في ظل التحديات التي تواجه الذكاء الاصطناعي (AI) في مجال الرعاية الصحية، يحتاج الأطباء إلى وسائل موثوقة لدعم القرارات السريرية. تتمحور الالتزامات التنظيمية، مثل قانون الذكاء الاصطناعي في الاتحاد الأوروبي وإرشادات إدارة الغذاء والدواء الأمريكية (FDA)، حول أهمية ضمان الدقة وقابلية التدقيق في هذه الأنظمة.

قدمت دراسة جديدة مفهومًا مثيرًا يتمثل في "ميتا-البريدكات" (Meta-Predicates)، والتي تعد بمثابة بريدكات حول البريدكات. هذه الميتا-البريدكات تسمح بتثبيت قيود إبستيمولوجية على قواعد القرار السريرية المُعبر عنها في لغات محددة الاستخدام (Domain-Specific Languages). يعتمد النظام الإبستيمولوجي الجديد على تصنيف التوضيحات على أربعة أبعاد: الغرض، مجال المعرفة، النطاق، وطريقة الحصول على المعلومات.

يتم تطبيق هذا الإطار من خلال منصة open-source تُعرف باسم AnFiSA، والتي تُستخدم لتحليل وتحسين المسؤولية عن المعلومات الجينية. لقد تم اختبار هذه المنصة باستخدام بروتوكول طب الجينات في Brigham على 5.6 مليون متغير من قاعدة بيانات Genome in a Bottle.

تُظهر النتائج أن الأشجار المستخدمة في تفسير المتغيرات يمكن إعادة تشكيلها لتصبح كاسحات غير مشروطة، مما يوفر سجلات تفتيش لكل متغير تُظهر القاعدة التي صنفت كل متغير ولماذا. تساهم عملية التحقق من ميتا-البريدكات في اكتشاف الأخطاء الإبستيمولوجية قبل نشر القواعد، سواء كانت مكتوبة بيد الإنسان أو تم إنتاجها بواسطة الذكاء الاصطناعي.

تعتبر هذه الطريقة مكملة لاستراتيجيات ما بعد النشر مثل LIME وSHAP، حيث تكشف التفسيرات عن الأدلة المستخدمة بعد اتخاذ القرارات، بينما تحدد ميتا-البريدكات الأدلة المسموح بها قبل النشر مع الحفاظ على قابلية القراءة البشرية.

في الختام، يعتبر التحقق من ميتا-البريدكات خطوة مهمة نحو ضمان أن القرارات ليست فقط دقيقة، بل أنها تستند إلى أدلة ملائمة يمكن تدقيقها بشكل مستقل. على الرغم من أن هذا البحث تم توضيحه في مجال الجينوميات، إلا أن الأسلوب يمكن تعميمه ليشمل أي مجال يتطلب منطق قرار يمكن تدقيقه.