Του Πεσάχ Μπένσον • 13 Μαΐου 2025

Ιερουσαλήμ, 13 Μαΐου, 2025 (TPS-IL) — Ομάδα ερευνητών από το Πανεπιστήμιο Μπεν-Γκουριόν του Νεγκέβ ανέπτυξε μια νέα βάση δεδομένων για να δοκιμάσει την ικανότητα των μοντέλων γλώσσας τεχνητής νοημοσύνης να διαγνώσουν σύνθετα ιατρικά περιστατικά. Τα ευρήματά τους, που παρουσιάστηκαν στην Ένωση για την Προώθηση της Τεχνητής Νοημοσύνης στη Φιλαδέλφεια, υποδηλώνουν ότι τα μοντέλα γενικής χρήσης, όπως το GPT-4o, ενδέχεται να είναι πιο αποτελεσματικά από μοντέλα σχεδιασμένα ειδικά για την ιατρική.

Παραδοσιακά, τα μοντέλα γλώσσας τεχνητής νοημοσύνης δοκιμάζονται σε απλούστερα ιατρικά περιστατικά, όπως ερωτήσεις εξετάσεων ή κοινές ασθένειες. Ωστόσο, αυτά τα μοντέλα δεν έχουν αξιολογηθεί στο είδος των σύνθετων περιστατικών της πραγματικής ζωής που αντιμετωπίζουν συχνά οι γιατροί. Για να καλύψουν αυτό το κενό, οι ερευνητές δημιούργησαν μια βάση δεδομένων με 3.562 αναφορές ιατρικών περιστατικών από το περιοδικό BMC Journal of Medical Case Reports, η οποία περιλαμβάνει λεπτομερείς περιγραφές ασυνήθιστων ιατρικών περιστατικών και των διαγνώσεών τους. Τα περιστατικά παρουσιάστηκαν χρησιμοποιώντας ερωτήσεις πολλαπλής επιλογής και ανοιχτού τύπου, μιμούμενα διαγνωστικά σενάρια της πραγματικής ζωής.

Τα αποτελέσματα ήταν εκπληκτικά. Το GPT-4o, ένα μοντέλο γλώσσας γενικής χρήσης, ξεπέρασε σε απόδοση τα ιατρικά μοντέλα όπως το Meditron-70B και το MedLM-Large στη διάγνωση αυτών των σύνθετων περιστατικών. Το GPT-4o πέτυχε ακρίβεια 87,9% σε ερωτήσεις πολλαπλής επιλογής και ακρίβεια 76,4% σε ερωτήσεις ανοιχτού τύπου, ξεπερνώντας τα εξειδικευμένα μοντέλα.

«Εκπληκτκάμε βλέποντας ότι τα γενικά μοντέλα, όπως το GPT-4o, είχαν καλύτερη απόδοση από εκείνα που προσαρμόστηκαν για την ιατρική», δήλωσε ο Οφίρ Μπεν-Σόχαμ, ένας από τους ερευνητές. «Δείξαμε ότι τα μεγάλα μοντέλα γλώσσας μπορούν να χρησιμοποιηθούν για τη διάγνωση σύνθετων ιατρικών περιστατικών».

Αυτή η έρευνα είναι σημαντική διότι αποδεικνύει ότι μοντέλα τεχνητής νοημοσύνης όπως το GPT-4o θα μπορούσαν να βοηθήσουν στη διάγνωση δύσκολων ιατρικών καταστάσεων με μεγαλύτερη αποτελεσματικότητα. Η βάση δεδομένων CUPCase που δημιούργησε η ομάδα θα μπορούσε να γίνει ένα πολύτιμο εργαλείο για τη δοκιμή νέων μοντέλων τεχνητής νοημοσύνης στο μέλλον. Η βάση δεδομένων είναι ανοιχτή προς χρήση και μπορεί να επεκταθεί με επιπλέον περιστατικά καθώς αναπτύσσονται νέα μοντέλα.

«Ο στόχος ήταν να δημιουργηθεί ένα σύστημα που θα μπορούσε να αξιολογήσει πόσο καλά τα μοντέλα γλώσσας διαγνώσκουν σύνθετα περιστατικά του πραγματικού κόσμου, και όχι μόνο τα κοινά», δήλωσε ο διδακτορικός φοιτητής Ουριέλ Πέρετς.

Ο Δρ. Ναντάβ Ραπόπορτ, άλλο ένα μέλος της ερευνητικής ομάδας, εξήγησε ότι η διάγνωση σύνθετων περιστατικών μπορεί να είναι μια χρονοβόρα και αβεβαιότητας διαδικασία, που οδηγεί σε καθυστερήσεις και υψηλότερο κόστος για τους ασθενείς. Η βάση δεδομένων CUPCase, παρέχοντας λεπτομερή περιστατικά του πραγματικού κόσμου, μπορεί να βοηθήσει στην επιτάχυνση αυτής της διαδικασίας και στη βελτίωση της φροντίδας των ασθενών.

Η έρευνα έχει διάφορες πρακτικές εφαρμογές στην υγειονομική περίθαλψη, κυρίως βελτιώνοντας την ταχύτητα και την ακρίβεια των ιατρικών διαγνώσεων. Μοντέλα τεχνητής νοημοσύνης όπως το GPT-4o θα μπορούσαν να βοηθήσουν τους γιατρούς στη διάγνωση σύνθετων ιατρικών περιστατικών πιο γρήγορα, μειώνοντας τις διαγνωστικές καθυστερήσεις και ενισχύοντας τα αποτελέσματα για τους ασθενείς. Η βάση δεδομένων CUPCase, η οποία διαθέτει μια συλλογή περιστατικών του πραγματικού κόσμου, μπορεί να χρησιμεύσει ως ένα πολύτιμο εργαλείο κλινικής υποστήριξης αποφάσεων, βοηθώντας τους γιατρούς να λαμβάνουν πιο ακριβείς αποφάσεις, ειδικά για δύσκολα ή σπάνια περιστατικά.

Επιπλέον, το μοντέλο τεχνητής νοημοσύνης θα μπορούσε να βοηθήσει στην εκπαίδευση επαγγελματιών υγείας, προσφέροντας έναν διαδραστικό πόρο για την εκμάθηση σύνθετων διαγνωστικών διαδικασιών.

Τα εργαλεία που τροφοδοτούνται από τεχνητή νοημοσύνη θα μπορούσαν επίσης να επεκτείνουν την πρόσβαση σε διαγνωστική υποστήριξη επιπέδου ειδικού σε υποεξυπηρετούμενες περιοχές, όπου οι ειδικοί μπορεί να είναι περιορισμένοι. Σε περιβάλλοντα εντατικής φροντίδας, τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να παρέχουν διαγνωστική βοήθεια σε πραγματικό χρόνο.