حل أربع حالات مرضية محاكية، تتطلب كل منها إجابات على أربعة أسئلة مفتوحة. تم تقسيم الأطباء عشوائيًا إلى مجموعتين؛ استخدمت إحدى المجموعات طرقها المعتادة للبحث عن المعلومات، من خلال البحث في المصادر القياسية كما يفعلون عادةً، بينما استخدمت المجموعة الأخرى نظام محادثة محددًا صُمم لتقديم إجابات يمكن إرجاعها إلى أدلة طبية. ولضمان العدالة، قام متخصصان مستقلان، لم يعلما أي طريقة استخدمها كل طبيب، بتقييم كل استجابة. وقد قيّما الإجابات بناءً على ستة أبعاد مختلفة للجودة، مما خلق درجة مركبة تعكس الصلاحية الإجمالية للمشورة الطبية المقدمة.

أظهرت النتائج فرقًا واضحًا بين النهجين. فالأطباء الذين استخدموا نظام المحادثة قدموا إجابات كانت، في المتوسط، أكثر صلاحية من أولئك الذين اعتمدوا على ممارسات البحث المعتادة لديهم. كانت درجات المجموعة المدعومة أعلى، بمتوسط بلغ 2.83 مقارنة بـ 2.46 لمجموعة الممارسة المعتادة. وعندما عدّل الباحثون النتائج لتشمل عوامل مثل الدرجات العلمية للأطباء، أشارت البيانات إلى أن الطبيب الذي يستخدم النظام كان أكثر عرضة بشكل كبير لتقديم إجابة تستوفي معيارًا عاليًا من الصلاحية. وقد ظل هذا التفوق قائمًا عبر معظم المعايير المحددة المستخدمة في التقييم، لا سيما تلك التي اتفق فيها الحكام الخبراء بقوة أكبر مع بعضهم البعض. ومع ذلك، كشفت الدراسة أيضًا عن تفصيل دقيق: فعند النظر بدقة في دقة الحقائق وحدها، لم يصل الفرق بين المجموعتين إلى مستوى الدلالة الإحصائية. وقد دفع هذا الباحثين إلى تحديد مقياس الصلاحية الأوسع والأكثر شمولاً كلقطة رئيسية، وهو قرار عززه مقيم خارجي كرر تحليل الدقة فقط ووجد نفس غياب الفرق.

وبعيدًا عن جودة الإجابات، فحصت الدراسة شعور الأطباء تجاه العملية والوقت الذي استغرقه الأمر. أفاد الأطباء الذين استخدموا النظام بمستويات عالية من الرضا، ووجدوا الأداة مقبولة وسهلة الاستخدام. ومن المثير للاهتمام أن الوقت الذي استغرقه إكمال المهام وعدد عمليات البحث التي أبلغ عنها الأطباء لم يظهرا فرقًا واضحًا بين المجموعتين، رغم أن الباحثين أشاروا إلى أن البيانات المفقودة جعلت تفسير هذه المقارنة المحددة أمرًا صعبًا. وتختتم الدراسة بتذكير مهم حول نطاقها: المشاركون كانوا متطوعين اختاروا إكمال التمرين، مما يعني أن النتائج هي استكشافية وليست دليلًا قاطعًا على كيفية عمل الأداة لكل طبيب في كل موقف. ورغم أن النظام لم يعمل كعصا سحرية تحل كل مشكلة فورًا، إلا أن الأدلة تشير إلى أنه عندما يُستخدم من قبل أطباء ممارسين في هذه المنطقة، فإنه يمكن أن يساعد في رفع جودة المعلومات الطبية التي يقدمونها لمرضاهم.