بناء "سديد": مساعد سريري وكيلي (Agentic) خالٍ من الهلوسة باستخدام RAG المتقدم

كان الفوز بالمركز الرابع في هاكاثون الذكاء الاصطناعي 2026 بمحافظة المنوفية محطة استثنائية! 🏆

لكن القيمة الحقيقية للإنجاز لم تكن مجرد الترتيب—بل التحدي المكثف على مدار 5 أيام لتحويل فكرة أولية إلى نظام ذكاء اصطناعي طبي جاهز للإنتاج يوفر وقت أطباء الأورام ويدعم اتخاذ القرارات السريرية المبنية على الأدلة.

المشكلة: تشتت وضخامة المعلومات في طب الأورام

تخيّل طبيب أورام يحاول اتخاذ قرار علاجي سريع ودقيق لمريض بسرطان المعدة؛ التحدي أن أحدث البروتوكولات الطبية (مثل WHO وNICE وESMO) تمتد عبر مئات الصفحات المعقدة، ما يضع الأطباء في مواجهة دائمة مع ضغط المعلومات وضيق الوقت.

لحل هذه المشكلة، بنى فريقنا (AI Innovators Team) نظام "سديد" (Sadeed)—وهو مساعد سريري ذكي مصمم خصيصاً لأطباء الأورام.

تحقيق انعدام الهلوسة (Zero-Hallucination) في الذكاء الاصطناعي الطبي

في المجال الطبي لا يوجد أي هامش للهلوسة أو المعلومات غير الدقيقة؛ ولضمان الموثوقية الكاملة صمّمنا خط RAG صارماً باستخدام LangGraph يجمع بين الاسترجاع الهجين ومحلل جداول طبية مخصص، بحيث تصدر كل إجابة مرفقة باستشهادات دقيقة (رقم الصفحة والفقرة) من المصدر الطبي الرسمي مباشرة.

المعمارية الأساسية ذات المراحل الأربع

1. استيعاب البيانات (Ingestion): البيانات الطبية مليئة بالجداول المعقدة (مثل تصنيف TNM). استخدمنا LlamaParse لاستخراج الجداول والهيكل الكامل إلى Markdown منظم، وتقسيم النصوص إلى مقاطع بحجم 512 رمزاً مع الحفاظ على البيانات الوصفية وتخزينها في Supabase (pgvector).

2. تحسين الاسترجاع (Precision@K): دمجنا البحث الدلالي المتجه (pgvector) مع البحث الدقيق بالكلمات المفتاحية (BM25 Okapi) عبر خوارزمية RRF (Reciprocal Rank Fusion) متبوعاً بمرحلة إعادة ترتيب باستخدام Gemini Flash Re-Ranker لاختيار أفضل 5 مقاطع ذات صلة.

3. التوليد الموثق (Grounded Generation): فرضنا هيكلة أوامر مغلقة تُخرج JSON باستشهادات إلزامية، بالاعتماد على معمارية ثنائية النماذج (Gemini Flash لتحليل الاستعلام وGemini Pro للتوليد الموثق).

4. الحواجز الأمنية والتحقق (Agentic RAG): بنينا آلة حالة من 8 عقد عبر LangGraph (query_analyzer ➔ hybrid_retriever ➔ confidence_evaluator ➔ grounded_generator ➔ citation_formatter ➔ faithfulness_checker ➔ finalize) مع فحص أمانة مبني على الاستدلال اللغوي (NLI) لاستبعاد أي تناقض.

شكر وتقدير

تحقق هذا الإنجاز بفضل العمل الجماعي الرائع لفريق AI Innovators Team:

• البراء حجاز
• كريم شريف
• شيماء شبانة
• شيرين أمين

وشكر خاص لمرشدنا المهندس فريد علي، والمدربتين المهندسة رحمة نبيل والمهندسة سما نجم الدين، والمنظمين في Creativa وITIDA وTIEC ومركز أورانج الرقمي مصر وInstant Software Solutions.

يمكنك الاطلاع على المستودع مفتوح المصدر على GitHub من هنا: Sadeed on GitHub