طور فريق بحثي نموذجًا جديدًا للذكاء الاصطناعي يمكنه اكتشاف ردود الفعل الدوائية السلبية (ADRs) من المنشورات على وسائل التواصل الاجتماعي والمنتديات. يجمع النموذج المسمى Mamba-ADR بين نموذج فضاء الحالة (Mamba) والشبكات الالتفافية ومكون الانحدار.
في اختبارات على مجموعة بيانات MedHelp، حقق Mamba-ADR درجة F1 بلغت 79.28 بالمائة، متفوقًا على الطرق السابقة. تجدر الإشارة بشكل خاص إلى التعقيد الحسابي المنخفض: يتطلب النموذج طاقة حسابية أقل بكثير من الأساليب المماثلة القائمة على Transformer، مما يجعله أكثر ملاءمة للتطبيق العملي.
يقوم النظام بتحليل النصوص غير الرسمية، وغالبًا ما تكون غير المهيكلة، من منتديات المرضى، ولا يكتشف فقط ما إذا كان هناك أثر جانبي، ولكنه يمكنه أيضًا تحديد شدته. هذا يسمح بأخذ عدم اليقين في التعليق بشكل أفضل مقارنة بأساليب التصنيف البحتة.
يرى المؤلفون أن Mamba-ADR يمثل إضافة واعدة إلى اليقظة الدوائية الكلاسيكية. في حين أن أنظمة الإبلاغ التقليدية غالبًا ما تعاني من نقص في التسجيل، يمكن لبيانات وسائل التواصل الاجتماعي تقديم مؤشرات مبكرة على الآثار الجانبية غير المعروفة سابقًا أو النادرة.
نُشرت الدراسة في مجلة Frontiers in Medical Technology. يؤكد الباحثون على أن هناك حاجة إلى مزيد من العمل لتوسيع النموذج ليشمل لغات متعددة ودمجه في أنظمة المراقبة الحقيقية.
المصدر:
Zhang S, Zhang T, Ma Y (2026). Mamba-ADR: اكتشاف ردود الفعل الدوائية السلبية من وسائل التواصل الاجتماعي باستخدام نموذج انحدار فضاء الحالة. Frontiers in Medical Technology. DOI: 10.3389/fmedt.2026.1786957
