Модели искусственного интеллекта (ИИ) продемонстрировали замечательную эффективность в области доказательной медицины (ДМ), предлагая многообещающее решение проблем, с которыми сталкиваются медицинские работники, пытаясь оставаться в курсе последних научных достижений. Недавнее исследование, проведенное исследователями из Медицинской школы Икана при больнице Маунт-Синай, пролило свет на потенциал больших языковых моделей (БЯМ) в революционизацииdent медицинской практики.
Модели искусственного интеллекта и доказательная медицина
Доказательная медицина предполагает использование наилучших доступных результатов исследований для принятия клинических решений в отношении пациентов, отходя от традиционных методов и личных убеждений. В современном быстро развивающемся медицинском мире идти в ногу с потоком новых исследований — сложная задача для медицинских работников. Однако исследование предполагает, что чат-боты на основе искусственного интеллекта, в частности ChatGPT-4, могут предложить многообещающее решение этой проблемы.
Исследовательская группа протестировала возможности различных моделей искусственного интеллекта, включая ChatGPT от OpenAI, Gemini, LLAMA v2 и Mixtral-8x7B. Этим моделям был предоставлен доступ к предварительно подготовленным файлам клинических случаев, и им было поручено принимать клинические решения на основе имеющихся данных. Исследователи оценили их производительность с помощью нескольких метрик.
ChatGPT-4 лидирует
В своем отчете исследователи оценили устойчивость моделей ИИ к галлюцинациям, достоверность их клинических решений и соответствие клиническим рекомендациям. Лучшим в этом исследовании оказался ChatGPT-4, продемонстрировавший наибольшую способность функционировать в клинических условиях без вмешательства человека, превзойдя другие модели с линейным мышлением.
Согласно отчету, «магистры права могут функционировать как автономные специалисты в области доказательной медицины». В нем подчеркивается их потенциал взаимодействовать с реальными системами здравоохранения и выполнять задачи, связанные с пациентами, в соответствии с установленными рекомендациями.
Несмотря на впечатляющие результаты работы моделей LLM в рамках доказательной медицины, исследованиеdentнесколько областей, требующих улучшения в их функционировании. Одним из существенных ограничений является то, что основные модели LLM часто имеют крайний срок обучения в 2021 году, из-за чего они не осведомлены о новых медицинских данных после этой даты. В отчете отмечается, что обновление этих моделей с учетом новой медицинской информации — дорогостоящее мероприятие, которое может препятствовать их практическому применению.
Кроме того, существует опасение по поводу риска галлюцинаций при обращении к специалистам в области медицины с просьбой предоставить информацию по незнакомым медицинским темам. Также наблюдается недостаток данных о культурных особенностях и устойчивости к антибиотикам, что может повлиять на точность клинических решений.
Инновационные решения
Для повышения эффективности LLM в EBM исследователи представили новый инструмент под названием Retrieval Augmented Generation (RAG). Этот подход предполагает предоставление моделям ИИ информации, специфичной для конкретной задачи, что эффективно улучшает качество их ответов.
Метод оперативного инжиниринга былdentкак еще один способ уточнения ответов студентов-медиков. Исследователи обнаружили, что, предоставляя студентам-медикам конкретную информацию, например: «Вы — профессор медицины», ответы становились более адаптированными к пациенту и системе здравоохранения.
Исследователи признают ограничения в способности моделей обрабатывать сложные рекомендации и диагностические нюансы, но считают, что технология Retrieval Augmented Generation может помочь решить эти проблемы, сделав рекомендации более ориентированными на пациента и адаптируемыми к системам здравоохранения.
Искусственный интеллект и медицина: многообещающее будущее
Внедрение новых технологий, таких как искусственный интеллект и блокчейн, стремительно развивается в медицине и здравоохранении. Ведутся исследования, направленные на изучение потенциала ИИ в области выявления рака и tracэпидемий.
Для того чтобы ИИ процветал и функционировал в рамках закона, одновременно решая растущие проблемы, эксперты предлагают интегрировать корпоративную блокчейн-систему. Такая система обеспечит качество и право собственности на входные данные, гарантируя целостность и неизменность данных.
Исследование, проведенное в больнице Маунт-Синай, подчеркивает потенциал ИИ, в частности ChatGPT-4, в преобразовании доказательной медицины. Несмотря на существующие проблемы, инновационные решения, такие как Retrieval Augmented Generation, предлагают многообещающие способы повышения эффективности моделей ИИ в клинической практике. По мере развития технологий, будущее ИИ в здравоохранении открывает большие перспективы для улучшения ухода за пациентами и принятия клинических решений.
