Evidence-Grounded Retrieval- Augmented Generation and Knowledge-Graph Grounding for Patient-Safety Reasoning: A Comparative Evaluation

في بيئة وحدات العناية المركزة بالمستشفيات، حيث تكون الأجواء مشحونة بالخطورة، يكون هامش الخطأ ضئيلاً للغاية. فمجرد تفاعل واحد مفقود بين دواء ونتائج مخبرية محددة لمريض، أو الفشل في الربط بين إجراء طبي سابق وعرض حالي، يمكن أن يؤدي إلى ضرر يمكن تفاديه. لعقود من الزمن، اعتمد الأطباء على تدريبهم وذاكرتهم للتنقل في هذه الشبكة المعقدة من المعلومات، لكن حجم البيانات في الطب الحديث نما لدرجة لا يمكن معها لأي عقل بشري استيعابها بالكامل في آن واحد. وهنا يأيد الذكاء الاصطناعي في الصورة، مقدماً نوعاً جديداً من المساعدين القادرين على قراءة آلاف الصفحات من السجلات الطبية في ثوانٍ معدودة. ومع ذلك، فإن هذه البرامج الحاسوبية القوية، المعروفة بنماذج اللغات الكبيرة، تعاني من خلل جسيم: فهي بارعة في التحدث بثقة ولكنها قد تخترع أحياناً حقائق أو تغفل عن تفاصيل حاسمة، وهي مشكلة غير مقبولة عندما تكون سلامة المرضى على المحك. ولإصلاح ذلك، يستكشف الباحثون طرقاً لـ "تأصيل" (grounding) هذه الأنظمة، مما يجبرها على الاعتماد على أدلة خارجية حقيقية وحقائق مهيكلة بدلاً من مجرد ذاكرتها الداخلية.

لقد شرع فريق من الباحثين بقيادة شاراري تاهري مقدام ومحمد شفيقور رحمان جابين في اختبار كيفية جعل هؤلاء المساعدين من الذكاء الاصطناعي أكثر أماناً وموثوقية لرعاية المرضى. وقد ركزوا على نوع محدد من الاستدلال بالذكاء الاصطناعي يُستخدم لرصد المخاطر المحتملة قبل وقوعها. طرح الفريق سؤالاً جوهرياً: هل يساعد منح الذكاء الاصطناعي إمكانية الوصول إلى مكتبة من الأبحاث الطبية المحدثة، أم أنه من الأفضل تزويده بخريطة مهيكلة لكيفية ارتباط المفاهيم الطبية ببعضها البعض؟ أو، ربما الأهم من ذلك، هل يؤدي الجمع بين كلا النهجين إلى إنشاء نظام يتفوق بمراحل على استخدام أي منهما بمفرده؟ ولإيجاد الإجابة، قاموا ببناء تجربة منضبطة باستخدام بيانات حقيقية مجهولة المصدر لآلاف مرضى العناية المركزة. لقد أنشأوا أربعة إصدارات مختلفة من نفس نظام الذكاء الاصطناعي لحل نفس المشكلات المتعلقة بالسلامة. النسخة الأولى كانت النموذج الأساسي، الذي يعتمد فقط على ما تعلمه أثناء تدريبه. النسخة الثانية مُنحت إمكانية الوصول إلى محرك بحث يسحب المقالات والإرشادات الطبية ذات الصلة. النسخة الثالثة كانت متصلة برسم معرفي مهيكل، وهو عبارة عن خريطة رقمية تربط صراحة بين المرضى والأدوية والاختبارات المخبرية وأحداث السلامة معاً. أما النسخة الرابعة والأخيرة، فكانت الأكثر قوة، حيث تم تجهيزها بكل من محرك البحث والخريطة المهيكلة.

بعد ذلك، وضع الباحثون هذه الأنظمة الأربعة تحت الاختبار باستخدام سلسلة من سيناريوهات المرضى الواقعية المستمدة من سجلات الرعاية الحرجة. وطلبوا من الأنظمة تحديد مخاوف السلامة، وشرح استدلالها، والإشارة إلى أي مخاطر. كانت النتائج واضحة ومتسقة. فقد أنتج نموذج الذكاء الاصطناعي الأساسي، الذي تُرك ليعمل بمفرده، أكبر عدد من الأخطاء؛ إذ قدم مراراً ادعاءات غير مدعومة، وأغفل روابط سلامة مهمة، وقدم تفسيرات كان من الصعب على الخبراء البشريين التحقق منها. وعندما أضاف الباحثون قدرة محرك البحث، تحسن النظام في توجهه، حيث استشهد بأدبيات طبية حقيقية وقلل من عدد الحقائق المختلقة، رغم أن هذه المكاسب المحددة لم تصل إلى الدلالة الإحصائية في التحليل. وعندما أضافوا الخريطة المعرفية المهيكلة، تحسن النظام أيضاً، وأصبح أفضل في فهم كيف يمكن لدواء معين أن يتفاعل مع حالة مريض محدد بناءً على العلاقات الطبية الراسخة. ومع ذلك، كان النظام الذي جمع بين الأداتين معاً — محرك البحث والخريطة المعرفية — هو الأفضل أداءً بشكل عام عبر جميع المجالات التي تم قياسها. فقد قدم هذا النظام الهجين الإجابات الأكثر صحة من الناحية الواقعية، والتوصيات الأكثر أماناً، والتفسيرات الأكثر شفافية. وبينما أظهر أدنى مستوى من "الهلوسة" والادعاءات غير المدعومة، أشارت التحليلات الإحصائية إلى أن الفرق في أنماط الخطأ الثنائية بين النظام المجمع والنموذج الأساسي لم يكن ذا دلالة إحصائية.

كشفت الدراسة أن الأداتين تؤديان أدواراً مختلفة ولكنها متكاملة. يعمل محرك البحث مثل أمين المكتبة المرجعي، حيث يجلب أحدث الأبحاث والإرشادات لضمان عمل الذكاء الاصطناعي بمعلومات حديثة. بينما تعمل الخريطة المعرفية مثل المهندس الإنشائي، حيث توفر إطاراً صلباً يوضح بدقة كيفية اتصال الحقائق الطبية المختلفة ببعضها البعض. وعند استخدامهما معاً، فإنهما يشكلان شبكة أمان تلتقط الأخطاء التي لا تستطيع أي من الأداتين التقاطها بمفردها. وجد الباحثون أن الخريطة المعرفية المهيكلة كانت قوية بشكل خاص، حيث ساهمت في الدقة الإجمالية أكثر مما فعله محرك البحث بمفرده. وهذا يشير إلى أنه بالنسبة لسلامة المرضى، فإن مجرد الحصول على المزيد من النصوص ليس كافياً؛ بل يحتاج الذكاء الاصطناعي إلى فهم العلاقات بين الحقائق. لم يكتفِ النظام المجمع بأن يبدو أكثر ثقة فحسب، بل كان أكثر موثوقية بشكل ملموس من حيث الصحة الواقعية والتأسيس على الأدلة، مع وجود اتجاه نحو انخفاض حالات "الهلوسة"، حيث يخترع الذكاء الاصطناعي تفاصيل لم تحدث قط.

وعلى الرغم من هذه النتائج الواعدة، يشدد الباحثون على أن هذا ليس منتجاً نهائياً جاهزاً لاستبدال الأطباء. فقد أجريت الدراسة باستخدام بيانات استرجاعية، مما يعني أن الذكاء الاصطناعي تم اختباره على سجلات سابقة بدلاً من بيئة مستشفى حية حيث سيتفاعل مع مرضى حقيقيين في الوقت الفعلي. وكانت التحسينات المقاسة في جودة استدلال الذكاء الاصطناعي وقدرته على الاستشهاد بالأدلة، وليس في النتائج الفعلية للمرضى مثل ما إذا كان عدد المرضى الذين مرضوا قد قلّ أم لا. كما وجد الفريق أنه على الرغم من كون النظام أفضل، إلا أنه لم يكن مثالياً؛ حيث كانت هناك حالات لا تزال فيها المعلومات المسترجعة غير ذات صلة تماماً، أو حيث يمكن تعزيز العلاقة بين الدليل والاستنتاج. وتؤكد الدراسة أن الهدف ليس إنشاء صانع قرار مستقل، بل بناء أداة تدعم الأطباء البشر. وفي هذه الرؤية، يعمل الذكاء الاصطناعي كمساعد مطلع للغاية يسلط الضوء على المخاطر ويقدم الأدلة، تاركاً الحكم النهائي والمسؤولية في يد المهني الطبي.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد مستشفى واحد أو نوع واحد من الأخطاء. فهي تقدم مخططاً لكيفية جعل الذكاء الاصطناعي جديراً بالثقة في المجالات الحرجة. ومن خلال إثبات أن الجمع بين الأدلة الخارجية والمعرفة المهيكلة يخلق نظاماً أكثر موثوقية، أظهر الباحثون مساراً للمضي قدماً في تطوير ذكاء اصطناعي يمكن للأطباء الوثوق به حقاً. وتشير النتائج إلى أن مستقبل الذكاء الاصطناعي الطبي لا يكمن في جعل النماذج أكبر أو أذكى بمعزل عن غيرها، بل في منحها أدوات أفضل للتحقق من أفكارها الخاصة. وبينما يتحرك قطاع الرعاية الصحية نحو دمج هذه التقنيات، فإن الدرس المستفاد من هذه الدراسة واضح: الأمان يأتي من ترسيخ الآلة في الواقع، وضمان إمكانية تتبع كل ادعاء تقدمه إلى سجل مريض حقيقي، أو إرشادات طبية موثقة، أو علاقة مثبتة بين المفاهيم الطبية. هذا النهج يحول الذكاء الاصطناعي من صندوق أسود يخمن إلى شريك شفاف يستدل، مما يمهد الطريق لمستقبل يعمل فيه التكنولوجيا والخبرة البشرية معاً لمنع الضرر.