استخدام مسلسل “House” لتطوير قدرات التشخيص الاصطناعي

يعد تحديًا صعبًا للغاية بالنسبة للذكاء الاصطناعي (كما هو الحال مع البشر) ، أظهرت نماذج اللغة الشائعة ChatGPT و Gemini أداءً واعدًا عند تدريبها على حالات تشخيصية من مسلسل الدراما الطبي الشهير “House”. يستخدم ما

على الرغم من أن تشخيص الأمراض النادرة يقرب من نصف طلاب العلوم الصحية مسلسلاتبانتظام مثل و Houseطبية (علىو Grey’s Anatomy . على الرغم من أن هذا النوع من المواد يمكن استخدامه فقط لأغراض تعليمية مع مرشحات و إطارات كثيرة ، بسبب خطر نشر معلومات خاطئة خطيرة ، فإن معيار البحث لمسلسلات الدراما التي تتمحور حول الحالات الطبية يعتبر عاليًا الرغم من أن الدقة Scrubs تختلف بينالإنتاجات). ليس من المفاجئ أن الأطباء غالبًا ما يصدر و يستشير و / أو يكتب مسلسلات تلفزيونية طبية. في مثل هذه الحالات ، يكون المعرفة الطبية المجالية مفيدة ليس فقط لنقل القضايا الطبية بدقة ، ولكن أيضًا لاقتراح أفكار جديدة ومثيرة للاهتمام للقصص. من بين مسلسلات الدراما الطبية الأكثر بحثًا العصر في مواسم ،الذهبي الأخير للتلفزيون هو (أو House ) ، حيث تأخذ غرابة الشخصية الرئيسية وتقلبات كبيرة في طاقم الدعم دورًا ثانويًا مقارنة bằng “مرض الأسبوع”. House MD في الواقع ، من بين 177 حلقة تم بثها خلال مسيرته الذي استمر ثماني House قدم 176 دراسة حالة تشخيصية متقنة. على الرغم من انتهاء المسلسل في عام 2012 ، بحلول عام 2015 كان بالفعل يستخدم كأداة تعليمية ، مع دورة يمنح أي يكن دراسية خاصة تقدم نتائج محسنة مقارنة بالدورات الدراسية العادية ، على الرغم من أن الحضور لم

رصيد للطلاب: من دراسة عام 2015 ، أسباب متنوعة لماذا يريد الطلاب المشاركة في دورة تشخيصية تستفيد من المعلومات من مسلسل “House” التلفزيوني. تم جدولة الدورات في وقت متعمد للتحدي ، ولم تنقل أي رصيد دراسي ؛ على الرغم من هذه العوامل ، كانت المبادرة ناجحة. المصدر

House و الذكاء الاصطناعي

على الرغم من أن على استخدام ومسلسلات تلفزيونية أخرى متنوعة قد أثبتت في العديد من الدراسات كوسيلة مساعدة فعالة للتعلم ، بالنسبة للطلاب الطبيين ، لم يتم محاولة الكثير من هذا النهج حتى الآن في سياق التعلم الآلي. House الآن ، قدمت ورقة جديدة من جامعة ولاية بنسلفانيا مساهمة أولية في هذا الاتجاه ، من خلال إنشاء مجموعة بيانات تحتوي في جميع الدراسات الحالة القابلة للاستخدام البالغ عددها 176 من ، مصممة في هيكل تشخيصي مدفوع بالسرد ، ثم تقييمها على نماذج اللغة الكبيرة الشائعة من OpenAI و Google. House على الرغم من صعوبة هذا التحدي (الذي يمثل واحدًا من أكثر المجالات صعوبة في العلوم البيولوجية) ، وجد الباحثون أن الإصدارات الأحدث من ChatGPT و Gemini أظهرت تحسنًا على الإصدارات القديمة ، مما يشير إلى أن اتجاه التطور

تطوير النماذج من المرجح أن يكون فعالًا في العمليات التشخيصية مع مرور الوقت. تذكر الورقة ما يلي: ‘تظهر النتائج تباينًا كبيرًا في الأداء ، يتراوح بين 16.48٪ و 38.64٪ من الدقة ، مع تحقيق الإصدارات الأحدث من النماذج تحسنًا بنسبة 2.3

اتجاهات واعدة للتطوير المستقبلي. ‘ بالإضافة إلى إنشاء معايير الأداء ، يشير المؤلفون إلى أن مجموعة البيانات الجديدة – التي سيتم إتاحتها ‘إن

ضعف. في حين أن جميع النماذج تواجه تحديات كبيرة في تشخيص الأمراض النادرة ، فإن التحسن الملاحظ عبر الهياكل يشير إلى معيارنا التعليمي المعتمد يحدد معايير أداء أساسية للتفكير الطبي السردي ويقدم إطارًا تقييميًا متاحًا للجمهور لتقدم البحث في التشخيص بمساعدة الذكاء الاصطناعي.’ للمستخدمين – تحل مشكلة عدم وجود عملية سردية بسهولة ، على عكس ثقافة مجموعات البيانات الطبية التقليدية التي تتم حماية الوصول إليها.داخل مجموعات البيانات الطبية الحالية ، وتتوفر

البيانات

لتحديث مجموعة البيانات الخاصة بهم ، استخدم المؤلفون مواد متاحة للجمهور من موقع ويكيبيديا House الشهير. تم استخراج المحتوى السردي وتنقيته باستخدام إطار Beautiful Soup الشهير ، الذييمكنه استخراج البيانات الهيكلية من مصدر صفحات الويب. بعد حصاد السرد الأساسي بهذه الطريقة ، تم استخدام أربعة نماذج لغة كبيرة لتحويل الإخراج إلى تنسيق حالة معياري. النماذج المستخدمة كانت GPT-4o mini و GPT-5 Mini وGemini 2.5 Flash وGemini 2.5 Pro . أخيرًا ، تم تطبيق تصفيةالجودة لضمان أن مجموعة البيانات تحتوي على تفاصيل سريرية مناسبة ، وتماشي مع الحالة الحالية للفن في التفكير الطبي. يشير المؤلفون إلى أن ‘أمراض الأيتام’ (أي الأمراض النادرة) تمثيلها أقل في قواعد البيانات الطبية القياسية ؛ في بعض الحالات ، قد يمثل تغطيتها في عرض نسبة غير عادية من التغطية الإجمالية. House يقر المؤلفون بأن فائدة مصدر بيانات من هذا النوع يجب أن تتم معالجتها بحذر نظرًا للترخيص الفني الذي قد يُمنح الأولوية في بعض الأحيان في تطوير الدراما الطبية: ‘في حين أن مجموعة بياناتنا تعكس قيود المحتوى الخيالي ، بما

في ذلك المبالغة الدرامية والتركيز على الحالات المعقدة ، قد تفيد هذه الخصائص التقييم من خلال تقديم حالات حافة تحديات تختبر متانة النموذج. ‘توفر التحقق التعليمي من

House M.D. بواسطة المهنيين الطبيين ثقة بأن السيناريوهات المستخرجة تحتوي على معلومات سريرية ذات معنى سريري مناسب للتقويم الذكاء الاصطناعي.’ أمثلة

من مجموعة البيانات التي تم إنشاؤها للمشروع.  المصدر

الاختبارات

لتقييم دقة النموذج في مهام التشخيص السردي، صمم الباحثون مسارًا بسيطًا يجمع بين توليد التلميحات، واستنتاج النموذج، وتقييمه.تم اختبار أربعة نماذج لغوية كبيرة. ، مع كل نموذج معين بدرجة حرارة صفر (لضمان مخرجات محددة بدلاً من مخرجات “إبداعية”) ، وطول أقصى رمز يبلغ 1500 – سماح مصمم لاستيعاب التفكير التشخيصي المعقد. لم يتم استخدام أي تلميحات نظام إضافية لتحديد الاستفسارات بشكل أكبر. تم اتباع التلميحات نفسها لتنسيق تقديم الحالة الطبية المعتاد – النوع الذي يعتاد عليه المشاهدون من المسلسلات الطبية عند تقديم مريض / مرض جديد ، ويقدم الطبيب تلخيصًا للمريض لمصلحة الأطباء الآخرين الحاضرين (فعالًا ، على الرغم من ذلك ، لمصلحة المشاهدين). قدم كل تلميح سرد سريري يتضمن تفاصيل ديموغرافية و جدول زمني للأعراض و التاريخ الطبي المهم و النتائج التشخيصية المبكرة. تم توجيه النموذج لتحديد تشخيص أولي واحد و تبرير استنتاجه بالاستدلال. أنتجكل نموذج استجابة تشخيصية في ممرة واحدة ، دون أي تحسين تكراري ؛ وتم جمع الاستجابات في ظل ظروف متسقة عبر جميع

الحالات البالغ عددها 176: مثال توضيحي يظهر تلميح سردي سريري و التشخيص الحقيقي المقابل ، كما تم استخدامه لاختبار Gemini 2.5Pro. المصدر للمقاييس ، تم تقييم التنبؤات باستخدام إجراء مطابقة سلسلة “مضبب” مصمم للاعتبار الغموض في المصطلحات الطبية. استخدمت الطريقة مكتبة SequenceMatcher من Python، مع عتبة تشابه تبلغ 0.8 ، بدءًا من مطابقة السلاسل الدقيقة وصولًا إلى المقارنة الحرفية عند الضرورة. تم حساب الدقة كنسبة الحالات المصنفة بشكل صحيح في ظل هذه الظروف: workflow

المطابقة المضببة المستخدمة من قبل الباحثين. يشير

يقر الباحثون بأن المطابقة التقريبية قد تعني إمكانية تفويت تشخيصات متشابهة باستخدام مصطلحات مختلفة، لكنهم يقدمون منهجهم باعتباره الأكثر قابلية للتكرار والذي يلبي جميع متطلبات المشروع.

النتائج

تختلف دقة التشخيص بشكل كبير عبر النماذج ، مع أداء Gemini 2.5 Pro بأفضل أداء بنسبة 38.64٪ ، يليها GPT-5 Mini بنسبة 36.93٪ ، ثم Gemini 2.5 Flash بنسبة 32.95٪ ، وأخيرًا GPT-4o Mini بنسبة 16.48٪. على الرغم من هذه الاختلافات ، جميع النماذج كافحت مع متطلبات التفكير التشخيصي للأمراض النادرة: نتائج دقة

التشخيص عبر النماذج الأربعة التي تم اختبارها. يشير المؤلفون

أيضًا إلى أن الأداء تباين عبر مواسم العرض: دقة متغيرة عبر

مواسم House المتنوعة ، ولكن بدون منحنى واضح أو سبب واضح. تذكر الورقة ما يلي: ‘المنصة 1

حققت أعلى دقة

بنسبة 56.52٪ ، في حين أظهرت الموسم 5 أدنى دقة بنسبة 20.83٪. هذا التباين يشير إلى أن تعقيد التشخيص يختلف على مدار السلسلة ، مع مواسم لاحقة قد تتميز بأمراض نادرة أكثر تحديًا. ‘ ‘ومع ذلك ، الأداء

يقرب من 40٪ من هذه الأمثلة الصعبة تشير إلى قدرة حقيقية على التفكير ، مما يضع الأساس للتحسينات المستقبلية من خلال التخصيص المستهدف أو دمج المعرفة الطبية الهيكلية أو استراتيجيات التفكير الهجينة.

يشير الأداء القوي في الموسم الثامن (52.38%) إلى أن التقدم الزمني وحده لا يفسر بشكل كامل اختلافات الدقة؛بدلاً من ذلك، يبدو أن تعقيد الحالة هو المحرك الرئيسي. أظهرت النماذج أداءً موثوقًا به للغاية عند تشخيص الحالات الشائعة ذات الأعراض الواضحة، مثل التهاب السحايا واحتشاء عضلة القلب والانسداد الرئوي، لكنها واجهت صعوبة مستمرة مع الأمراض النادرة مثل داء الدودة الشريطية وداء إردهايم-تشيستر، بالإضافة إلى اضطرابات المناعة الذاتية المعقدة مثل الساركويد والتهاب الفقار اللاصق. يشير الباحثون إلى أن تباين الدقة بين النماذج يدل على اختلافات جوهرية في البنية واستراتيجية التدريب، حيث يشير الأداء الأقوى لنموذجي GPT-5 Mini وGemini 2.5 Pro إلى أن الأجيال اللاحقة من نماذج اللغة الكبيرة تستفيد من قدرات استدلالية محسّنة، على الرغم من أن نتائجها لا تزال تكشف عن قيود واضحة في التعامل مع مهام التشخيص المعقدة. ويشير الباحثون إلى أن النتائج توفر معايير أساسية للتشخيص السردي للأمراض النادرة، مما يوحي بقوة بأن نماذج اللغة الحالية بدأت تُظهر قدرات مفيدة في الاستدلال الطبي. ويخلص البحث إلى أن قفزة الأداء من GPT-40 Mini بنسبة 16.48% إلى Gemini 2.5 Pro بنسبةتشير نسبة 38.64% إلى استمرار التقدم نحو أدوات دعم سريرية فعّالة. مع أن الباحثين يُقرّون بأن مستويات الدقة لا تزال متواضعة، إلا أن المعيار يركز حصريًا على الحالات شديدة التعقيد التي يواجهها حتى الأطباء المُدرّبون، وتحديد التشخيص الصحيح في الحالات التالية:

الخاتمة

هناك مخاطر واضحة في إعادة استخدام السرد التلفزيوني في مجموعات بيانات طبية حقيقية – حتى في الحالات ، نلاحظكما هو الحال مع ، حيث يكون للمادة المصدرية مستوى عالٍ من المساهمات الطبية المؤهلة والإشراف. House من المثير للاهتمام أن يمكن أن حلقة نموذجية من تعمل بشكل فعال كآلة تلخيص لمجموعة من المدخلات الطبية التي قد لا تكون متاحة مباشرة على الإنترنت للشخص العادي أو لمصادر البيانات التي تقدم المعلومات بطريقة غير متسلسلة وغير خطية. House السماح لطبيب بكتابة سيناريو الحلقة ، كما حدث بشكل متكرر مع ، أنيستخدمه الباحثون كنوع من “البصمة” للمحتوى؛ ومع ذلك، يتجاهل هذا حقيقة أن الاعتبارات التقنية قد تكون أثرت على عرض المرض في الحالة. وهذا يضع البيانات في نفس فئة العديد من مصادر البيانات المفيدة الأخرى للتدريب: فهي بحاجة إلى طبقة جديدة من الإشراف البشري المؤهل والمكلف.* يُرجى الملاحظة: هذه الورقة القصيرة لا تتبع القالب المعتاد ، وقد قمت بتكييف التغطية لاستيعاب ذلك. نشر لأول مرة يوم

الإثنين ، 17 نوفمبر 2025