A Knowledge Graph-Based Intelligent Guidance System for Competency-Oriented Anesthesiology Residency Training: Design and Evaluation

في بيئة غرفة العمليات عالية المخاطر، يدير أطباء التخدير شبكة معقدة من المعلومات تمتد من لحظة تقييم المريض قبل الجراحة إلى مرحلة التعافي بعد العمليات. يتطلب هذا المجال إتقان مئات الأدوية، والإجراءات المعقدة، وبروتوكولات الطوارئ، كل ذلك مع الالتزام بسياسة عدم التسامح مطلقاً مع الخطأ. وبالنسبة للأطباء المتدربين، المعروفين باسم الأطباء المقيمين، غالباً ما تكون تجربة تعلم هذا النظام الواسع مجزأة؛ فقد يجمعون المعرفة من كتب مدرسية متفرقة أو يعتمدون على تعليم متقطع وجهاً لوجه من كبار الأطباء المشغولين، مما يترك فجوات في فهمهم لكيفية التعامل مع حالات الطوارئ الحرجة. وبينما بدأ الذكاء الاصطناعي يقدم طرقاً جديدة للتدريس، فإن العديد من الأدوات الحالية تعتمد على أنظمة قائمة على السحابة ترسل بيانات المرضى الحساسة عبر الإنترنت، مما يثير مخاوف جدية بشأن الخصوصية تمنع استخدامها في الشبكات المستشفى الآمنة.

قام فريق من الباحثين في جامعة نينغشيا الطبية والمستشفى التابع لها في الصين بتطوير نوع جديد من المساعد الرقمي للتدريس، صُمم خصصاً لحل هذه المشكلات. لقد أنشأوا نظاماً يعيش بالكامل داخل أجهزة الكمبيوتر الخاصة بالمستشفى، مما يحافظ على خصوصية وأمن جميع البيانات. وبدلاً من مجرد الإجابة على الأسئلة، يقوم هذا المساعد بتوجيه الأطباء المقيمين عبر عملية تعلم خطوة بخطوة تحاكي الطريقة التي يفكر بها الطبيب الخبير عند مواجهة مشكلة معقدة. ومن خلال الجمع بين خريطة مهيكلة للحقائق الطبية وتكنولوجيا لغوية متقدمة، يوفر النظام وسيلة لممارسة السيناريوهات عالية المخاطر دون تعريض مريض حقيقي للخطر أبداً.

إن جوهر هذا النظام الجديد هو "رسم بيق معرفي" متخصص، بناه الباحثون من خلال تنظيم آلاف الحقائق حول التخدير في هيكل منطقي. تخيل مكتبة ضخمة حيث ترتبط كل الكتب والأدوية والإجراءات بخيوط غير مرئية توضح بالضبط كيفية ارتباطها ببعضها البعض. لقد رسم الباحثون مسار المريض الجراحي بأكمله، من التقييم قبل الجراحة إلى إدارة الألم بعد الجراحة، وملأوا هذه الخريطة بـ 805 كياناً طبياً محدداً وأكثر من 6,500 علاقة بينها. يسمح هذا الهيكل للكمبيوتر بفهم ليس فقط الحقائق المنعزلة، بل التدفق المنطقي لاتخاذ القرار السريري. وخلافاً للأدوات الطبية العامة التي تركز على الأمراض، فقد بُنيت هذه الخريطة حول سير العمل في التخدير، مما يعكس كيفية عمل الأطباء فعلياً في غرفة العمليات.

ولجعل هذه المعرفة مفيدة للتعلم، يستخدم النظام طريقة تسمى "الحوار التصاعدي". فعندما يسأل الطبيب المقيم عن كيفية التعامل مع حالة طوارئ محددة، مثل التسمم من مخدر موضعي، لا يقوم النظام بمجرد سكب قائمة طويلة من التعليمات. بدلاً من ذلك، يقوم بتفكيك الحل إلى خمس خطوات متتالية؛ حيث يعرض الإجراء الأول، ثم يطلب من الطبيب المقيم التأكيد على فهمه، ثم ينتقل إلى الخطوة التالية فقط بعد تلقي هذا التأكيد. هذا النهج يجبر المتعلم على التفاعل بنشاط مع المادة، وبناء عادة ذهنية تتمثل في التحقق والتدقيق في كل مرحلة من مراحل الإجراء. كما يتتبع النظام أسئلة المستخدم وسجله، ويكيف توجيهه ليتناسب مع وتيرة المتعلم، ويضمن أن تكون التغذية الراجعة مرتبطة دائماً بالمبادئ التوجيهية الطبية المعتمدة.

يتمثل الابتكار الرئيسي في هذا العمل في كيفية عثور النظام على المعلومات المناسبة للإجابة على سؤال ما. فقد بنى الباحثون نظام استرجاع ثنائي المحرك يعمل كبحث ذي شقين: يبحث الجزء الأول في الرسم البياني المعرفي المهيكل لإيجاد حقائق دقيقة قائمة على الإرشادات، مثل جرعات الأدوية الدقيقة أو موانع الاستعمال. ويبحث الجزء الآخر في الوثائق النصية غير المهيكلة لإيجاد شروحات وسياقات مفصلة. ثم يجمع النظام بين هذين المصدرين، مع إعطاء وزن أكبر للحقائق المهيكلة لضمان الدقة. وفي اختبار هذا النهج مقابل 300 سؤال وضعها وقيمها كبار أطباء التخدير، حقق النظام معدل امتثال للإرشادات بنسبة 98.5 بالمائة. وهذا يعني أن كل إجابة قدمها كانت متوافقة تماماً مع المعايير الطبية الرسمية، وهو تحسن كبير عن النماذج اللغوية القياسية التي غالباً ما تقع في فخ "الهلوسة" أو اختلاق الحقائق.

كما عالج الباحثون التحدي العملي لتشغيل هذه التكنولوجيا في بيئة المستشفى. تتطلب العديد من أدوات الذكاء الاصطناعي القوية خوادم ضخمة ومكلفة أو اتصالاً مستمراً بالإنترنت، وهو أمر مستحيل غالباً في البيئات الطبية الآمنة. لذا، صُمم هذا النظام الجديد ليكون خفيف الوزن ويعمل محلياً بالكامل. ومن خلال ضغط البرمجيات، جعل الفريق من الممكن تشغيل التطبيق بالكامل على محطة عمل مستشفى قياسية مزودة ببطاقة رسوميات تحتوي على 6 جيجابايت فقط من الذاكرة. يعمل النظام بالكامل دون اتصال بالإنترنت، مما يعني أن أي بيانات لا تغادر المبنى أبداً. وفي الاختبارات، قام النظام بتوليد استجابة كاملة وموجهة في أقل من 15 ثانية، وهي سرعة كافية ليستخدمها الطبيب المقيم أثناء جلسة دراسية أو أثناء التحضير لنوبة عمل.

كشف تقييم النظام أنه بينما يمكن للنماذج اللغوية القياسية (بدون هذه الأدلة المحددة) توليد إجابات أطول وتبدو أكثر اكتمالاً، إلا أنها غالباً ما تتضمن معلومات غير صحيحة أو غير مؤكدة. في المقابل، أعطى النظام المتخصص الأولوية للسلامة والدقة، وضمن أن يكون كل نصيحة مدعومة بمصدر موثق. وأشار الباحثون إلى أن النظام كان فعالاً بشكل خاص في تعليم إدارة الأحداث الحرجة، وهي مهارة يصعب ممارستها في الحياة الواقعية لأن مثل هذه الطوارئ نادرة الحدوث. ومن خلال محاكاة هذه السيناريوهات في بيئة تفاعلية آمنة، يساعد النظام الأطباء المقيمين على بناء الذاكرة الإجرائية وعادات التفكير السريري التي يحتاجون إليها قبل مواجهة أزمة حقيقية.

وعلى الرغم من أن النتائج واعدة، إلا أن المؤلفين يشيرون بحذر إلى أن هذا هو عرض تقني لأداة تعليمية جديدة، وليس إثباتاً نهائياً على تحسين النتائج الطبية على المدى الطويل. تعتمد قاعدة المعرفة الحالية على الكتب المدرسية والإرشادات العامة، ويخطط الفريق لتوسيعها لتشمل حالات مستشفى محددة وتخصصات فرعية مثل تخدير الأطفال أو تخدير القلب في المستقبل. كما يستعدون لدراسة تعليمية منضبطة لمعرفة ما إذا كان استخدام هذا النظام سيساعد الأطباء المقيمين بالفعل في أن يصبحوا أطباء أفضل بمرور الوقت. وفي الوقت الحالي، يقف هذا العمل كدليل على إمكانية بناء رفيق تعليمي متطور وآمن وعالي الدقة لمرافقة التدريب الطبي، يحترم قواعد الخصوصية الصارمة في عالم الرعاية الصحية.