تُرجمت هذه الصفحة تلقائيًا من اللغة التركية. اقرأ النص الأصلي

Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

SO140

أنماط الإخفاق المنهجية للنماذج اللغوية الكبيرة في التقييم النفسي للمسنين

SYSTEMIC FAILURE MODES OF LARGE LANGUAGE MODELS IN GERIATRIC PSYCHIATRIC ASSESSMENT: A SCOPING REVIEW

تُظهر النماذج اللغوية الكبيرة (large language models, LLM) إخفاقات متكررة في خمسة مجالات منفصلة في التقييم النفسي للمسنين، ولا تبدو مؤهلة بما يكفي للاستخدام المستقل.

تهدف الدراسة إلى رسم خريطة لخمسة مجالات محتملة للقلق بشأن النماذج اللغوية الكبيرة أثناء التقييم النفسي للمسنين، وإقران كل منها بتدابير وقائية تتناسب مع الأدلة. وُصفت المنهجية في الملصق العلمي بأنها منظور مستنير بالأدلة (evidence-informed perspective)، لا يتضمن بحثًا منهجيًا أو تحليلًا تلويًا؛ واختيرت المصادر حتى مايو 2026، وأُعيد التحقق من حداثتها في أغسطس 2026، وصُنفت الأدلة إلى مباشرة (تخص كبار السن)، وأدلة من مجالات مجاورة، وغير مباشرة. تناول المجال الأول السياق الطويل وعدم الاستقرار التشخيصي، وأُبلغ عن مساحة تحت منحنى خصائص تشغيل المستقبِل (AUROC) بلغت 0,824 ومعامل توافق c = 0,74-0,76 للهذيان المحدد تعريفًا ضيقًا، مع الإشارة إلى عدم وجود اختبار 3D (الهذيان–الخرف–الاكتئاب) مُتحقق من صلاحيته. وبحث المجال الثاني المقدمات المختلقة والتعليل غير الموثوق؛ إذ انخفض معدل الهلوسة في الظروف الخصومية (adversarial) من 65,9% إلى 44,2%، ووُجد أن التعليل كان خاطئًا في 35,5% من الإجابات الصحيحة المتعلقة بالصور. وفي المجال الثالث، المتعلق بتجاوز المعلومات الزمنية متعددة الوسائط، تجاوز معدل التجاوز 90% في معظم ظروف الاختبار الخصومي لنماذج VideoLLM. وفي المجال الرابع، المتعلق بخفض الأدوية أو إيقافها (deprescribing)، بلغت القيمة التنبؤية الإيجابية (positive predictive value, PPV) في التقييم القائم على المعايير 0,83، مقابل 0,47 في التوصيات الخاصة بالحالات، فيما بلغت دقة MedCalc باستخدام GPT-4 نسبة 50,91%. وفي المجال الخامس، أُشير إلى أن أنماط القيم تميل غالبًا نحو الأعمار الأصغر، لكن لم تثبت زيادة متجانسة في التمييز العمري السريري، وكانت النتائج متباينة؛ كما جرى التأكيد على أن الدقة التشخيصية المعدّلة انخفضت بمقدار 14,0 نقطة مئوية عند تقديم توصية خاطئة من نموذج لغوي كبير مقارنةً بتوصية خالية من الأخطاء (تحيز الأتمتة). وخلاصةً، عُدّت الوظائف التي تكون مصادرها ظاهرة ومُتحققًا منها، مثل كتابة المسودات واستخراج البيانات وإعداد الخطوط الزمنية وقوائم التحقق، معقولة على المدى القريب، بينما قُبل دعم القرارات الدوائية والحسابات قبولًا مشروطًا باستخدام أدوات حتمية ومُتحقق من صلاحيتها فقط؛ ولم يحظَ التشخيص والعلاج وتقييم الأهلية لاتخاذ القرار والإحالة العاجلة بصورة مستقلة بالدعم. واقتُرحت لكل مجال من مجالات القلق تدابير وقائية مقابلة، مثل الوصول الموسوم بطابع زمني، وإمكانية تتبّع المصادر على مستوى كل ادعاء، والامتناع عن الإجابة عند عدم اليقين، واعتماد الطبيب أو الصيدلي، والتقييم المشترك مع المسن ومقدّم الرعاية.

Tüm WCP 2026 özetleri