Klinikinių AI įrankių balai įvertina aukščiausią visų laikų medicinos licencijavimo egzaminą Jungtinėse Valstijose

Klinikinių AI įrankių balai įvertina aukščiausią visų laikų medicinos licencijavimo egzaminą Jungtinėse Valstijose

Galingas klinikinio dirbtinio intelekto įrankis, kurį sukūrė Bafalo universiteto biomedicininės informatikos tyrėjaiAtidarytas „Jama“ tinklas.

Iki šiol pasiekęs aukštesnius USMLE balus nei dauguma gydytojų ir visų kitų AI įrankių, semantinis klinikinis dirbtinis intelektas (SCAI, tariamai „dangus“) gali tapti svarbiu gydytojų partneriu, sako pagrindinis autorius Peteris L. Elkinas, MD, Biomedicininės informatikos katedros pirmininkas Jacobso medicinos ir biomedicinos mokslų mokykloje.

Pasak Elkino, SCAI iki šiol yra tiksliausias klinikinis AI įrankis, kurio USMLE 3 žingsnyje surinkta pažangiausia versija, o GPT4 Omni įrankis tame pačiame teste surinko 90,5 %.

Kaip gydytojai, esame įpratę kompiuterius naudoti kaip įrankius, tačiau SCAI skiriasi. Tai gali padidinti jūsų sprendimų priėmimą ir mąstymą, pagrįstą savo samprotavimais. “

Peteris L. Elkinas, MD, UB Jacobso medicinos ir biomedicinos mokslų mokyklos Biomedicininės informatikos katedros pirmininkas

Priemonė gali atsakyti į medicininius klausimus, kuriuos užduoda gydytojai ar visuomenė

Mokslininkai išbandė modelį pagal USMLE, reikalingą gydytojų licencijavimui visoje šalyje, kuris įvertina gydytojo gebėjimą taikyti žinias, koncepcijas ir principus bei demonstruoti pagrindinius į pacientą orientuotus įgūdžius. Klausimai su vaizdiniu komponentu buvo pašalinti.

Elkinas paaiškina, kad dauguma dirbtinio intelekto įrankių veikia su statistika, kad surastų asociacijas internetiniuose duomenyse, kurias jie gali naudoti atsakydami į klausimą. „Šias priemones mes vadiname generatyviniu dirbtiniu intelektu“, – sako jis. „Kai kurie manė, kad jie tiesiog plagijuoja tai, kas yra internete, nes atsakymai, kuriuos jie pateikia, yra tai, ką parašė kiti. Tačiau šie AI modeliai dabar tampa priežiūros partneriais, o ne paprastais įrankiais, kuriuos gydytojai gali naudoti savo praktikoje, sako jis.

"Tačiau Scai atsako į sudėtingesnius klausimus ir atlieka sudėtingesnius semantinius samprotavimus", - sako jis, "mes sukūrėme žinių šaltinius, kurie gali būti labiau panašūs į tai, kaip žmonės mokosi medicinos mokykloje."

Komanda pradėjo nuo anksčiau sukurtos natūralios kalbos apdorojimo programinės įrangos. Jie pridėjo daug autoritetingos klinikinės informacijos, gautos iš labai skirtingų šaltinių, pradedant naujausia medicinine literatūra ir klinikinėmis gairėmis, baigiant genominiais duomenimis, informacija apie vaistus, rekomendacijomis dėl išrašymo, pacientų saugos duomenų ir kt. Nebuvo įtraukti jokie duomenys, kurie gali būti šališki, pvz.: B. klinikinės pastabos.

13 milijonų medicininių faktų

SCAI yra 13 milijonų medicininių faktų ir visos galimos šių faktų sąveikos. Komanda naudojo pagrindinius klinikinius faktus, vadinamus semantiniais trigubais (subjekto ir objekto ryšys, pvz., „penicilinas gydo pneumokokinę pneumoniją“) semantinius tinklus. Tada įrankis gali pavaizduoti šiuos semantinius tinklus taip, kad iš jų būtų galima padaryti logiškas išvadas.

„Mes mokėme didelių kalbų modelius, kaip naudoti semantinius samprotavimus“, - sako Elkinas.

Kiti būdai, kurie prisidėjo prie SCAI, apima žinių grafikus, skirtas naujoms medicininių duomenų nuorodoms, taip pat anksčiau „paslėptiems“ modeliams, taip pat paieškos generavimą, kuris leidžia dideliam kalbos modeliui greitai pasiekti ir įtraukti informaciją iš išorinių žinių bazių. Tai sumažina „konfabuliaciją“, AI įrankių tendenciją visada reaguoti į raginimą, net jei jame nepateikiama pakankamai informacijos, kad būtų galima tęsti.

Elkinas priduria, kad naudojant formalią semantiką, skirtą plačiam kalbos modeliui informuoti, suteikiamas svarbus kontekstas, reikalingas SCAI, kad galėtų tiksliau suprasti ir atsakyti į konkretų klausimą.

„Tai gali su tavimi pasikalbėti“.

„SCAI skiriasi nuo kitų didelių kalbų modelių, nes jis gali bendrauti su jumis ir, kaip žmogaus ir kompiuterio partnerystė, gali padidinti jūsų sprendimų priėmimą ir mąstymą, pagrįstą savo samprotavimais“, - sako Elkinas.

Jis daro išvadą: „Pridėję semantiką prie didelių kalbos modelių, suteikiame jiems galimybę samprotauti panašiai kaip praktikuojant įrodymais pagrįstą mediciną“.

Kadangi SCAI gali pasiekti tokius didžiulius duomenų kiekius, SCAI taip pat gali pagerinti pacientų saugą, pagerinti prieigą prie priežiūros ir „demokratizuoti specialią priežiūrą“, - sako Elkinas, todėl specialios ir subspecialybės medicininė informacija yra prieinama pirminei sveikatos priežiūrai ir net pacientams.

Nors Scai galia yra įspūdinga, Elkinas pabrėžia, kad jos misija yra padidinti, o ne pakeisti gydytojus.

"Dirbtinis intelektas nepakeis gydytojų, - sako jis, - gydytojas, kuris naudoja AI, gali pakeisti gydytoją, kuris to nedaro.

Be Elkino, UB bendraautoriai iš Biomedicininės informatikos katedros yra Guresh Mehta; Frank Lehouillier; Melissa Resnick, mokslų daktarė; Crystal Tomlin, mokslų daktaras; Skyler Resendez, mokslų daktaras; ir Jiaxing Liu.

Sarah Mullin, PhD, Roswell Park Comprehensive Cancer Center, ir Jonathan R. Nebeker, MD, ir Steven H. Brown, MD, abu iš Veteranų reikalų departamento, taip pat yra bendraautoriai.

Darbas buvo finansuojamas iš Nacionalinių sveikatos institutų ir Veteranų reikalų departamento dotacijų.

Šaltiniai: