تشير هذه المراجعة النطاقية لـ 110 تقارير إلى أنه بينما تُظهر النماذج اللغوية الكبيرة إمكانات واعدة لمهام محددة في رعاية السمع، إلا أن الأدلة الحالية تفتقر إلى إثبات الفائدة السريرية، أو النشر الاستباقي، أو ضمانات الخصوصية القوية، مما يسلط الضوء على الحاجة الملحة لأبحاث مستقبلية تركز على التأثير في العالم الحقيقي، والسلامة، والفعالية المقارنة.
المؤلفون الأصليون:Shangqiguo Wang, Changgeng Mo, Jibin Wu, Alice K. Y. Siu, Fei Zhao, Jan-Willem A. Wasmann, De Wet Swanepoel, Vinaya Manchaiah
يعيش أكثر من مليار ونصف المليار شخص حول العالم مع درجة ما من فقدان السمع، ومع ذلك لا يوجد عدد كافٍ من المتخصصين المدربين لمساعدتهم جميعاً. في العيادات، وخدمات الرعاية عن بُعد، وحتى في المنازل، تتسع الفجوة بين الحاجة إلى الرعاية وتوافر المهنيين. ولتجسير هذه الفجوة، يتطلع العلماء والأطباء نحو نوع جديد من برامج الكمبيوتر يسمى "نموذج اللغة الكبير". هذه الأنظمة مدربة على كميات هائلة من النصوص التي يمكنها القراءة والكتابة والإجابة على الأسئلة بطريقة تحاكي المحادثة البشرية. ويمكنها معالجة الملاحظات الطبية المعقدة، أو شرح المفاهções الصعبة بعبارات بسيطة، أو المساعدة في تنظيم سجلات المرضى. والأمل هو أن تعمل هذه الأدوات كـ "مضاعف قوة"، مما يسمح لأخصائي السمع الواحد بدعم عدد أكبر بكثير من المرضى، أو مساعدة الناس على إدارة صحة السمع لديهم دون انتظار موعد. ومع ذلك، فإن مجرد قدرة الكمبيوتر على كتابة جملة مقنعة لا يعني أنه يمكنه توجيه قرار طبي بأمان.
لقد شرع فريق من الباحثين من جامعات في هونغ كونغ والولايات المتحدة وأوروبا في اكتشاف كيف يتم استخدام برامج الكمبيوتر هذه بالضبط في رعاية السمع وما إذا كانت تساعد المرضى حقاً. لم يكتفوا بالسؤال عما إذا كانت التكنولوجيا تعمل، بل بحثوا عن دليل على أنها تحسن النتائج في العالم الحقيقي. جمع الباحثون وحللوا 110 تقارير مختلفة نُشرت بين عامي 2022 و2026. غطت هذه التقارير كل شيء، بدءاً من مدى قدرة أجهزة الكمبيوتر على الإجابة على أسئلة حول فقدان السمع، وصولاً إلى ما إذا كان بإمكانها المساعدة في كتابة الملاحظات الطبية أو إنشاء تمارين إعادة التأهيل. صنف الفريق هذه الدراسات إلى مجموعات بناءً على ما كان الباحثون يختبرونه فعلياً: بعضها كان يتحقق فقط مما إذا كان الكمبيوتر يستطيع اجتياز امتحان كتابي، وبعضها الآخر كان يبني نماذج أولية صغيرة لمعرفة ما إذا كانت تعمل في المختبر، وقليل منها كان يحاول معرفة مدى ملاءمة هذه التكنولوجيا لرعاية المرضى الفعلية.
ما وجده الباحثون كان مشهداً مليئاً بالإمكانات ولكنه يفتقر إلى الدليل على النجاح في العالم الحقيقي. كانت الغالبية العظمى من الدراسات تشبه اختبار القيادة حيث تُقاد السيارة في مضمار مغلق بلا حركة مرور أخرى. وفي مجال رعاية السمع، كان هذا يعني أن معظم الدراسات اختبرت قدرة الكمبيوتر على الإجابة على أسئلة محددة أو توليد نصوص في بيئة خاضعة للرقابة، بعيداً عن الواقع الفوضوي لعيادة مزدحمة. على سبيل المثال، أظهرت بعض الدراسات أن هذه البرامج يمكنها الإجابة على أسئلة حول المعينات السمعية أو الطنين بدقة عالية، أو أنها يمكن أن تسجل اختبار الكلام بشكل يقارب دقة الخبير البشري. وأظهرت دراسات أخرى أن التكنولوجيا يمكن أن تساعد في صياغة التقارير الطبية أو تنظيم بيانات الأبحاث. هذه مهارات مفيدة، لكنها ليست سوى البداية. وقد لاحظ الباحثون أنه بينما استطاعت برامج الكمبيوتر اجتياز هذه الاختبارات، لم تكن هناك دراسة واحدة في مراجعتهم قد اختبرت بالفعل ما إذا كان استخدام هذه الأدوات يؤدي إلى نتائج صحية أفضل للمرضى، مثل تحسين السمع، أو تحسين التواصل، أو زيادة الرضا عن الرعاية.
ومن الأهمية بمكان أن المراجعة سلطت الضوء على فجوة كبيرة بين ما يمكن للتكنولوجيا القيام به في الاختبار وما يمكنها القيام به في الممارسة العملية. لم تصف أي من التقارير الـ 110 موقفاً قامت فيه عيادة سمع بنشر برامج الكمبيوتر هذه فعلياً لعلاج المرضى بمرور الوقت، كما لم تقارن أي دراسة نتائج استخدام التكنولوجيا بالطريقة المعتادة للقيام بالأمر. كانت الدراسات التي شملت أشخاصاً صغيرة وقصيرة المدى، وغالباً ما اقتصرت على بضعة أسابيع أو مجموعة صغيرة من المتطوعين. علاوة على ذلك، وجد الباحثون أن الدراسات نادراً ما فحصت قضايا السلامة الأكثر أهمية. فقليل جداً من التقارير اختبرت ما إذا كان يمكن خداع برامج الكمبيوتر للكشف عن معلومات خاصة بالمرضى أو ما إذا كان بإمكانها التعامل مع البيانات المعقدة وغير المكتملة التي تظهر غالباً في السجلات الطبية الحقيقية. لم تكن ضمانات الخصوصية الموجودة في العالم الحقيقي تُختبر في هذه الدراسات؛ وبدلاً من ذلك، سأل الباحثون الناس في الغالب عما إذا كانوا يشعرون بأن التكنولوجيا آمنة، بدلاً من إثبات أنها كذلك بالفعل.
كما أشار الباحثون إلى أن الطريقة التي تُبنى بها برامج الكمبيوتر هذه وتُستخدم بها تتغير بسرعة كبيرة. فالبرنامج الذي يُختبر في يناير قد يختلف جوهرياً عن نفس البرنامج في يونيو لأن المطورين يحدثون الكود الأساسي الخاص به، أو يغيرون طريقة بحثه عن المعلومات، أو يعدلون قواعد السلامة الخاصة به. لم تذكر العديد من الدراسات بالضبط أي نسخة من البرنامج استخدمت أو متى أجرت اختباراتها، مما يجعل من الصعب معرفة ما إذا كانت النتائج ستظل صالحة اليوم. وهذه مشكلة رئيسية لأن النظام الذي يعمل جيداً في إعداد محدد قد يفشل في إعداد آخر. وخلصت المراجعة إلى أنه بينما تظهر هذه الأدوات وعوداً لمهام محددة مثل توليد النصوص أو تسجيل الاختبارات البسيطة، إلا أننا لا نملك بعد دليلاً على أنها تحسن الجودة الشاملة لرعاية السمع. ويقترح المؤلفون أن الطريق إلى الأمام هو الانتقال لما وراء الاختبارات البسيطة والبدء في تصميم درسات تقيس ما إذا كانت هذه الأدوات تساعد المرضى والأطباء حقاً في حياتهم اليومية، مع التحقق بصرامة من السلامة والخصوصية والعدالة. وحتى ذلك الحين، تظل التكنولوجيا أداة قوية تنتظر أن تُثبت جدارتها في العالم الحقيقي.
ملخص تقني: النماذج اللغوية الكبيرة في مجال رعاية السمع
بيان المشكلة
بينما تُظهر النماذج اللغوية الكبيرة (LLMs) وعوداً في مجالات الرعاية الصحية العامة، إلا أن فائدتها المحددة، وسلامتها، وتأثيرها السريري في مجال رعاية السمع لا تزال غير واضحة. غالباً ما تخلط المراجعات الحالية بين النماذج اللغوية الكبيرة والذكاء الاصطناك العام (مثل تعلم الآلة، والتعلم العميق، ومعالجة الإشارات) أو تركز بشكل ضيق على دعم اتخاذ القرار في طب الأنف والأذن والحنجرة (ENT) دون رسم خريطة كاملة لمسار رعاية السمع. توجد فجوة حرجة بين أداء المعايير المرجعية (مثل الإجابة على الأسئلة الطبية) وبين الفائدة السريرية الراسخة (مثل تحسين نتائج المرضى، أو التكامل مع سير العمل، أو السلامة). علاوة على ذلك، تفتقر الأدبيات الحالية إلى التقييم الصارم للنماذج اللغوية الكبيرة في عمليات النشر الخدمي الاستباقي، أو دراسات التأثير السريري المقارنة، أو تقييمات ضمانات الخصوصية التقنية والعدالة. إن عدم تجانس بيانات رعاية السمع (مخططات السمع، البيانات الجينية، استجابات الكلام في الضوضاء) وقاعدة المستخدمين المتنوعة (بما في ذلك كبار السن الذين يواجهون عوائق تتعلق بالثقافة أو التكنولوجيا) تستوجب وجود خريطة أدلة محددة لتحديد ما إذا كانت النماذج اللغوية الكبيرة قادرة على معالجة احتياجات رعاية السمع المحددة بما يتجاوز مجرد الإجابة على الأسئلة الثابتة.
المنهجية
أجرى المؤلفون مراجعة نطاقية مسترشدة بمنهجية معهد جوانا بريجز (JBI) وتم إعداد تقريرها وفقاً لإرشادات PRISMA-ScR.
استراتيجية البحث: أُجريت عمليات البحث عبر ثماني قواعد بيانات (PubMed، Embase، Web of Science، IEEE Xplore، Scopus، APA PsycInfo، CINAHL، ACM Digital Library) تغطي الفترة من عام 2022 إلى سبتمبر 2026.
معايير الأهلية:
المجتمع: المرضى، أو المهنيون، أو البيانات البحثية المتعلقة برعاية السمع (الوقاية، الفحص، التقييم، الإدارة الطبية/الجراحية، التأهيل، دعم الأجهزة).
المفهوم: نماذج لغوية كبيرة محددة أو أنظمة مدعومة بها حيث يكون النموذج هو المركز في التدخل (توليد، أو تحويل، أو تسجيل، أو تحليل المدخلات/المخرجات المتعلقة بالسمع).
الاستثناءات: الدراسات التي كانت فيها النماذج اللغوية الكبيرة مجرد أدوات خلفية، أو دراسات عامة في طب الأنف والأذن والحنجرة دون مكونات سمعية منفصلة، أو تقارير عن الجهاز الدهليزي فقط، أو المسودات الأولية (preprints) التي ليس لها نسخ منشورة مؤهلة.
استخراج البيانات وتصنيفها: قام مراجعان مستقلان بفحص السجلات واستخراج البيانات. ميزت المراجعة بين الأدوار البحثية الأولية (مثل المعايير المرجعية، والنماذج الأولية، والاستطلاعات) وسياقات التنفيذ (التي تتراوح من المعايير المرجعية الثابتة إلى تجارب الخدمات الاستباقية).
التحليل: قامت المراجعة برسم خريطة لـ 110 تقريراً شملتها الدراسة إلى 95 وحدة تحليل تجريبية. وحللت ملفات النشر، وسياقات التنفيذ، واكتمال التقارير (المطالبات/Prompts، السلامة، الخصوصية)، ومجالات التطبيق المحددة. كما أُجريت تحليلات حساسية لعزل الدراسات الخاصة بالسمع واستبعاد أعمال المؤتمرات فقط.
المساهمات الرئيسية
خريطة أدلة للنماذج اللغوية الكبيرة في رعاية السمع: توفر هذه المراجعة أول رسم شامل لتطبيقات النماذج اللغوية الكبيرة ضمن مسار رعاية السمع، مع الفصل بين القدرات التقنية وتنفيذ الخدمات.
إطار التصنيف: تقدم المراجعة نظام تصنيف متميز يفصل بين "الدور البحثي" (مثل المعيار المرجعي مقابل النموذج الأولي) و"سياق التنفيذ" (M0–M5)، مما يوضح أن استخدام نموذج لبيانات حقيقية في معيار مرجعي لا يعني بالضرورة تطبيقاً سريرياً تم نشره.
تحديد فجوات التقييم: حددت المراجعة بشكل منهجي أن الأدلة الحالية تدعم القدرات المحددة بمهام معينة، لكنها تفشل في إثبات التحسينات في الرعاية أو السلامة أو سير العمل. كما سلطت الضوء على غياب تجارب الخدمات الاستباقية ودراسات التأثير السريري المقارنة.
المتطلبات المقترحة للتقييم: اقترح المؤلفون مجموعة من أربعة أسئلة قائمة على الأدلة (هوية النظام، الصلاحية على البيانات التمثيلية، التفاعل الآمن مع المستخدم، والتأثير على الرعاية) تماشياً مع إرشادات DECIDE-AI لتوجيه الأبحاث المستقبلية.
النتائج
ملف النشر والنطاق
الحجم: أنتجت 110 تقارير 95 وحدة تحليل تجريبية.
الاتجاهات: زاد البحث الموجه نحو التطبيق سنوياً (27.3% في 2024، 31.0% في 2025، 37.2% في 2026)، ومع ذلك فإن غالبية الدراسات تظل معايير مرجعية ثابتة.
النماذج المهيمنة: ظهرت نماذج عائلة OpenAI في 81.1% من الوحدات التجريبية؛ وعائلة Google في 34.7%.
فجوات التقارير: بينما تم تحديد متغيرات النماذج في 71.6% من الوحدات، تم الإبلاغ عن تواريخ الوصول/التشغيل في 50.0% فقط، والمطالبات الكاملة (full prompts) في 59.1% فقط.
سياقات التنفيذ
المعايير المرجعية الثابتة (M1): 49 وحدة (51.6%) كانت معايير مرجعية ثابتة، تركزت أساساً على معلومات المرضى، والمعرفة المهنية، والاستدلال السريري.
مهام محددة/بيانات حقيقية (M2): 30 وحدة (31.6%) قيمت مهاماً خارج نطاق الرعاية الروتينية (مثل تسجيل الكلام في الضوضاء، أو ترميز الملاحظات).
النماذج الأولية/المستخدم المستهدف (M3): 14 وحدة (14.7%) قيمت نماذج أولية أو مستخدمين مستهدفين.
الاستباقي/المقارن (M4/M5):صفر وحدة (0%) قيمت تجارب الخدمات الاستباقية أو التأثير السريري/الخدمي المقارن.
مجالات التطبيق
تسجيل التقييم: أظهرت النماذج اللغوية الكبيرة ارتباطاً عالياً مع التسجيل البشري لنصوص الكلام في الضوضاء والاستدعاء متعدد اللغات، لكنها افتقرت إلى التحقق من حدود التشخيص أو الموثوقية في مجموعات فقدان السمع.
التوثيق والترميز السريري: أظهرت الدراسات حول تبسيط الملاحظات العملياتية والترميز دقة متغيرة. فقد أغفلت بعض النماذح المعدلات الجوهرية، مما قد يؤدي إلى نقص في الفوترة. ظل التحقق البشري ضرورياً.
التأهيل والمحتوى: شملت التطبيقات توليد مواد تثقيفية للمرضى، وتوليد الكلام لمستخدمي الغرسات القوقعية، والدعم النفسي الاجتماعي (مثل تأليف الأغاني). وبينما لوحظ التفاعل مع المستخدم في نماذج أولية صغيرة، لم تثبت أي دراسة تحسناً في نتائج الاستماع أو فائدة سريرية مستدامة.
معالجة الأدلة الطبية الحيوية: استُخدمت النماذج اللغوية الكبيرة لتفسير المتغيرات الجينية واستخراج الأدبيات. وبينما دعمت بعض المسارات توليد الفرضيات، كان مساهمة النموذج اللغوي الكبير في دقة التشخيص ضئيلاً في كثير من الأحيان (على سبيل المثال، زيادة في AUROC قدرها 0.011) أو غير معزول.
الدعم النفسي الاجتماعي: سجلت دراسات صغيرة النطاق مع مستخدمي الغرسات القوقعية الرضا عن تأليف الأغاني بمساعدة الذكاء الاصطناعي، لكنها أشارت إلى قضا lack في الضغط على المستخدم وعدم وجود فعالية علاجية راسخة.
السلامة، الخصوصية، والعدالة
السلامة: تم الإبلاغ عن تقييم صريح للسلامة أو الأخطاء في 45.3% فقط من الوحدات.
الخصوصية: قيمت 3.2% فقط من الوحدات مواقف الخصوصية؛ ولا توجد أي وحدة اختبرت ضمانات الخصوصية التقنية (مثل حقن المطالبات، أو تسرب البيانات).
العدالة: لم تسبق أي وحدة (0/95) تحليل العدالة أو الإنصاف بشكل رسمي. كما تم الإبلاء عن الأدلة الخاصة باللغة بشكل غير متسق.
الأهمية والادعاءات
يزعم البحث أن الأدلة الحالية تدعم قدرات محددة لمهام معينة (مثل توليد نص قابل للقراءة أو تسجيل النصوص) ولكنها لا تدعم تحقيق تحسينات مثبتة في رعاية السمع. ويؤكد المؤلفون أن أداء المعايير المرجعية لا يعني الكفاءة السريرية.
تجادل المراجعة بأن الأبحاث المستقبلية يجب أن تنتقل من تقييم النماذج الثابتة إلى الدراسات الموجهة نحو التطبيق التي:
تعالج الاختناقات المحددة في رعاية السمع (مثل فرز الحالات، استكشاف أعطال الأجهزة وإصلاحها، ودعم التأهيل).
تقارن سير العمل المدعوم بالنماذج اللغوية الكبيرة مقابل الرعاية المعتادة أو البدائل الأكثر شفافية وبساطة.
تقيم النتائج بما يتجاوز دقة الاستجابة، بما في ذلك استيعاب المريض، والسلامة، والخصوصية، وإمكانية الوصول، وعبء العمل، والتكلفة.
تبلغ بدقة عن تكوينات النظام (المطالبات، الإصدارات، أدوات الاسترجاع) لضمان إمكانية إعادة الإنتاج.
يخلص المؤلفون إلى أنه بينما توفر النماذج اللغوية الكبيرة إمكانات للمعلومات والدعم المتاح، فإن نشرها يتطلب أدلة على السلامة، والعدالة، والفائدة الملموسة للمرضى والمهنيين، وهو ما يغيب حالياً عن الأدبيات.