I modelli di intelligenza artificiale (IA) hanno dimostrato una notevole competenza nel campo della medicina basata sulle prove di efficacia (EBM), offrendo una soluzione promettente alle sfide che gli operatori sanitari devono affrontare per rimanere aggiornati sui più recenti risultati della ricerca. Un recente studio condotto dai ricercatori della Icahn School of Medicine del Mount Sinai ha fatto luce sul potenziale dei modelli linguistici di grandi dimensioni (LLM) nel rivoluzionare la pratica medicadent .
Modelli di intelligenza artificiale e medicina basata sulle prove
La medicina basata sulle prove di efficacia prevede l'utilizzo delle migliori evidenze scientifiche disponibili per prendere decisioni cliniche sui pazienti, allontanandosi dai metodi tradizionali e dalle convinzioni personali. Nell'attuale panorama medico in rapida evoluzione, tenere il passo con l'afflusso di nuove ricerche è un compito arduo per gli operatori sanitari. Tuttavia, lo studio suggerisce che i chatbot basati sull'intelligenza artificiale, in particolare ChatGPT-4, potrebbero offrire una soluzione promettente a questa complessità.
Il team di ricerca ha testato le capacità di vari modelli di intelligenza artificiale, tra cui ChatGPT, Gemini, LLAMA v2 e Mixtral-8x7B di OpenAI. A questi modelli è stato concesso l'accesso a cartelle cliniche precedentemente curate e sono stati assegnati compiti di assunzione di decisioni cliniche sulla base dei dati disponibili. I ricercatori hanno valutato le loro prestazioni utilizzando diverse metriche.
ChatGPT-4 apre la strada
Nel loro rapporto, i ricercatori hanno valutato la resistenza dei modelli di intelligenza artificiale alle allucinazioni, la validità delle loro decisioni cliniche e la loro aderenza alle linee guida cliniche. Il modello che si è distinto in questo studio è stato ChatGPT-4, che ha mostrato la maggiore capacità di funzionare in un contesto clinico senza intervento umano, superando altri LLM.
Secondo il rapporto, "gli LLM possono operare come professionisti autonomi della medicina basata sulle prove". Viene evidenziato il loro potenziale nell'interagire con i sistemi sanitari reali e nel gestire le attività dei pazienti seguendo linee guida stabilite.
Nonostante le impressionanti prestazioni degli LLM nell'EBM, lo studio hadentdiverse aree che necessitano di miglioramenti nelle loro attività. Un limite significativo è che gli LLM tradizionali spesso hanno una scadenza formativa nel 2021, il che li rende ignari dei nuovi dati medici disponibili oltre tale data. Il rapporto rileva che aggiornare questi modelli con nuove informazioni mediche è un'impresa costosa che potrebbe ostacolarne l'applicazione pratica.
Inoltre, vi è preoccupazione per il rischio di allucinazioni quando si chiede agli LLM di generare informazioni su argomenti medici non familiari. Inoltre, mancano dati su considerazioni culturali e sulla resistenza agli antibiotici, che potrebbero influire sull'accuratezza delle decisioni cliniche.
Soluzioni innovative
Per migliorare le prestazioni degli LLM nell'EBM, i ricercatori hanno introdotto un nuovo strumento chiamato Retrieval Augmented Generation (RAG). Questo approccio prevede la fornitura di informazioni specifiche per ogni attività ai modelli di intelligenza artificiale, migliorando efficacemente la qualità delle loro risposte.
L'ingegneria tempestiva è statadentcome un altro metodo per perfezionare le risposte dell'LLM. Fornendo all'LLM informazioni specifiche, come "Sei un professore di medicina", i ricercatori hanno scoperto che le risposte diventavano più personalizzate in base al paziente e al sistema sanitario.
I ricercatori riconoscono i limiti nella capacità dei modelli di gestire linee guida complesse e sfumature diagnostiche, ma ritengono che la Retrieval Augmented Generation possa contribuire ad affrontare questi problemi, rendendo le raccomandazioni più incentrate sul paziente e adattabili ai sistemi sanitari.
Intelligenza artificiale e medicina in un futuro promettente
L'integrazione di tecnologie emergenti come l'intelligenza artificiale e la blockchain sta progredendo rapidamente in medicina e sanità pubblica. Sono in corso ricerche per esplorare il potenziale dell'intelligenza artificiale nella diagnosi del cancro e tracdelle epidemie.
Affinché l'intelligenza artificiale prosperi e operi entro i limiti della legge, affrontando al contempo le crescenti sfide, gli esperti suggeriscono di integrare un sistema blockchain aziendale. Tale sistema garantirebbe la qualità e la proprietà dei dati immessi, salvaguardandone l'integrità e l'immutabilità.
Lo studio del Mount Sinai evidenzia il potenziale dell'IA, in particolare di ChatGPT-4, nel trasformare la medicina basata sulle prove di efficacia. Nonostante le difficoltà, soluzioni innovative come la Retrieval Augmented Generation offrono soluzioni promettenti per migliorare le prestazioni dei modelli di IA in ambito clinico. Con la continua evoluzione della tecnologia, il futuro dell'IA in ambito sanitario promette grandi miglioramenti nell'assistenza ai pazienti e nel processo decisionale clinico.
