Safety, Accuracy, Empathy, Information Quality, and Readability of Large Language Models in Answering Caregiver Questions About Pediatric Burn First Aid and Inpatient Care: A Cross-Sectional Comparative Study
قيمت هذه الدراسة المقارنة المستعرضة أربعة نماذج لغوية كبيرة من حيث السلامة، والدقة، والتعاطف، وجودة المعلومات، وسهولة القراءة فيما يتعلق برعاية حروق الأطفال، ووجدت أنه في حين قدمت هذه النماذج عمومًا استجابات آمنة ودقيقة، إلا أن هناك تباينات ملحوظة وجدت في التعاطف، وشفافية المصادر، وسهولة القراءة، مما يستلزم تحسينات لتقديم إرشادات فعالة لمقدمي الرعاية.
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
عندما يصاب طفل صغير بحرق، تكون الدقائق القليلة الأولى حاسمة. إن الطريقة التي يستجيب بها الوالد أو مقدم الرعاية في لحظة الذعر تلك يمكن أن تحدد مدى عمق الإصابة، ومقدار الألم الذي سيشعر به الطفل، ومدى جودة التئام الجلد لاحقاً. النصيحة الطبية القياسية واضحة: أوقف عملية الحرق، برّد الجرح بالماء الجاري من الصنبور، غطّه بشكل فضفاض، واطلب المساعدة المهنية للإصابات الخطيرة. ومع ذلك، في غمرة اللحظة، قد يلجأ أحد أفراد الأسرة القلقين إلى مساعد رقمي للحصول على توجيه فوري. لقد أصبحت أدوات الذكاء الاصطناعي هذه، المعروفة بنماذج اللغات الكبيرة، مصادر شائعة للمعلومات الصحية؛ فهي تستطيع الدردشة، وشرح المواضيع المعقدة بتبسيط، وتقديم الطمأنينة. ولكن عندما تكون صحة الطفل على المحك، فإن الفرق بين اقتراح مفيد وخطأ فادح قد يغير مجرى الحياة. والسؤال ليس فقط ما إذا كانت هذه الآلات تستطيع الإجابة بشكل صحيح، بل ما إذا كان بإمكانها القيام بذلك بأمان، وبالقدر المناسب من التعاطف، وبلغة يمكن للوالد المجهد استيعابها فعلياً.
وضع فريق من الباحثين في مستشفى بكين للأطفال هدفاً لاختبار هذا الأمر تحديداً. أرادوا معرفة كيفية أداء أربعة من برامج الدردشة الآلية الشهيرة للذكاء الاصطناعي عند طرح أسئلة قد تراود أحد الوالدين حول علاج حرق طفل. ركزت الدراسة على مرحلتين أساسيتين من الرعاية: الإسعافات الأولية الفورية المطلوبة فور وقوع الإصابة، والرعاية التمريضية المستمرة اللازمة أثناء وجود الطفل في المستشفى. لم يطلب الباحثون من الآلات تشخيص مرضى محددين أو علاج إصابات حقيقية، بل صاغوا مجموعة من ستة وثلاثين سؤالاً تعكس مخاوف واقعية، مثل كيفية تبريد الحرق، وماذا تفعل إذا التصقت الملابس بالجلد، وكيفية إدارة الألم، ومتى يجب التوجه إلى غرفة الطوار์. قاموا بتغذية هذه الأسئلة نفسها في أربعة نماذج مختلفة من الدردشة الآلية: ChatGPT، وGemini، وDeepSeek، وDoubao. أنتجت كل آلة استجابة، مما نتج عنه إجمالي مئة وأربع وأربعين إجابة لتقييمها.
وللحكم على هذه الإجابات، شكل الباحثون لجنة من خمسة خبراء، بمن فيهم متخصصون في حروق الأطفال والجراحة والتمريض. امتلك هؤلاء الخبراء عقوداً من الخبرة وتدربوا على البحث عن أمور محددة؛ فقد تحققوا مما إذا كانت النصيحة آمنة، بمعنى أنها لم توصِ بعلاجات منزلية ضارة أو تؤخر الرعاية الطبية الضرورية. كما قاسوا الدقة من خلال مقارنة الإجابات بالمبادئ التوجيهية الطبية المعتمدة. وقاموا أيضاً بتقييم مدى تعاطف الاستجابات، بحثاً عن لغة تقر بخوف الوالد وتقدم الدعم دون إلقاء لوم. وأخيراً، حللوا مدى سهولة قراءة النص، للتأكد من أن المعلومات ليست مدفونة في مصطلحات طبية مربكة. عمل الخبراء بشكل مستقل ولم يعرفوا أي نموذج دردشة كتب أي إجابة، مما ضمن عدالة أحكامهم وعدم انحيازها.
أظهرت النتة أن أدوات الذكاء الاصطناعي هذه قادرة بشكل عام، لكنها ليست مثالية. في معظم الأوقات، قدمت برامج الدردشة معلومات آمنة ودقيقة. على سبيل المثال، قدم ChatGPT نصائح آمنة في ثلاث وثلاثين حالة من أصل ست وثلاثين، بينما تراوحت النماذج الأخرى بين تسع وعشرين إلى إحدى وثلاثين استجابة آمنة من أصل ست وثلاثين. ومع ذلك، وجدت الدراسة أنه لا يوجد نموذج واحد خالٍ من العيوب. ففي حالات عدة، افتقرت الإجابات إلى تحذيرات حاسمة بشأن متى يجب طلب المساعدة الطبية العاجلة، أو فشلت في التأكيد بما يكفي على أن بعض العلاجات المنزلية، مثل استخدام الثلج، يمكن أن تزيد من سوء الإصابة في الواقع. وبينما كانت الاختلافات في الدقة الواقعية بين النماذج الأربعة ضئيلة إحصائياً، كانت الاختلافات في كيفية تواصلها أكثر وضوحاً. فقد حصل أحد النماذج، وهو Doubao، على درجات أقل في التعاطف، مما يعني أن استجاباته بدت أقل دعماً للوالد المشتت مقارنة بالنماذج الأخرى.
كما سلطت الدراسة الضوء على عائق كبير في كيفية تحدث هذه الآلات إلى الناس. فقد قاس الباحثون المستوى القرائي للنص، وهو ما يشبه التحقق من المستوى الدراسي الذي يحتاجه الطالب لفهم المادة. ووجدوا أن الإجابات من بعض النماذج كُتبت بمستوى قد يصعب على العديد من البالغين قراءته بسرعة، خاصة عندما يكونون تحت وطأة التوتر. أما النماذج التي قدمت أفضل أداء من حيث سهولة القراءة، فقد أنتجت نصوصاً أبسط وأكثر مباشرة، قريبة من المستوى الموصى به لمواد تثقيف المرضى. وفي المقابل، استخدمت نماذج أخرى تراكيب جمل معقدة ومفردات قد تربك مقدم الرعاية في وقت الأزمة. وخلص الباحثون إلى أنه بينما أصبحت هذه الأدوات مصادر موثوقة للمعلومات، إلا أنها لا تزال تعاني في الجانب الإنساني من المعادلة؛ إذ يمكنها تقديم الحقائق، لكنها أحياناً تخطئ الهدف فيما يتعلق بالوضوح والدعم العاطفي.
في نهاية المطاف، تشير الدراسة إلى أن المساعدين الرقميين هؤلاء هم أدوات مفيدة، ولكن لا ينبغي أن يحلوا محل الحكم الطبي المهني. جاء الأداء الأفضل من النماذج التي جمعت بين الصحة الواقعية واللغة الواضحة والبسيطة والنبرة التي تحترم قلق المستخدم. وأشار الباحثون إلى أنه لكي تكون هذه الأدوات مفيدة حقاً في رعاية الأطفال، يجب تصميمها لإعطاء الأولوية للتوجيهات الموجزة والموجهة نحو العمل. يجب أن تكون قادرة على توضيح متى يكون الموقف حالة طوارئ، وشرح الأدلة وراء نصيحتها دون إخفائها في مصطلحات تقنية. وإلى أن تتمكن هذه الأنظمة من تقديم معلومات آمنة ودقيقة وسهلة الفهم باستمرار تحت الضغط، يجب على الآباء ومقدمي الرعاية التعامل معها كنقطة انطلاق للمعلومات، وليس ككلمة أخيرة بشأن صحة الطفل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.