معيار سريري للمحادثات الحساسة: «أوبن إيه آي» تفتح اختبارات السلامة النفسية لتدقيق الباحثين

طرحت شركة «أوبن إيه آي» في الثالث والعشرين من سبتمبر 2026 معياراً تقييمياً مفتوحاً باسم «مينتال هيلث بنش» (MentalHealthBench)، مخصصاً لقياس كفاءة نماذج الذكاء الاصطناعي في إدارة المحادثات الواقعية المتعلقة بالصحة النفسية. وجرى بناء هذا المعيار بالتعاون المباشر مع أكثر من ثمانين ممارساً وخبيراً سريرياً، بهدف اختبار قدرة الأنظمة التوليدية على التعامل الرصين مع الحوارات الدقيقة والحساسة، وإتاحة المنهجية علناً للمجتمع العلمي لفحصها والبناء عليها.

اعتمدت المنظومة في اختباراتها على محادثات اصطناعية صُممت خصيصاً لتعكس أنماط الاستخدام الحقيقية لخدمات «شات جي بي تي»، متجاوزة الاختبارات النظرية العامة إلى محاكاة مواقف واقعية يطرح فيها المستخدمون ضغوطهم واستشاراتهم. وتتوزع عملية الفحص عبر أربع فئات متباينة من المستخدمين بدلاً من التعامل مع الجمهور بنمط موحد: البالغون، واليافعون في المرحلة العمرية بين 13 و17 عاماً، ومقدمو الرعاية الأسرية، والأطباء السريريون أنفسهم. هذا التوزيع يفرض على النماذج التمييز بين الرد الموجه لمراهق يمر بظرف انفعالي، والرد الموجه لطبيب يبحث عن صياغة إكلينيكية متخصصة.

يقوم سلم التقييم على مقياس موزون يتراوح بين سالب واحد وعشر درجات إيجابية لكل رد يخضع للتدقيق، وتتحدد النتائج بناءً على أربعة معايير رئيسية: السلامة، والملاءمة السياقية، والحفاظ على استقلالية المستخدم وإرادته، والقدرة على تقديم توجيه قابل للتنفيذ العملي. إن قياس حفظ إرادة المراجع يشكل تحولاً فارقاً في ضبط النماذج، إذ يمنع النظام من فرض وصاية قسرية على قرارات المستخدم أو توجيهه بتسلط في لحظات ضعفه. وقد أظهرت الاختبارات تصدر أحدث نماذج الشركة لنتائج هذا المعيار مقارنة بالنماذج السابقة.

إتاحة منهجية المعيار والبيانات الاصطناعية بصورة علنية تمكن الباحثين والمطورين المستقلين من تشغيل تقييماتهم الخاصة، والتحقق من صحة النتائج، وربما الاعتراض على خلاصات الشركة المطورة ذاتها. هذه الخطوة تنقل تقييم أدوات الصحة النفسية من نطاق الادعاءات التسويقية المغلقة إلى بيئة الاختبار الخاضعة للتدقيق الأكاديمي، وتتيح للمطورين بناء معايير موازية تقيس أداء النماذج الأخرى وفق نفس المسطرة السريرية.

لهذا التحول انعكاس مباشر على المؤسسات الصحية ومنصات الاستشارات الطبية الناشئة في الخليج ومصر وبلاد الشام. إذا كنت تدير فريقاً برمجياً يبني مساعداً رقمياً للرعاية الصحية أو تطبيقاً لتنظيم المواعيد السريرية، فإن هذا المعيار يقدم لك مسطرة جاهزة لحوكمة الردود قبل الإطلاق، بدلاً من ترك فحص السلامة للتجربة والخطأ مع مراجعين حقيقيين.

المحك العملي أمام المطور في منطقتنا يكمن في مواءمة معايير السلامة والاستقلالية مع الخصوصية الثقافية للمجتمعات المحلية. فالبيانات الاصطناعية المفتوحة توفر الأساس الإجرائي، لكن اختبار استجابة النماذج للهجات الدارجة، وحدود المشورة الأسرية، وآليات التحويل التلقائي للطوارئ الطبية عند الخطر، تظل مسؤولية هندسية تتطلب إشرافاً بشرياً حازماً يتوافق مع اللوائح الصحية المعمول بها.

خروج معايير التقييم السريري إلى العلن ينهي مرحلة قياس نجاح النماذج بفصاحة اللغة وحدها. الفارق بين نموذج صالح للاستخدام وآخر يشكل خطراً لم يعد مجرد انطباع، بل بات مقياساً حسابياً يزن السلامة، وملاءمة التوجيه، وحماية إرادة المراجع في كل كلمة ينطق بها النظام.