Rezultati orodja za klinično umetno inteligenco ocenjujejo najvišji izpit za medicinsko licenco v Združenih državah Amerike

Rezultati orodja za klinično umetno inteligenco ocenjujejo najvišji izpit za medicinsko licenco v Združenih državah Amerike

Zmogljivo klinično orodje umetne inteligence, ki so ga razvili raziskovalci biomedicinske informatike Univerze v BuffaluJama Network Open.

Semantic Clinical Artificial Intelligence (SCAI, izgovorjeno »Sky«) dosega višje rezultate na USMLE kot večina zdravnikov in vseh drugih orodij umetne inteligence do zdaj, ima potencial, da postane kritičen partner za zdravnike, pravi glavni avtor Peter L. Elkin, dr. zdravnik z UBMD Interna medicina.

Po Elkinovih besedah ​​je SCAI najnatančnejše klinično orodje umetne inteligence do zdaj, saj je doseglo najnaprednejšo različico na 3. koraku USMLE, medtem ko je orodje GPT4 Omni na istem testu doseglo 90,5 %.

Kot zdravniki smo navajeni uporabljati računalnike kot orodje, vendar je SCAI drugačen. Lahko poveča vaše odločanje in razmišljanje na podlagi lastnega razmišljanja. “

Peter L. Elkin, dr.med., predsednik oddelka za biomedicinsko informatiko, Jacobsova šola za medicino in biomedicinske vede na UB

Orodje lahko odgovarja na zdravstvena vprašanja, ki jih postavljajo kliniki ali javnost

Raziskovalci so preizkusili model glede na USMLE, ki je potreben za licenciranje zdravnikov po vsej državi, ki ocenjuje zdravnikovo sposobnost uporabe znanja, konceptov in načel ter izkazovanja osnovnih veščin, osredotočenih na bolnika. Vprašanja z vizualno komponento so bila odpravljena.

Elkin pojasnjuje, da večina orodij AI deluje s statistiko, da bi našli povezave v spletnih podatkih, ki jih lahko uporabijo za odgovor na vprašanje. »Ta orodja imenujemo generativna umetna inteligenca,« pravi. "Nekateri trdijo, da le plagiatorizirajo tisto, kar je na internetu, ker so odgovori, ki vam jih dajo, tisto, kar so napisali drugi." Vendar pa ti modeli umetne inteligence zdaj postajajo partnerji pri oskrbi in ne preprosta orodja, ki jih lahko kliniki uporabljajo v svoji praksi, pravi.

"Toda Scai odgovarja na bolj zapletena vprašanja in izvaja bolj zapleteno semantično sklepanje," pravi, "Ustvarili smo vire znanja, ki so lahko bolj podobni temu, kako se ljudje učijo med usposabljanjem na medicinski fakulteti."

Ekipa je začela s predhodno razvito programsko opremo za obdelavo naravnega jezika. Dodali so velike količine verodostojnih kliničnih informacij, pridobljenih iz zelo različnih virov, od nedavne medicinske literature in kliničnih smernic do genomskih podatkov, informacij o zdravilih, priporočil za odpust, podatkov o varnosti pacientov in še več. Vsi podatki, ki bi lahko bili pristranski, kot so: B. klinične opombe, niso bili vključeni.

13 milijonov medicinskih dejstev

SCAI vsebuje 13 milijonov medicinskih dejstev in vse možne interakcije med temi dejstvi. Ekipa je uporabila osnovna klinična dejstva, znana kot semantična omrežja trojčkov (razmerje med subjektom in objektom, kot je »penicilin zdravi pnevmokokno pljučnico«). Orodje lahko nato te semantične mreže predstavi tako, da je iz njih mogoče potegniti logične sklepe.

»Velikojezične modele smo naučili, kako uporabljati semantično sklepanje,« pravi Elkin.

Druge tehnike, ki so prispevale k SCAI, vključujejo grafe znanja, zasnovane za nove povezave v medicinskih podatkih kot tudi prej »skrite« vzorce, kot tudi doseganje generiranja iskanja, ki omogoča velikemu jezikovnemu modelu dostop do informacij iz zunanjih baz znanja in njihovo vključitev v trenutku. To zmanjša »konfabulacijo«, težnjo orodij AI, da se vedno odzovejo na poziv, tudi če ne zagotovijo dovolj informacij za nadaljevanje.

Elkin dodaja, da uporaba formalne semantike za obveščanje o velikem jezikovnem modelu zagotavlja pomemben kontekst, potreben za SCAI, da natančneje razume določeno vprašanje in odgovori nanj.

"Lahko se pogovarja z vami."

"SCAI se razlikuje od drugih velikih jezikovnih modelov, ker se lahko pogovarja z vami in lahko kot partnerstvo med človekom in računalnikom izboljša vaše odločanje in razmišljanje na podlagi lastnega razmišljanja," pravi Elkin.

Zaključi: "Z dodajanjem semantike velikim jezikovnim modelom jim zagotavljamo sposobnost sklepanja na način, podoben prakticiranju medicine, ki temelji na dokazih."

Ker lahko dostopa do tako ogromnih količin podatkov, lahko SCAI tudi izboljša varnost pacientov, izboljša dostop do oskrbe in "demokratizira specialno oskrbo," pravi Elkin, s čimer omogoči dostop do specializiranih in subspecialističnih medicinskih informacij primarni oskrbi in celo bolnikom.

Medtem ko je moč Scaija impresivna, Elkin poudarja, da je njegova naloga povečati, ne nadomestiti zdravnike.

"Umetna inteligenca ne bo nadomestila zdravnikov," pravi, "zdravnik, ki uporablja AI, lahko nadomesti zdravnika, ki je ne uporablja."

Poleg Elkina so soavtorji UB z oddelka za biomedicinsko informatiko še Guresh Mehta; Frank Lehouillier; dr. Melissa Resnick; dr. Crystal Tomlin; Skyler Resendez, dr. in Jiaxing Liu.

Sarah Mullin, PhD, Roswell Park Comprehensive Cancer Center, in Jonathan R. Nebeker, MD, in Steven H. Brown, MD, oba z Ministrstva za veteranske zadeve, so tudi soavtorji.

Delo je bilo financirano z donacijami Nacionalnega inštituta za zdravje in Ministrstva za veterane.

Viri: