📄 agriculture

Hybrid Rule-Based and Machine Learning Classification of Military Working Dog Medical Problems Using SNOMED CT and the Veterinary Extension

تقدم هذه الورقة مساراً هجيناً يعتمد على القواعد والتعلم الآلي ينجح في ربط السجلات الطبية غير المهيكلة لكلاب العمل العسكرية بمفاهيم "سنوميد سي تي" (SNOMED CT) المعيارية بنسبة توافق بلغت 82.7% مع إجماع الخبراء، مما يتيح مراقبة صحية مؤتمتة على مستوى السكان.

المؤلفون الأصليون: Marc Knobbe, Ore Fakiyesi, Joshua Frey, Sara Mullaney

نُشر 2026-09-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Marc Knobbe, Ore Fakiyesi, Joshua Frey, Sara Mullaney

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم السجلات الطبية الواسع والمنظم، يعتمد الأطباء والأطباء البيطريون على لغة مشتركة لوصف ما يعاني منه المريض. هذه اللغة، المعروفة باسم المصطلحات المعيارية، تعمل مثل قاموس عالمي، يضمن أن التشخيص المكتوب في عيادة ما يعني الشيء نفسه في عيادة أخرى. وبدونها، تظل البيانات الصحية عبارة عن مجموعة من الملاحظات المتناثرة، التي يصعب البحث فيها أو تحليلها على نطاق واسع. وبالنسبة للكلاب العاملة في المجال العسكري، والتي تُعد صحتها بالغة الأهمية للأمن القومي والنجاح العملياتي، فإن هذه البيانات محبوسة حالياً في مزيج من القوائم المنظمة والنصوص الحرة غير المنظمة. وبينما تؤدي هذه الكلاب أدواراً في الدوريات والكشف، فإن تاريخها الطبي غالباً ما يُسجل بطرق تجعل من الصعب رصد الأنماط، مثل ارتفاع معدلات إصابة معينة أو ظهور تهديد مرضي جديد. ولحل هذه المشكلة، احتاج الباحثون إلى وسيلة لترجمة هذه الملاحظات البشرية المكتوبة بشكل فوضوي إلى تنسيق نظيف يمكن للحاسوب قراءته، بحيث يمكن استخدامه لمراقبة صحة مجتمع الكلاب العاملة بأكرا.

قام فريق من الباحثين من وكالة الصحة الدفاعية وأكاديمية الولايات المتحدة العسكرية بمعالجة هذا التحدي عبر بناء نظام هجين يجمع بين المطابقة الصارمة القائمة على القواعد وبين التعلم الآلي الحديث. وقد ركزوا على "قائمة المشكلات الرئيسية"، وهي حقل في السجلات الصحية الإلكترونية حيث يدخل الأطباء البيطريون التشخيصات والأعراض والإجراءات. تحتوي هذه القائمة على أكثر من 73,000 مدخل، تتراوح من المصطلحات الطبية الدقيقة إلى الأوصاف الغامضة مثل "العرج" أو "طفح جلدي". وقد طور الباحثون مسار عمل يعالج كل مدخل عبر سلسلة من الخطوات، بدءاً من الطرق الأكثر دقة وصولاً إلى الطرق الأكثر مرونة. أولاً، يبحث النظام عن مطابقات مباشرة لقاموس طبي دولي ضخم يسمى (SNOMED CT)، والذي يتضمن قسماً خاصاً بالمصطلحات البيطرية. وإذا تم العثور على مطابقة مثالية، يتم تصنيف المدخل فوراً. أما إذا كان النص مختلفاً قليلاً، فيحاول النظام تطبيعه عن طريق إزالة الكلمات الزائدة أو تصحيح الأخطاء الإملائية، ثم يحاول مرة أخرى.

وعندما تفشل القواعد الصارمة في إيجاد مطابقة، يلجأ النظام إلى التعلم الآلي لفهم معنى النص المتبقي. وقد اختبر الباحثون عدة أساليب مختلفة لمعرفة أي منها يعمل بشكل أفضل لهذه المدخلات الصعبة وغير المطابقة. وقارنوا بين طريقة بسيطة تعتمد على حساب عدد مرات ظهور كلمات معينة، وبين شبكات عصبية أكثر تعقيداً تحاول فهم سياق الكلمات. ومن المثير للدهشة أن الطريقة الأبسط، التي تعتمد على حساب أنماط الكلمات، أثبتت أنها الأكثر دقة؛ حيث نجحت في تحديد الفئة الصحية العامة لـ 80 بالمائة من الحالات الصعبة، متفوقة بذلك على نماذج الذكاء الاصطناعي الأكثر تقدماً. ويشير هذا الاكتشاف إلى أن الملاحظات الطبية القصيرة والمحددة، تكون فيها الأنماط الواضحة في استخدام الكلمات غالباً أكثر موثوقية من المحاولات المعقدة لفهم المعنى العميق.

كما سلطت الدراسة الضوء على الأهمية البالغة لوجود امتداد بيطري متخصص للقاموس الطبي. وبينما غطى القاموس الطبي البشري القياسي معظم الحالات، فإن ما يقرب من ربع المفاهيم المحددة المطلوبة للكلاب العاملة جاءت من النسخة المخصصة للطب البيطري. ويتضمن هذا القسم مصطلحات للحالات الشائعة لدى الكلاب، مثل جروح الذيل أو أنواع معينة من العرج، والتي لا يوجد لها مكافئ مباشر في القاموس المخصص للبشر. وبدون هذا الإضافة المتخصصة، كان جزء كبير من المشكلات الطبية للكلاب سيبقى دون تصنيف. وقد تحقق الباحثون من نظامهم بالكامل من خلال جعل لجنة مكونة من تسعة متخصصين في الطب البيطري تراجع عينة من المدخلات. وقد اتفق النظام الآلي مع إجماع الخبراء في حوالي 83 بالمائة من الحالات، وهي نتيجة قوية تؤكد أن النظام يمكنه الاعتماد عليه لترجمة الملاحظات الفوضوية إلى بيانات منظمة.

من خلال النجاح في ربط آلاف السجلات غير المنظمة بفئات معيارية، يسد هذا الإطار فجوة كبيرة في الطب البيطري العسكري. فهو يحول عملية مراجعة آلاف الملفات الفردية اليدوية والمستهلكة للوقت إلى نظام مؤتمت قادر على المراقبة في الوقت الفعلي. وهذا يتيح للقيادة تحديد التهديدات الصحية الناشئة بسرعة، وتتبع انتشار الإصابات مثل أمراض المفاصل أو الالتهابات الجلدية، واتخاذ قرارات قائمة على البيانات للحفاظ على صحة الكلاب العاملة وجاهزيتها للخدمة. إن هذا العمل يثبت أن الجمع بين القواعد الراسخة والتعلم الآلي البسيط والذكي يمكن أن يطلق العنان للقيمة المخفية في السجلات الطبية اليومية، محولاً البيانات الخام إلى رؤى قابلة للتنفيذ من أجل الحيوانات التي تخدم جنباً إلى جنب مع الجنود.

أبحاث مشابهة