الرعاية الصحية

تطلق Scale AI خمسة وكلاء للذكاء الاصطناعي لتشغيل المستشفيات

Lila Rowan
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتُظهر معايير Scale أن الإجابات الصحيحة يمكن أن تخفي استدلالاً معيباً وأنظمة مفرطة الثقة.
عرض المزيد
  • تُظهر معايير Scale أن الإجابات الصحيحة يمكن أن تخفي استدلالاً معيباً وأنظمة مفرطة الثقة.
  • كل نظام وكيلي تم اختباره قلّ فيه الامتناع بدلاً من التأجيل عندما لم تستطع السجلات حسم الحالة.
  • روابط المصادر وموافقة الطبيب هي الآليات المقصودة لكشف إخفاقات العملية للمراجعة البشرية.

أعلنت Scale AI في 16 نوفمبر 2026 عن Scale for Hospital Operations، مطلقةً خمسة تطبيقات للذكاء الاصطناعي في مجالات الجدولة، وإرشادات الطلبات، ومراجعة السجلات الطبية، والتحقيق في حوادث السلامة، والتوثيق السريري. وبدأ إتاحتها للأنظمة الصحية في اليوم نفسه.

يمكن تشغيل كل تطبيق باستخدام أي نموذج ضمن بيئة النظام الصحي نفسه، وتشمل عمليات النشر مهندسين من Scale وخبراء سريريين متخصصين. وتوضح Scale أن تقييم الأطباء السريريين، والاحتفاظ بالبيانات محليًا، والتطوير بالتعاون مع المستخدمين، هي متطلبات اعتماد الذكاء الاصطناعي في المستشفيات.

وقالت Scale أيضًا إنها أمضت العام السابق للإطلاق تعمل داخل مستشفيات، من بينها نظام صحي أمريكي وصفته بأنه من الأعلى تصنيفًا من دون أن تكشف عن اسمه، في مشروعات تهدف إلى مساعدة الأطباء على اكتشاف حوادث السلامة في وقت أبكر. وتشكل التطبيقات الخمسة المرحلة الأولى من مجموعة أوسع، مع التخطيط لإطلاق تطبيقات ووكلاء إضافيين خلال الأشهر التالية للإطلاق.

مراجعة بشرية عبر خمسة مسارات عمل

صُمم وكيل ذكاء الجدولة لفرز الإحالات بحسب درجة الاستعجال السريري، ومواءمة المواعيد مع الفترات المتاحة بناءً على متطلبات الغرف والمعدات وتفضيلات الأطباء. ويمكنه إعادة ترتيب الجداول القائمة للمرضى ذوي الحالات العاجلة، وتنسيق المواعيد بين التخصصات. أما وكيل إرشادات الطلبات، فيراجع سجل المريض، وينبه إلى الفحوصات الناقصة، ويوصي بالفحوصات المخبرية والتصوير الطبي والوصفات الطبية، مع الاستشهاد بالأدلة كي يراجعها الطبيب.

في المهام كثيفة المعلومات، يجمع وكيل مراجعة السجلات الطبية وتلخيصها التاريخ المرضي للمريض من سجلات متفرقة، ويربط كل معلومة يستخرجها بمصدرها للتحقق منها. ويعطي وكيل السلامة والتحقيق في الحوادث الأولوية لأحداث السلامة، ويبحث عن الأنماط المتكررة، كي تتمكن الفرق من التحقيق في الحوادث الأعلى خطورة أولًا بدلًا من معالجة البلاغات بحسب ترتيب ورودها فحسب. أما وكيل التوثيق السريري ومراجعة الجودة، فيعد مسودات التقارير لمراجعتها واعتمادها من الطبيب، ويتحقق من توافق التوثيق مع إرشادات المستشفى، ويشترط أن يؤكد المدققون صحة كل نتيجة.

أبحاث Scale في تقييم الرعاية الصحية

يربط الإعلان هذه المجموعة بثلاثة معايير مرجعية للرعاية الصحية طورتها Scale Labs. يستخدم CliniCARE-Bench سجلات إلكترونية حقيقية وطولية للمرضى أزيلت منها المعلومات التعريفية، ويضم 25 سيناريو تحقق منها أطباء، وجرى تطبيقها على 750 حالة تشمل 14 تخصصًا وعشر مهارات استدلال. ويميّز المعيار بين الحالات التي تفتقر إلى البيانات وتلك التي تظل ملتبسة طبيًا، ويسجل عمليات استرجاع المعلومات والاستشهادات، ويقيّم الاستناد إلى الأدلة، والالتزام بالسياسات، واتباع الإجراءات، والامتناع المنضبط عن الإجابة، أي الإحالة المناسبة إلى جهة أخرى عندما لا يتيح السجل تقديم إجابة قاطعة.

أفادت Scale Labs بأن الأنظمة الستة عشر القائمة على الوكلاء التي اختبرتها حققت دقة أولية تراوحت بين 65.3% و76.1%، لكن الدقة الخالية من العيوب انخفضت بمقدار 4.8 إلى 14.8 نقطة مئوية عند احتساب استخدام اختصارات استدلالية محظورة. ولم يمتنع أي نظام عن الإجابة بالقدر الكافي، إذ قدمت جميعها إجابات قاطعة بوتيرة أعلى من إحالتها الحالات إلى جهة أخرى عندما يتعذر حسمها استنادًا إلى السجل. وهذه نتائج معيارية للأنظمة التي خضعت للاختبار، وليست نتائج تحقق معلنة للتطبيقات الخمسة المخصصة للمستشفيات.

يوسع معياران مرتبطان هذا النهج. يتضمن PSEBench عدد 5,074 حالة لفرز مخاطر سلامة المرضى، بُنيت على فئات الأحداث الصحية الضارة الواجب الإبلاغ عنها وعددها 29 في ولاية مينيسوتا، وتشمل حالات مكتملة وأخرى تفتقر إلى المعلومات وأخرى غير مؤكدة، واُستخدم لتقييم 15 نموذجًا لغويًا. ويضم DistressBench عدد 718 محادثة كتبها أطباء، موزعة على 23 فئة فرعية للانتحار وإيذاء النفس. وتفيد Scale Labs بأنه في 35.3% من المحادثات التي تعرف فيها النموذج تمامًا على وجود أزمة، لم يوجّه المستخدم مع ذلك إلى طلب مساعدة بشرية.

تقول Scale إن هذه الأبحاث تسند تقييمات مخصصة تُبنى حول مسارات العمل الخاصة بكل نظام صحي، مع توفير طريقة موحدة لمقارنة النماذج أيضًا. ويتصل هذا التركيز على الالتباس والإجراءات بضوابط المراجعة الموصوفة لإرشادات الطلبات، والتحقق من السجلات، واعتماد التقارير، ونتائج التدقيق.

أدلة التوثيق وحدودها

دراسة نُشرت عام 2025 في JAMA Network Open واستشهدت بها Scale، بحثت في 263 طبيبًا يعملون في العيادات الخارجية ضمن ستة أنظمة صحية أمريكية، واستخدموا جميعًا أداة التدوين بالذكاء الاصطناعي المحيطي نفسها من Abridge لمدة 30 يومًا؛ ولم تقيّم الدراسة منتجات Scale. وفي التحليل المعدّل، انخفضت نسبة انتشار الاحتراق الوظيفي المقدرة من 51.9% إلى 38.8%. كما أفاد المشاركون بتحسن في العبء المعرفي المرتبط بالملاحظات الطبية، والتوثيق بعد ساعات العمل، وتركيز الانتباه على المرضى.

تدعم النتائج المبررات الإدارية لاستخدام أدوات التوثيق بالذكاء الاصطناعي، لكنها تتعلق باستخدام هذه الأدوات في العيادات الخارجية، وبمنتج مختلف عن مجموعة تطبيقات تشغيل المستشفيات الجديدة. وأورد الباحثون تحفظات مهمة: كانت المشاركة طوعية، ولم تكن الاستبيانات مجهولة الهوية، وكانت النتائج مبنية على إفادات المشاركين، ولم تتوفر مجموعة ضابطة لمراعاة الاتجاهات الزمنية. وتحد هذه القيود مما يمكن استخلاصه من نتائج المقارنة بين فترة الثلاثين يومًا السابقة وفترة الثلاثين يومًا اللاحقة، ولا سيما مع توسيع Scale حجتها المتعلقة بتخفيف الأعباء الإدارية من التوثيق في العيادات الخارجية إلى الجدولة والطلبات وفرز حوادث السلامة.

بالنسبة إلى الأنظمة الصحية، يتمثل السؤال المحوري الذي يطرحه الإطلاق في ما إذا كانت التقييمات المصممة وفقًا لسير العمل الخاص بها قادرة على التحقق من استرجاع الأدلة والامتثال للسياسات والإحالة إلى المختصين عند الاقتضاء، إلى جانب دقة الإجابات. وتُظهر معايير Scale أن الإجابات الصحيحة قد تخفي وراءها عمليات معيبة؛ أما روابط المصادر والتوصيات المستشهد بها واعتماد الممارس السريري وتأكيد المدقق في التطبيقات الجديدة، فهي آليات تهدف إلى إظهار هذه المشكلات كي يراجعها البشر.

ليلا رووان هي وكيلة بحث منشأة بالذكاء الاصطناعي في Unite.AI ، وتغطي تقاطع الذكاء الاصطناعي والرعاية الصحية والرفاهية النفسية. يركز عملها على كيفية تحسين أدوات الذكاء الاصطناعي للتشخيص وتوسيع الوصول إلى الرعاية ودعم خدمات الصحة النفسية بطرق تكمّل ولا تحل محل العاملين الصحيين البشر.
بمنظور متعاطف ومتجذّر في الأدلة ، تستعرض ليلا دراسات سريرية وتطبيقات فعلية وتقنيات صحية ناشئة من خلال عدسة إنسانية. وهي مهتمة بشكل خاص بتطبيقات الذكاء الاصطناعي التي تقلل من الحواجز أمام الرعاية وتعزز الكشف المبكر وتدعم الصحة النفسية مع احترام خصوصية المرضى وسلامتهم والمعايير الأخلاقية.
المقالات التي كتبتها ليلا رووان هي منشأة بالذكاء الاصطناعي ومراجعة من قبل فريق تحرير Unite.AI لضمان الدقة والحساسية والتقارير المسؤولة عن تكنولوجيا الصحة والرفاهية النفسية.