كشف باحثون من جامعة واشنطن في سانت لويس عن إطار عمل جديد للذكاء الاصطناعي السريري يُعرف بـ CURA، يهدف إلى ضبط تقديرات اليقين وعدم اليقين للنماذج اللغوية الطبية، مما يعزز موثوقية التشخيصات التنبؤية ويسهل التعاون الآمن بين الإنسان والآلة. سيُعرض البحث في المؤتمر السنوي للجمعية اللغوية الحاسوبية في الفترة من الثاني إلى السابع من يوليو بمدينة سان دييغو، بعد نشره مسبقاً على خادم ما قبل الطبع arXiv. يقود البحث الطالب الدكتور سي تشيه وانغ تحت إشراف البروفيسور تشينيانغ لو، مدير معهد الذكاء الاصطناعي للصحة بالجامعة. يركز الإطار على مشكلة الثقة المفرطة التي تتسم بها نماذج الذكاء الاصطناعي الحالية عند تحليل السجلات الطبية، وهي ظاهرة قد تؤدي إلى نتائج سريرية سلبية عند الدمج غير المنضبط مع الكوادر الطبية. يعتمد نموذج CURA على مواءمة مستوى عدم اليقين مع احتمال الخطأ، حيث يعزز ثقة النموذج في التنبؤات الصحيحة، ويرفع درجة التشكك عند التعامل مع الحالات المعقدة أو عالية الخطورة. تم تدريب النموذج باستخدام مجموعة بيانات MIMIC IV للرعاية الحرجة، حيث خضعت ثلاثة نماذج لغوية طبية مدربة مسبقاً لعملية الضبط الدقيق ثم معايرة تقديراتها الاحتمالية. أظهرت النتائج تحسناً ملموساً في دقة المعايرة دون المساس بقدرة النموذج على التمييز بين الحالات عالية ومنخفضة الخطورة عبر خمس مهام تنبؤية مختلفة. وبفعل هذا الضبط، أصبح من الممكن فصل التنبؤات عالية الثقة لتشكيل مجموعة آمنة للأتمتة الأولية، بينما تُحوّل التنبؤات ذات عدم اليقين المرتفع تلقائياً إلى مراجعات بشرية دقيقة من قبل الأطباء. وأكد الفريق البحثي أن النماذج التقليدية كانت تميل سابقاً إلى إصدار تقديرات قريبة من الصفر لعدم اليقين، مما يعكس ثقة زائدة، في حين سجل نموذج CURA خفضاً واضحاً لهذه الثقة الزائدة وتوجيهاً أدق لحالات المراجعة السريرية. ومع استمرار العمل، ينوي الباحثون تعميم النموذج ليشمل مجموعات سكانية أوسع، وتقييم تأثيره المباشر على قرارات صنع القرار السريري الموثوق في البيئات الصحية الواقعية، مما يمهد الطريق لمعايير جديدة تضمن دقة الذكاء الاصطناعي في القطاع الطبي.