أظهرت دراسة حديثة أجرتها فرق بحثية من جامعة كاليفورنيا في سان فرانسيسكو (UCSF) إمكانية استخدام الذكاء الاصطناعي لتحسين دقة تشخيص حالة كبدية معقدة تُعرف بمتلازمة الكبد والكلى (HRS)، من خلال تحليل ملاحظات طبية كثيرة من مقدمي رعاية متعددين. ونشرت النتائج في مجلة Gastro Hep Advances، وتمحورت الدراسة على تطبيق نماذج لغوية كبيرة (LLMs) لاستخلاص "نبرة" التقييمات السريرية المكتوبة من أطباء متخصصين، بهدف توليد تقييم موحد يُسهم في اتخاذ قرارات تشخيصية أكثر دقة. تُعد متلازمة الكبد والكلى من التحديات السريرية الشائعة بين مرضى تليف الكبد، حيث تُعد من أسباب الفشل الكلوي المفاجئ، لكن تشخيصها يبقى صعبًا غالبًا بسبب تداخل الأعراض وتفاوت تقييم الأطباء. واعتمد الباحثون في دراستهم على مقارنة بين المنهجيات التقليدية، التي تعتمد على نتائج التحاليل المخبرية ومتغيرات سريرية محددة، ونموذج مُحسَّن باستخدام الذكاء الاصطناعي، يُحلل نبرة النصوص السريرية المكتوبة من قبل فرق متعددة من مقدمي الرعاية الصحية. وقد استلهم الباحثون هذه المقاربة من تقنيات تحليل المشاعر المستخدمة في تقييمات المنتجات على منصات التجارة الإلكترونية، حيث يُستخلص رأي الجمهور المجمَّع من خلال تحليل نبرة التعليقات. في السياق الطبي، أظهرت النماذج الذكية قدرة على تجميع "نبرة" التقييمات من ملاحظات الأطباء، وتحويلها إلى مؤشرات كمية تُسهم في توقع تشخيص متلازمة الكبد والكلى بدقة أعلى، خصوصًا عند خروج المريض من المستشفى. وأوضح الدكتور جين جي، أستاذ الطب بجامعة UCSF والقائم على الدراسة، أن "الذكاء الاصطناعي لا يُقدِّم فقط توقعات دقيقة، بل يُقدِّم رؤية توجيهية عن التفكير الجماعي لفريق الرعاية حول حالة المريض". ويعتبر هذا التحليل مفيدًا في الحالات التي تُظهر فيها ملاحظات الأطباء تناقضات أو ترددات، حيث يُمكن للذكاء الاصطناعي أن يُوحِّد وجهات النظر ويُسهِّل اتخاذ قرارات سريعة ومتسقة. على الرغم من أن التطبيق لا يزال في مرحلة البحث التجريبي، إلا أن الباحثين يرون فيه إمكانية كبيرة لتحسين جودة الرعاية في المستشفيات، وتقليل الفجوات في التشخيص، وتسريع بدء العلاج المناسب. ويشمل الهدف التالي للدراسة تقييم كيفية تأثير هذه المعلومات على قرارات الممارسين الحقيقيّة، وتأثيرها على النتائج الصحية للمريضين. تُعد هذه الخطوة خطوة مهمة نحو دمج الذكاء الاصطناعي في العمليات السريرية بطريقة تعزز التعاون بين الفرق الطبية، وتُحوِّل البيانات غير المنظمة مثل الملاحظات النصية إلى أدوات عملية تدعم اتخاذ القرار الطبي.