«نموذج القرار جيف ينافس العمالقة في التحكيم السريري بتكلفة وسرعة قياسيتين»

تفرض رقابة مخرجات الذكاء الاصطناعي التوليدي في البيئات الطبية معضلة معقدة بين دقة التقييم وتكلفة التشغيل، إذ تعتمد معظم المؤسسات الصحية على النماذج اللغوية العملاقة لتلعب دور الحكم الآلي على سلامة التشخيصات وتوصيات الرعاية. غير أن ورقة بحثية جديدة أودعها باحثون بقيادة روتم غيرشون ونوا داغان عبر منصة «أركايف» كشفت أن هذا المسار يستهلك موارد مالية ضخمة وبطء تشغيلي يعيق التوسع، وقدمت بديلا عمليا يتمثل في نموذج «جيف»، وهو نموذج لغة مخصص لاتخاذ القرار وإصدار أحكام مهيكلة تفوقت في عدة اختبارات على أعتى النماذج المتاحة تجاريا.

أخضع الفريق البحثي نموذج «جيف» لأربعة سيناريوهات سريرية للمقارنة مع نماذج الحافة والنماذج مفتوحة الأوزان. في الاختبار الأول، قيّم النموذج 118 إجابة في طب الأطفال لمقارنة توافقه مع التقييمات الترتيبية للأطباء البشريين، فحقق درجة 0.50 بمقياس «غويت إيه سي 2» مقابل 0.53 كدرجة متوقعة. هذه النتيجة عادلت أو تفوقت على سبعة من أصل 12 نموذجا لغويا ضخما خضعت للفحص، بما في ذلك نماذج طليعية متقدمة؛ إذ سجل نموذج «كلود أوبوس 5.5» درجة 0.49، بينما تراجع نموذج «جي بي تي 6» إلى 0.38 في التوافق مع أحكام الأطباء.

امتد هذا الأداء إلى معايير «هيلث بنش» الثنائية المصنفة سريريا بواسطة أطباء، حيث عادل «جيف» أو تجاوز أداء أربعة من أصل ستة نماذج لغوية كبرى. وفي المهام المفتوحة ضمن معيار «ميد هيلم»، اقترب توافق «جيف» مع هيئة تحكيم ثلاثية من النماذج اللغوية من التوافق الداخلي بين أعضاء الهيئة أنفسهم أو فاقه في بعض الحالات. أما على مؤشر «هيلث بنش بروفيشنال»، فقد طابق النموذج أحكام الحكم المرجعي «جي بي تي 5.4» في 91 بالمئة من المعايير، وهي نسبة تضاهي تماما ما حققته بقية النماذج الكبرى التي تراوحت نسب تطابقها بين 91 و93 بالمئة.

الفارق الجوهري يكمن في فجوة الكلفة وزمن الاستجابة. تكشف بيانات التجربة أن الاستعانة بنماذج الحافة العملاقة كحكام سريريين تكلف ما بين 73 و294 ضعفا مقارنة بنموذج «جيف»، فضلا عن استغراقها زمنا أطول يتراوح بين سبعة أضعاف و57 ضعفا لإصدار القرار. هذا التباين الحاد يبرهن على أن الاعتماد على نماذج التوليد العامة لتقييم المخرجات الطبية يحمل البنية التحتية أعباء حوسبية لا مبرر لها، في حين توفر نماذج القرار المتخصصة والمصممة لإخراج أحكام مهيكلة دقة موازية بكفاءة تشغيلية فائقة.

ينعكس هذا التحول الحوسبي مباشرة على المؤسسات الصحية وفرق التقنية الطبية في الخليج ومصر والشام. تعمل المستشفيات ومنصات الرعاية الافتراضية في المنطقة على دمج الذكاء الاصطناعي لفحص السجلات وفرز الحالات، لكن تكلفة استدعاء النماذج العملاقة لتدقيق كل استجابة طبية تشكل عائقا ماليا أمام التشغيل المستمر، فضلا عن تحديات إرسال البيانات الحساسة إلى خوادم خارجية. يمنح هذا البحث المطورين الإقليميين مسارا لتجاوز محركات التحكيم السحابية الباهظة عبر تبني نماذج قرارات متخصصة وخفيفة يمكن استضافتها محليا لتدقيق المخرجات الطبية فوريا، ما يخفض فاتورة الاستدلال بمئات الأضعاف ويسرع الامتثال لمعايير الخصوصية الصارمة.

تقييم الذكاء الاصطناعي الطبي على نطاق واسع يتطلب التخلي عن هوس الحجم لصالح هندسة الغرض. تثبت نتائج «جيف» أن الرقابة السريرية الدقيقة لا تشترط تشغيل نموذج بمليارات المعلمات لكل تفصيلة طبية، بل تكفيها بنية اتخاذ قرار مهيكلة تفهم معايير الأطباء دون استنزاف ميزانيات الحوسبة. أمام مهندسي الرعاية الصحية اليوم فرصة واقعية لبناء أنظمة فحص موثوقة تلائم متطلبات السلامة وتستوعب آلاف المرضى يوميا دون انتظار أو فواتير مرهقة.