Design and Feasibility of a Large Language Model-Based Teaching Pathway for Clinical Pharmacy Practice Competencies
تُظهر هذه الدراسة أن مساراً تعليمياً قائماً على النماذج اللغوية الكبيرة، والذي يستخدم أطر صياغة الأوامر المهيكلة (SPADE وRTF)، يمكنه محاكاة حوارات الجولات الصيدلانية الإكلينيكية الواقعية بفعالية وتقديم تغذية راجعة تكوينية بدرجات ترتبط ارتباطاً وثيقاً بأحكام الخبراء، مما يوفر بديلاً قابلاً للتوسع ومنخفض التكلفة للتدريب التقليدي رغم وجود بعض العيوب الطفيفة في استقرار الاستجابة والتقليل المنهجي من تقدير الدرجات.
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 الرعاية الصحية، لا يقل تعلم كيفية التحدث إلى المرضى أهمية عن معرفة الدواء الذي يجب وصفه. وبالنسبة للصيادلة الإكلينيكيين الجدد، غالبًا ما يكون المسار نحو إتقان هذه المحادثات مسدودًا بسبب حقيقة بسيطة: وهي عدم توفر عدد كافٍ من المرضى الحقيقيين للممارسة، كما أن الخبراء الذين يمكنهم توجيههم مشغولون جدًا لمراقبة كل تفاعل. تقليديًا، استخدمت المدارس "المرضى المعياريين" — وهم ممثلون مدربون على التظاهر بالمرض بأعراض محددة — لخلق بيئات ممارسة آمنة. ورغم فاعلية هذا الأسلوب، إلا أن استئجار هؤلاء الممثلين مكلف، ومن الصعب جدولتهم، ولا يمكنهم تكرار نص معين لمرات عديدة قبل أن يشعروا بالتعب أو عدم الاتساق.
ولحل هذه المشكلة، بدأ الباحثون في اللجوء إلى الذكاء الاصطناعي، وتحديدًا نوع من البرامج الحاسوبية يسمى "نموذج لغوي كبير". تم تدريب هذه النماذج على كميات هائلة من النصوص ويمكنها توليد استجابات تشبه الاستجابات البشرية، مما يجعلها مرشحة محتملة لإنشاء مرضى افتراضيين لا يشعرون بالتعب أبدًا. ومع ذلك، فإن المحاولات المبكرة لاستخدام هذه التكنولوجيا في الطب غالبًا ما أسفرت عن محادثات جامدة وآلية بدت غير طبيعية أو فشلت في تقديم ملاحظات مفيدة. كان التحدي يكمن في تعليم هذه البرامج الحاسوبية ليس فقط كيف تتحدث، بل كيف تتصرف كشخص حقيقي لديه تاريخ طبي، مع تعليمها أيضًا كيفية تقييم أداء الطالب بإنصاف.
قام فريق من الباحثين في مستشفى السرطان التابع لجامعة نانجينغ الطبية ببناء واختبار طريقة جديدة لتدريب الصيادلة باستخدام هذه التكنولوجيا. أرادوا معرفة ما إذا كان بإمكانهم إنشاء نظام تعليم افتراضي يبدو واقعيًا بما يكفي ليكون مفيدًا، ولكنه ذكي بما يكفي لتقديم ملاحظات دقيقة دون الحاجة إلى معلم بشري حاضر. ركزوا على طب الأورام، أو رعاية مرضى السرطان، وهو مجال تتسم فيه إدارة الأدوية بالتعقيد ويمكن أن تكون فيه الأخطاء خطيرة. أنشأ الفريق ثلاثة سيناريوهات محددة تتضمن مرضى يعانون من أنواع مختلفة من السرطان وأنظمة علاج كيميائي متنوعة. ثم دعوا واحد وعشرين متدربًا، بمن فيهم صيادلة مبتدئون وطلاب دراسات عليا، لممارسة مهاراتهم من خلال إجراء محادثة مع مريض افتراضي يعمل بنموذج ذكاء اصطناعي مفتوح المصدر.
صمم الباحثون النظام بهدفين رئيسيين: أولاً، جعل المريض الافتراضي يبدو ويتصرف كشخص حقيقي، وثانيًا، جعل الكمبيوتر يقيم أداء المتدرب تلقائيًا. ولتحقيق الهدف الأول، استخدموا مجموعة مهيكلة من التعليمات، تُعرف باسم "المطالبة" (prompt)، والتي أخبرت الكمبيوتر بكيفية التصرف بدقة. تم توجيه الكمبيوتر للبقاء في شخصية المريض، والإجابة على الأسئلة بشكل طبيعي، ومشاركة التفاصيل الطبية فقط عندما يُسأل عنها أو عندما يشعر بأن شخصًا حقيقيًا قد يبادر بذكرها طواعية. ولتحقيق الهدف الثاني، أعطوا الكمبيوتر مجموعة منفصلة من التعليمات ليعمل كممتحن، يقوم بمراجعة نص المحادثة لمعرفة ما إذا كان المتدرب قد طرح الأسئلة الصحيحة وجمع المعلومات اللازمة.
عند بدء الدراسة، كانت النتائج واعدة. فقد كان المرضى الافتراضيون مقنعين بشكل ملحوظ. وقد قيم الخبراء الذين راجعوا المحادثات قدرة الكمبيوتر على الظهور كبشر حقيقي بدرجة عالية جدًا، مشيرين إلى أن الكلام بدا طبيعيًا وخاليًا من التيبس الآلي. واتفق المتدربون على ذلك، حيث أفادوا بأنهم شعروا بالراحة والراحة النفسية أثناء التفاعلات أكثر مما قد يشعرون به مع ممثل بشري. كما قدروا أن المريض الافتراضي وفر لهم مساحة آمنة للممارسة دون خوف من إطلاق الأحكام، مما سمح لهم بالتركيز تمامًا على المحادثة. نجح النظام في محاكاة تدفق جولة المرور في مستشفى حقيقي، بدءًا من أخذ التاريخ الطبي وصولًا إلى تقديم المشورة للمريض والإجابة على أسئلته.
كما أثبت الكمبيوتر قدرته على تقييم المتدربين. فعندما قارن الباحثون الدرجات التي أعطاها الذكاء الاصطناعي بالدرجات التي منحها فريق من الخبراء البشريين، وجدوا توافقًا قويًا جدًا. فقد صنف الكمبيوتر والبشر المتدربين في الغالب بنفس الترتيب، حيث حددوا من أدى جيدًا ومن يحتاج إلى مزيد من التدريب. ومع ذلك، كشفت الدراسة أيضًا عن خلل محدد في منطق التقييم لدى الكمبيوتر؛ إذ مال الذكاء الاصطناعي إلى إعطاء درجات أقل من الخبراء البشر، بفارق حوالي نقطتين ونصف على مقياس قياسي.
ويكمن سبب هذه الفجوة في كيفية تفسير الكمبيوتر للقواعد. ففي محادثة حقيقية، قد يبادر المريض بتقديم معلومات مهمة، مثل ذكر عرض جانبي يعاني منه، حتى لو لم يسأله الصيدلي عن ذلك بعد. ويفهم الخبراء البشريون هذا على أنه تفاعل ناجح لأن الصيدلي حصل الآن على المعلومة. أما الكمبيوتر، فقد تمت برمجته للبحث بصرامة عن سؤال محدد يليه جواب. فإذا قدم المريض المعلومة دون أن يُسأل عنها، كان الكمبيوتر أحيانًا يخصم نقاطًا، ظانًا أن الصيدلي فشل في طرح السؤال الصحيح. ويشير هذا إلى أنه بينما يعد الكمبيوتر ممتازًا في اتباع القواعد الصارمة، فإنه لا يزال يعاني في التعامل مع الطبيعة المرنة والمتغيرة للمحادثة البشرية حيث يكتسب السياق أهمية أكبر من قائمة التحقق.
وعلى الرغم من هذا القصور في التقييم، خلصت الدراسة إلى أن هذا النهج يعد أداة قوية للتدريب. فالنظام ليس جاهزًا بعد ليحل محل المعلمين البشريين في الامتحانات عالية المخاطر حيث تحدد درجة واحدة المسار المهني، وذلك بسبب التقليل المستمر من الدرجات. ولكن بالنسبة للممارسة اليومية، والتقييم الذاتي، وبناء الثقة، فإنه يقدم حلاً منخفض التكلفة، ومتاحًا دائمًا، وفعالاً للغاية. لقد أظهر الباحثون أنه من خلال استخدام تعليمات واضية لتوجيه الذكاء الاصطناعي، يمكنهم إنشاء مسار تعليمي يتسم بالواقعية والقابلية للتوسع. وهذا يعني أن المستشفيات والمدارس ذات الميزانيات المحدودة يمكنها نظرًا لتطبيق هذه الطريقة لمنح متدربيها الممارسة التي يحتاجون إليها، مما يسد الفجوة بين التعلم في الفصول الدراسية والرعاية الواقعية للمرضى. ويشير العمل إلى أن مستقبل التدريب الطبي قد لا يعتمد على توظيف المزيد من الممثلين، بل على تعليم الحواسيب كيف تستمع وتستجيب ببراعة الإنسان الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.