GraphDx: إطار متعدد الوكلاء لتشخيص متسلسل يخفض التكاليف ويرفع الدقة

نظرة عامة

أعلن باحثون عن إطار GraphDx، وهو إطار متعدد الوكلاء قائم على المعرفة للتشخيص الطبي المتسلسل. يهدف الإطار إلى سد الفجوة بين المعرفة الطبية الواسعة التي تمتلكها نماذج اللغة الكبيرة (LLMs) وقدرتها على التفكير المنهجي تحت قيود التكلفة.

الابتكارات الرئيسية

يتكون GraphDx من ابتكارين رئيسيين:

• بناء قواعد المعرفة الطبية (MDKGs): يستخدم LLMs لبناء قواعد معرفة طبية ذات خصائص كمية ونمطية، مع هيكل موجه نحو الإجراءات، وسمات مزدوجة الأهداف للأهمية التشخيصية وحساسية التكلفة.
• ثلاثة وكلاء متعاونين: وكيل الإدراك، ووكيل التفكير، ووكيل القرار. يتولى وكيلا الإدراك والقرار فهم اللغة وتوليدها، بينما يقوم وكيل التفكير بتسجيل الأدلة الحتمية والتخطيط المراعي للتكلفة على قاعدة المعرفة.

النتائج التجريبية

أظهرت التجارب على مجموعتي بيانات MedQA وMIMIC-IV باستخدام ثلاثة نماذج أساسية (DeepSeek-V3 وKimi-k2 وLlama-3.3) أن GraphDx يحسن معدلات نجاح التشخيص من 50-68% إلى 79-93%، مع خفض تكاليف الفحوصات بنسبة 20-54%.

التطبيقات في الشرق الأوسط

يمكن تطبيق GraphDx في أنظمة الرعاية الصحية في الشرق الأوسط لتحسين دقة التشخيص وتقليل التكاليف، خاصة في البيئات ذات الموارد المحدودة. يوفر الإطار حلاً اقتصادياً وقابلاً للتفسير للتشخيص السريري الآلي.

ملاحظة للمراجعة البشرية: تأكد من دقة النسب المئوية ومصادر البيانات.