تقدمت نماذج اللغة الكبرى (LLMs) بسرعة في معالجة اللغة الطبيعية وتستخدم بشكل متزايد لتحليل السرد السريري. إن قدرتها على استخراج المعلومات، تلخيص السجلات، ودعم سير العمل السريري تجعلها أدوات محتملة لتعزيز كفاءة التوثيق والتطبيقات الثانوية في تحليل بيانات السجل الصحي الإلكتروني (EHR). الهدف من هذا العمل هو تجميع الأدلة الحديثة حول الأساليب المنهجية وتطبيقات LLMs لمعالجة السرد السريري، وتقييم أدائها وفوائدها وقيودها وآثارها على الممارسة السريرية. عبر دراسات 2022–2026، أظهرت LLMs أداءً قويًا في استخراج المعلومات، التلخيص، توقع الفرز، تصنيف الأقسام، وتوليد النصوص الاصطناعية، متجاوزة في كثير من الأحيان نماذج تعلم الآلة التقليدية. بشكل عام، حسّنت LLMs تحويل الملاحظات غير المنسقة إلى رؤى سريرية قابلة للتنفيذ، وقلّلت من عبء التوثيق، ودعمت مهام اتخاذ القرار. تشمل التحديات الرئيسية الهلوسة، قابلية إعادة الإنتاج المتغيرة، الحساسية للتحفيز، فجوات التكيف الميداني، وشفافية محدودة. تشير نتائجنا إلى أن LLMs تُظهر وعداً كبيراً في تحويل معالجة السرد السريري، لكن التبني الآمن يتطلب تقييمًا صارمًا وتدقيقًا مستمرًا للنموذج. يوفر هذا العمل تجميعًا منظمًا وغير منهجي للدراسات التمثيلية ويهدف إلى تقديم نظرة عامة عالية المستوى على التطبيقات الناشئة بدلاً من مراجعة منهجية شاملة.
دراسة من ليفيراتوس وآخرين (جمعة) تناولت هذا السؤال.