أداة: “Med‑PaLM 2”: نموذج طبي من Google ينافس الأطباء في إجابة الأسئلة السريرية

في مارس 2023، طرحت Google نسخة متقدمة من نموذجها الطبي، Med‑PaLM 2، بعد نجاح النسخة الأولى، وهو نموذج QA طبي مدرّب خصيصا للإجابة الدقيقة على الأسئلة المهنية في المجال الطبي.

Med‑PaLM 2 تجاوز المستوى البشري في اختبارات الرخصة الطبية الأمريكية (USMLE) وحقق نتائج على مستوى “الخبير”، متفوقا على نسخته السابقة بنسبة ملحوظة (sites.research.google).

ما هو Med‑PaLM 2؟

• نسخة مطوّرة من Flan‑PaLM 2، مدربة أوّلا على MultiMedQA – وهو معيار يجمع بين بيانات امتحانات طبية احترافية مثل MedQA، PubMedQA، MedMCQA، وأسئلة صحية استهلاكية (nature.com).
• بعد التعديلات، حقق النموذج دقة تصل إلى 86.5% على MedQA، بزيادة تقريبية 19% عن النسخة الأصلية، وبالمقارنة تلقى تقييمات تفوق الأطباء في 8 من 9 محاور تقييم سريرية (nature.com).
• تم تطويره باستخدام تقنيات مثل: fine-tuning طبي، ensemble refinement، واستدعاء متنقل (chain-of-retrieval) لتقوية الفهم الطويل الأمد والاستدلال الطبي (nature.com).

المميزات الأساسية

1. دقة عالية في الاختبارات المهنية
   • اجتاز اختبارات USMLE/MedQA بنسبة 86.5%، متجاوزا أداء الأطباء في أكثر من 8 محاور سريرية (researchgate.net).
2. تقييم شامل ومتعدد الأبعاد
   • تمت مقارنته مع الأطباء بناء على factuality, reasoning, potential harm, bias، مع تفوق مهم في معايير السلامة والموضوعية (researchgate.net).
3. تنوع مصادر التدريب
   • استخدم MultiMedQA المؤلف من سبعة مجموعات: MedQA, MedMCQA, PubMedQA, MMLU clinical topics، HealthSearchQA… (arxiv.org).
4. تحسين طريقة التعلم والتعليم الطبي
   • تم استخدام advanced prompting وتقنيات ensemble لإنتاج إجابة تدعم الاستدلال والسياق السريري المعمق (medium.com).
5. نطاق متعدد ومحتمل الاستخدام السريري
   • مع التوسع في نسخة Med‑PaLM M لدعم بيانات صور مثل الأشعة، ويعمل عبر Google Cloud ضمن مشروع MedLM لتعزيز التطبيقات الطبية الفعلية (sites.research.google).

الأهمية البحثية والتطبيقية

• قفزة نوعية في الذكاء الاصطناعي الطبي: تجاوز المستوى البشري وتقريب المسافات بين الإنسان والآلة في الخدمات الصحية.
• نموذج تقييم إطار شامل: يجمع بين الدقة، القدرة التفسيرية، وسلامة الاستخدام، ما يمثل منهجا نمطيا للمستقبل.
• قاعدة مستقبلية للبحث: استخدم كنموذج في البحوث الطبية المعتمدة على الذكاء الاصطناعي بحوث مثل Towards Expert‑Level وGeneralist Biomedical AI (nature.com).

المرجع:

Singhal, K. et al. (2023). Large Language Models Encode Clinical Knowledge. Nature 620, 172‑180. (medium.com, nature.com)

رابط النموذج (Google Cloud – MedLM / Med‑PaLM 2):
(pmc.ncbi.nlm.nih.gov)