الرعاية الصحية
تطلق League وكلاء ذكاء اصطناعي للرعاية الصحية مزوّدين بضوابط للسلامة

النقاط الرئيسيةيحصر League إجابات الوكيل في المعرفة المعتمدة بدلاً من المعرفة العامة للنموذج.
عرض المزيد
- يحصر League إجابات الوكيل في المعرفة المعتمدة بدلاً من المعرفة العامة للنموذج.
- يجب أن يجتاز الوكلاء تقييمات مرضى اصطناعية قبل الإطلاق ويحتفظوا بسجل تدقيق بعد ذلك.
- بلغت دقة نموذج التصعيد لدى League 99.72% مقابل 95.36% لـ Gemini 3.5 Flash Lite.
أعلنت League في 16 نوفمبر 2026 أن AI Front Door لجهات دفع تكاليف الرعاية الصحية وAI Care Companion لمقدمي الرعاية الصحية أصبحا متاحين عمومًا عبر منصة Forge، مع مدة تنفيذ معلنة تبدأ من 12 أسبوعًا فقط. ويجمع المنتجان بين وكلاء موجّهين للأعضاء أو المرضى، وضوابط وقائية وإحالة الحالات إلى مختصين بشريين.
تقول League إن المنتجين يستفيدان من رؤى مستخلصة من أكثر من 1.8 مليار تفاعل حقيقي في مجال الرعاية الصحية. وهما امتداد لمنصة Forge التي طُرحت في 21 يوليو 2026، وتوفر أدوات لربط الوكلاء بالبيانات المسموح لهم باستخدامها، ووضع ضوابط وقواعد لإحالة الحالات، واختبارهم باستخدام مجموعات سكانية اصطناعية، ومراقبة معدلات إتمام المهام والإحالات والدقة بحسب حالة الاستخدام. وقد أتاح الإصدار السابق منظومة البناء والحوكمة، فيما تطبق المنتجات الجديدة هذه المنظومة على مسارات العمل الشائعة لدى جهات الدفع ومقدمي الخدمات.
سير عمل مختلف للجهات الدافعة ومقدمي الرعاية الصحية
يجمع AI Front Door توجيه المستفيدين إلى المزايا، والعثور على الرعاية، والتواصل بشأن فجوات الرعاية، والتثقيف الصحي في نقطة دخول واحدة متاحة عبر الدردشة أو الرسائل النصية أو الأدوات المصغّرة داخل التطبيق. وتستند الإجابات المتعلقة بالمزايا والتغطية والأهلية إلى المواد المعتمدة لدى الخطة. وتطابق وظيفة العثور على الرعاية الأعضاء مع مقدمي الخدمات أو الخدمات المشمولين بالشبكة وفقًا لقواعد الخطة. وتذكر League خفض حجم الاتصالات الواردة إلى مراكز الاتصال وتقليل زيارات مقدمي الخدمات من خارج الشبكة بوصفهما نتيجتين مستهدفتين، لا نتائج مقاسة لدى العملاء.
يدعم AI Care Companion المرضى بين الزيارات، وفي المنزل، وخارج ساعات العمل، بالتعاون مع فرق الرعاية والفرق السريرية. وتختار الأنظمة الصحية فئة أولية من المرضى، مثل من يتعايشون مع حالات مزمنة أو يتعافون من جراحة، ثم تهيئ League سير العمل بما يلائم تلك الفئة. ويمكن أن يشمل ذلك جدولة المواعيد والتذكير بها، والاستفسار استباقيًا عن الأعراض، والإجابة عن أسئلة الأدوية أو العلاج بالاستناد إلى الخطط أو المسارات المعتمدة، وتوجيه الحالات إلى الاختصاصيين أو الفرق المناوبة وفقًا للبروتوكولات. ويمكن لمقدمي الرعاية المحددين التصرف نيابةً عن المريض، مع تمييز ردودهم عن ردود المريض نفسه. وتشمل الأهداف المعلنة تحسين الالتزام بخطة الرعاية وتقليل زيارات أقسام الطوارئ التي يمكن تفاديها، والاتصالات خارج ساعات العمل، ومواعيد المتابعة الفائتة.
ضوابط السلامة وإمكانية التدقيق
يحصر المنتجان إجابات الوكلاء في المعرفة المقدمة والمعتمدة، بدلًا من الاعتماد على المعرفة العامة للنموذج. وتفحص الضوابط المعلومات المقيّدة قبل وصولها إلى النموذج، والإجابات المحظورة قبل وصولها إلى الأعضاء أو المرضى. وقبل الإطلاق، يجب أن تجتاز الوكلاء تقييمات تستخدم سيناريوهات اصطناعية للمرضى، وحالات استثنائية، ومجموعات بيانات مرجعية تتضمن إجابات أعدّها خبراء. وبعد الإطلاق، تشمل الضوابط رصد الانحراف، وإعادة التحقق من التغييرات، وإنشاء سجل تدقيق لكل تفاعل. وعند تصعيد حالة، يتلقى الفريق الذي تسند إليه المحادثة سجلها والسياق ذي الصلة.
على مستوى المنصة، يوضح مركز الثقة في League أن الوكلاء يعملون بصلاحيات القراءة فقط، مع عزل صارم للجلسات، ورصد فوري للمشكلات العاجلة والمعلومات الطبية المضللة، وإمكانية تتبع المصادر وتسجيل الحالات التي تُفعّل فيها ضوابط الأمان. ويمكن للعملاء تحديد سياسات الإحالة إلى موظفين بشريين وعتبات الحساسية ضمن حدود أمان ثابتة. وتُستبعد المعلومات الصحية المحمية من مسارات تدريب النماذج، فيما تُستخدم البيانات الاصطناعية وتقنيات إزالة الهوية لتدريب النماذج.
وتتوافق هذه الضوابط مع الأولويات التي كشف عنها استطلاع أجرته League وHealthcare Dive وشمل 150 من المسؤولين التنفيذيين في قطاع الرعاية الصحية. وأظهر الاستطلاع أن 61% منهم نشروا الذكاء الاصطناعي الوكيلي، وأن 70% من هذه المجموعة استخدموه في تطبيقات موجهة إلى الأعضاء أو المرضى، لكن 16% فقط حققوا انتشارًا واسعًا. وكانت أبرز متطلبات الإطلاق بثقة هي الامتثال المدمج لمتطلبات الرعاية الصحية بنسبة 49%، والإحالة التلقائية إلى شخص بنسبة 48%، وضوابط وقت التشغيل على ما يقوله الوكيل أو يفعله بنسبة 46%.
تقييمات للنماذج مخصصة للرعاية الصحية
تقول League إن بنيتها الهجينة تجمع بين نماذج اتخاذ القرار المضبوطة بدقة ونماذج اللغة الصغيرة، من جهة، ونماذج اللغة الكبيرة متعددة الأغراض، من جهة أخرى، بهدف تحسين الدقة وتقليل زمن الاستجابة وخفض تكاليف التشغيل. ويحدد أحد المكونات، وهو نموذج تصعيد الحالات الحرجة للسلامة، رسائل الأعضاء والمرضى التي تتطلب دعمًا بشريًا.
في التقييمات الداخلية التي أجرتها League Labs، حقق ذلك النموذج دقة بلغت 99.72% وزمن استجابة قدره 0.374 ثانية، مقارنة بدقة 95.36% وزمن استجابة قدره 1.121 ثانية لنموذج Gemini 3.5 Flash Lite.
وتفيد League أيضًا بأن أداة Synthetic Question Generator، التي تتوقع الأسئلة المرجح طرحها بشأن البيانات الصحية للمستخدم، أنتجت عددًا من الأسئلة التي أُجيب عنها بمستوى كافٍ أو أفضل يعادل 2.2 ضعف العدد، وحققت تغطية أفضل بنسبة 11% مقارنةً بنموذج Gemini 3.5 Flash. أما إضافة Semantic Expansion، التي تعيد صياغة الأسئلة الطويلة أو الملتبسة أو المكتوبة بصيغ مختصرة قبل استرجاع المعلومات، فأنتجت عددًا من الأسئلة التي أُجيب عنها بمستوى كافٍ أو أفضل يعادل 3.9 أضعاف العدد، وحققت تغطية أفضل بنسبة 42% مقارنةً بنموذج Gemini 3.5 Flash، مع إضافة نحو 430 مللي ثانية إلى زمن الاستجابة لكل طلب. وتعرّف League مقياس الإجابة بأنه الحالات التي تكون فيها البيانات الصحية المسترجعة وثيقة الصلة وكاملة بما يكفي لتقديم إجابة جيدة إلى حد معقول أو أفضل؛ أما التغطية فتعني مقدار المعلومات الضرورية التي عُثر عليها.
بالنسبة إلى مؤسسات الرعاية الصحية، تكمن الأهمية العملية لهذا الإطلاق في أن الرقابة مدمجة في التفاعل نفسه: إذ يمكن حصر الوكلاء في المواد المعتمدة، واختبارهم قبل إطلاقهم، وتسليمهم إلى جهة أخرى مع سياق التفاعل، ومراجعتهم من خلال سجل تدقيق على مستوى التفاعل. ويعالج هذا النموذج التشغيلي مباشرةً الضمانات التي قال المسؤولون التنفيذيون إنهم يريدونها قبل التوسع في استخدام الذكاء الاصطناعي الموجّه إلى الأعضاء والمرضى.












