چت بات های ارزان هوش مصنوعی، تشخیص پزشکی را در مناطق کم برخوردار متحول کردند.

به گزارش ایسنا، مطالعاتی در رواندا و پاکستان نشان می دهند که چت بات های مبتنی بر هوش مصنوعی (LLM) در کلینیک های کم منابع می توانند مفید باشند و این فقط در آزمایش های کنترل شده صادق نیست.

به نقل از نیچر، مدل های زبانی بزرگ (LLM) می توانند در آزمون های پزشکی پس از فارغ التحصیلی نمره بگیرند و به پزشکان در تشخیص دستکم در شرایط کنترل شده کمک کنند. اما آیا در محیط واقعی که پزشکان کافی برای بررسی پاسخ ها وجود ندارند و لیست بیماران طولانی و منابع محدود است، مفید خواهند بود؟ دو مطالعه منتشرشده در مجله نیچر نشان می دهند که مدل های زبانی بزرگ کم هزینه قادر به افزایش نرخ موفقیت تشخیصی هستند و حتی در برخی موارد از پزشکان آموزش دیده پیشی می گیرند.

در رواندا، پاسخ های چت بات ها در همه معیارهای ارزیابی از پزشکان محلی پیشی گرفت. در این مطالعه، حدود 100 بهورز بیش از 5600 پرسش بالینی که از بیماران دریافت می کردند را جمع آوری کردند.

پژوهشگران پاسخ پنج مدل زبانی بزرگ را به حدود 500 پرسش با پاسخ های پزشکان محلی مقایسه کردند. ارزیابی ها روی مقیاس پنج نمره ای نشان داد که تمام مدل های زبانی بزرگ در 11 معیار، از جمله تطابق با توافق پزشکی، درک پرسش و احتمال ایجاد آسیب، از پزشکان بهتر عمل کردند.

چت بات ها همچنین توانستند حدود 100 پرسش را به زبان ملی رواندا، پاسخ دهند.

مزیت دیگر مدل های زبانی بزرگ این است که به صورت 24 ساعته در دسترس بهورزهای جامعه هستند، چیزی که برای پزشکان ممکن نیست. علاوه بر این، پاسخ های مدل های زبانی بزرگ حدود 500 برابر ارزان تر از پاسخ پزشکان است؛ هزینه پاسخ پزشکان به طور متوسط 5.43 دلار برای پزشکان و 3.80 دلار برای پرستاران بود، در حالی که پاسخ مدل های زبانی بزرگ تنها حدود 0.0035 دلار به انگلیسی و 0.0044 دلار به زبان رواندا بود.

این مطالعه نشان می دهد که مدل های زبانی تجاری می توانند پاسخ های پزشکی و فرهنگی مناسبی به پرسش های رایج ارائه دهند.

با این حال، پژوهشگران هشدار می دهند که مقایسه مستقیم عملکرد مدل های زبانی بزرگ با انسان ها محدودیت هایی دارد؛ چون سنجش پاسخ های مکتوب معیار مناسبی برای ارزیابی مدل هاست، اما لزوماً بازتاب دقیقی از عملکرد واقعی انسان ها نیست.

در پاکستان، گروه پژوهشی به سرپرستی احسان قاضی، دانشمند رایانه دانشگاه مدیریت علوم لاهور (Lahore University of Management Sciences)، نشان دادند که مدل های زبانی بزرگ می توانند دقت تشخیص در سیستم های کم منابع را افزایش دهد. کمبود متخصص و حجم بالای بیماران باعث تعداد زیاد خطاهای تشخیصی می شود.

در یک مطالعه کنترل شده تصادفی، 58 پزشک مجاز، 20 ساعت آموزش برای استفاده از مدل های زبانی بزرگ در تشخیص علائم بیماران دریافت کردند و با خطر خطاهای احتمالی مدل ها آشنا شدند.

پزشکانی که به مدل زبانی بزرگ GPT-4o دسترسی داشتند، امتیاز دقت تشخیصی به طور میانگین 71 درصد گرفتند، در حالی که آن هایی که فقط از PubMed و جستجوی اینترنتی استفاده کردند، به 43 درصد دست یافتند. یک تحلیل تکمیلی نشان داد مدل های زبانی بزرگ به تنهایی در مجموع بهتر از پزشکانی عمل کردند که از این مدل ها کمک می گرفتند؛ با این حال، در 31 درصد موارد پزشکان عملکرد بهتری داشتند. این موارد عمدتا شامل نشانه های هشداردهنده و عوامل زمینه ای بود که مدل های زبانی بزرگ از آن ها غفلت کرده بودند. قاضی معتقد است نتایج او قابل تعمیم به کشورهای دیگر است، اما باید با سایر چت بات ها نیز تکرار شود. او می گوید: این کار مسیرهای جدیدی باز می کند که می تواند منجر به ادغام ایمن تر و مؤثرتر هوش مصنوعی و مراقبت های بهداشتی شود.

کارولین گرین، مدیر تحقیقات در مؤسسه اخلاق در هوش مصنوعی دانشگاه آکسفورد، می گوید: این مطالعات اهمیت آموزش پزشکان در استفاده از هوش مصنوعی بر اساس تخصصشان را نشان می دهد.

با این حال، او هشدار می دهد که مدل های زبانی بزرگ مشکلاتی مانند سوگیری و حفظ حریم داده های بیماران دارند. نباید تصور کنیم که تمام مراقبت های بهداشتی را مدل های زبانی بزرگ می توانند بر عهده بگیرند.