في عالم الرعاية الصحية النفسية، تعتبر عملية جمع المعلومات أمرًا معقدًا يتطلب مهارات عالية من الأطباء النفسيين. حيث يتعين عليهم اختيار الأسئلة المناسبة، وترتيبها بطريقة تضمن الحصول على معلومات دقيقة ورؤية شاملة عن حالة المريض. في هذا الإطار، طرحت الدراسة الجديدة نموذجًا يستخدم الذكاء الاصطناعي لمساعدتهم على هذا الأمر.

تمت صياغة هذا البحث على أنه مشكلة اختيار الأسئلة، حيث يتم استخدام مجموعة من الأسئلة السريرية المعتمدة للتركيز على المعلومات المستهدفة مع ضبط مستوى صعوبة العينة. وقد تم تطوير معيار خاص بتحديد الأسئلة استنادًا إلى بنك يضم 655 سؤالًا تم تأليفه من قبل أطباء مختصين، بالإضافة إلى مشاهد مريضية مصطنعة تتضمن خمسة ظروف سلوكية مختلفة.

في التجارب، تم مقارنة عدة طرق، بما في ذلك طرح الأسئلة بشكل عشوائي، واستبيانات التقييم النفسي التقليدية، ومنهجية مرنة تعتمد على نماذج اللغات الضخمة (LLMs) عبر 300 جلسة مقابلة مع أربعة مرضى.

أظهرت النتائج أن النموذج القائم على الأسئلة السريرية المنسقة يتفوق بشكل كبير على الأسئلة العشوائية، كما أن الأساليب المبنية على نماذج اللغات الضخمة حققت أقوى استرجاع للمعلومات. وقد اتضح أن فائدة التكيف تزداد بشكل كبير عندما يواجه النظام سلوكيات المرضى التي تكون أقل انفتاحًا على الاستعادة، خاصة في الظروف المقيدة والمختصرة.

تشير هذه النتائج إلى أن أداء الأنظمة السريرية الحوارية يعتمد ليس فقط على فهم اللغة بعد إفشاء المعلومات، ولكن أيضًا على قدرة النظام على الوصول إلى الموضوعات الصحيحة ضمن ميزانية تفاعل محدودة. وبشكل عام، يوفر هذا المعيار إطار عمل مسيطرًا لدراسة كيفية تأثير الهيكل السريري والتكيف في الاسترجاع المعلوماتي في التعلم الآلي التفاعلي.