Резултатите от инструмента за клиничен изкуствен интелект оценяват най-високия изпит за медицинско лицензиране в Съединените щати

Резултатите от инструмента за клиничен изкуствен интелект оценяват най-високия изпит за медицинско лицензиране в Съединените щати

Мощен инструмент за клиничен изкуствен интелект, разработен от изследователи на биомедицинска информатика от Университета на БъфалоJama Network Open.

Постигайки по-високи резултати на USMLE от повечето лекари и всички други инструменти за изкуствен интелект досега, Semantic Clinical Artificial Intelligence (SCAI, произнася се „Sky“) има потенциала да се превърне в критичен партньор за лекарите, казва водещият автор Питър Л. Елкин, д-р, председател на катедрата по биомедицинска информатика в Училището по медицина и биомедицински науки Jacobs в UB и a лекар с УБМД вътрешни болести.

Според Елкин, SCAI е най-точният клиничен инструмент за изкуствен интелект до момента, отбелязвайки най-модерната версия на Стъпка 3 от USMLE, докато инструментът GPT4 Omni отбеляза 90,5% на същия тест.

Като лекари сме свикнали да използваме компютрите като инструменти, но SCAI е различно. Той може да увеличи вашето вземане на решения и мислене въз основа на собствените си разсъждения. “

Питър Л. Елкин, д-р, председател на катедрата по биомедицинска информатика, Училище по медицина и биомедицински науки Jacobs в UB

Инструментът може да отговори на медицински въпроси, зададени от лекари или обществеността

Изследователите тестваха модела спрямо USMLE, който се изисква за лицензиране на лекари в цялата страна, който оценява способността на лекаря да прилага знания, концепции и принципи и да демонстрира основни умения, ориентирани към пациента. Въпросите с визуален компонент са елиминирани.

Елкин обяснява, че повечето AI инструменти работят със статистика, за да намерят асоциации в онлайн данни, които могат да използват, за да отговорят на въпрос. „Ние наричаме тези инструменти генеративен изкуствен интелект“, казва той. „Някои постулират, че просто плагиатстват това, което е в интернет, защото отговорите, които ви дават, са това, което са написали други.“ Тези модели на изкуствен интелект обаче сега се превръщат в партньори в грижите, а не в прости инструменти, които клиницистите могат да използват в практиката си, казва той.

„Но Scai отговаря на по-сложни въпроси и извършва по-сложни семантични разсъждения“, казва той, „Ние създадохме източници на знания, които могат да приличат повече на това как хората учат по време на обучението си в медицинско училище.“

Екипът започна с предварително разработен софтуер за обработка на естествен език. Те добавиха големи количества достоверна клинична информация, извлечена от много различни източници, варираща от скорошна медицинска литература и клинични насоки до геномни данни, информация за лекарства, препоръки за изписване, данни за безопасността на пациентите и др. Всички данни, които биха могли да бъдат предубедени, като: Б. клинични бележки не са включени.

13 милиона медицински факта

SCAI съдържа 13 милиона медицински факта, както и всички възможни взаимодействия между тези факти. Екипът използва основни клинични факти, известни като семантични тройки (връзка субект-обект като „пеницилинът лекува пневмококова пневмония“) семантични мрежи. След това инструментът може да представи тези семантични мрежи по такъв начин, че да е възможно да се направят логически заключения от тях.

„Научихме широкоезични модели как да използват семантични разсъждения“, казва Елкин.

Други техники, които допринесоха за SCAI, включват графи на знания, предназначени за нови връзки в медицински данни, както и предишни „скрити“ модели, както и постигане на генериране на извличане, което позволява на големия езиков модел да осъществява достъп и да включва информация от външни бази знания веднага. Това намалява „конфабулацията“, тенденцията AI инструментите винаги да отговарят на подкана, дори ако тя не предоставя достатъчно информация, за да продължи.

Елкин добавя, че използването на формална семантика за информиране на големия езиков модел осигурява важен контекст, необходим на SCAI за по-точно разбиране и отговор на конкретен въпрос.

„Може да води разговор с вас.“

„SCAI е различен от другите големи езикови модели, защото може да разговаря с вас и, като партньорство човек-компютър, може да увеличи вашето вземане на решения и мислене въз основа на собствените си разсъждения“, казва Елкин.

Той заключава: „Като добавяме семантика към големи езикови модели, ние им предоставяме способността да разсъждават по начин, подобен на практикуването на основана на доказателства медицина.“

Тъй като има достъп до такива огромни количества данни, SCAI може също така да подобри безопасността на пациентите, да подобри достъпа до грижи и да „демократизира специализираните грижи“, казва Елкин, правейки медицинската информация за специалности и подспециалности достъпна за първичната медицинска помощ и дори за пациентите.

Въпреки че силата на Scai е впечатляваща, Елкин подчертава, че мисията му е да обогати, а не да замени лекарите.

„Изкуственият интелект няма да замени лекарите“, казва той, „лекар, който използва AI, може да замени лекар, който не го използва“.

В допълнение към Elkin, съавторите на UB от отдела по биомедицинска информатика включват Guresh Mehta; Франк Льоуилие; Мелиса Резник, д-р; Кристал Томлин, д-р; д-р Skyler Resendez; и Jiaxing Liu.

Сара Мълин, д-р от Roswell Park Comprehensive Cancer Center, и Джонатан Р. Небекер, MD, и Стивън Х. Браун, MD, и двамата от Департамента по въпросите на ветераните, също са съавтори.

Работата е финансирана от безвъзмездни средства от Националните институти по здравеопазване и Министерството на ветераните.

източници: