توسط پل گاورن
یک مطالعه اخیر نویدبخش برنامه هوش مصنوعی ChatGPT برای بررسی سریع و بهبود هشدارهای سیستم کامپیوتری مورد استفاده برای حمایت از تصمیم گیری بالینی روزانه است.
در یک آزمایش کور در مرکز پزشکی دانشگاه واندربیلت، پانلی متشکل از چهار پزشک و یک داروساز پیشنهادات ChatGPT 3.5 را با پیشنهادات تیم‌های متخصصان بالینی بررسی کردند، این آزمایش شامل هفت هشدار از میان بی‌شمار هشدارهای مبتنی بر منطق در VUMC بود.
داوران، پیشنهادات را در مقیاس یک تا پنج رتبه بندی کردند، به پیشنهادات متخصصان بالینی امتیاز 3.6 و به پیشنهادات ChatGPT 3.3 دادند. آنها در مجموع به 65 پیشنهاد، 36 پیشنهاد توسط ChatGPT، 29 پیشنهاد توسط متخصصان بالینی امتیاز دادند. از 20 پیشنهاد برتر آزمون، 9 پیشنهاد از ChatGPT بودند.
این آزمون که توسط Siru Liu، PhD، پژوهشگر فوق دکتری در گروه انفورماتیک زیست پزشکی، و آدام رایت، PhD، استاد انفورماتیک و پزشکی بیومدیکال و مدیر مرکز انفورماتیک بالینی Vanderbilt انجام شد، در مجله انجمن انفورماتیک پزشکی آمریکا.
«در سراسر مراقبت‌های بهداشتی، بیشتر این هشدارهای خودکار با نیت خوب توسط کاربران پرمشغله لغو می‌شوند. هشدارها به عنوان یک هدف اساسی در نظر گرفته می شوند، اما نیاز کلی برای بهبود آنها برای همه روشن است. برای من واضح است که هوش مصنوعی می تواند به سرعت بخشیدن به این پروژه ادامه دهد. ChatGPT در حال حاضر بسیار مفید به نظر می رسد، و بدون شک با آموزش تخصصی می توان آن را برای این هدف حیاتی قدرتمندتر کرد.
ChatGPT 3.5 یک مدل زبان بزرگ بهینه‌سازی شده برای گفتگو و آموزش در صفحات وب و کتاب‌ها، یک شبکه عصبی مصنوعی با حدود 175 میلیارد پارامتر یا اتصالات وزنی مشابه
سیناپس ها (که مغز انسان دارای بیش از 100 تریلیون است). چت بات نوامبر گذشته توسط OpenAI مستقر در سانفرانسیسکو منتشر شد. مارس امسال شاهد معرفی ChatGPT 4 با توانایی بیشتر و سرفصل این شرکت بودیم.
ویکی‌پدیا از شرکت‌های مختلف، 15 مدل زبان بزرگ را با 100 میلیارد یا بیشتر پارامتر فهرست می‌کند.
در این آزمون، همه اعضای پانل کور آموزش رسمی در زمینه انفورماتیک داشتند و تجربه بهینه سازی ابزارهای پشتیبانی تصمیم بالینی را داشتند. هشدارها شامل موارد منع مصرف برای داروها و آزمایش های بالینی مختلف، خطرات بیمار پس از عمل، و مستندات بیمار مورد نیاز برای تجویز و به طور کلی برای مدیریت بیمار بود. همه پیشنهادها نمرات جداگانه‌ای برای سودمندی، مرتبط بودن، درک، تعصب، افزونگی، نیاز به ویرایش، پیامدهای بهبود گردش کار و وارونگی دریافت کردند (یعنی اینکه آیا به نظر می‌رسد هر پیشنهادی برخلاف مفهوم اعلان باشد).
سوالاتی در مورد اینکه مدل های زبان بزرگی مانند ChatGPT با چه سرعتی ممکن است برای هدایت مستندات بالینی یا حتی تصمیم گیری بر مبنای بازتر، بیمار به بیمار، مشکل به مشکل ترغیب شوند.
رایت گفت: «ما می‌توانیم منتظر تحولی در مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی باشیم که در طول زمان اتفاق می‌افتد، و از نظر ظرفیت فناوری خام، با موفقیت مدل‌های زبان بزرگ مانند ChatGPT، شاید به نظر می‌رسد که چارچوب زمانی در حال کاهش است. اما رسیدن به آنجا مستلزم ایجاد فرآیندهایی است که نه تنها ایمنی و گردش کار کارآمد، بلکه انصاف را در میان جمعیت‌های مختلف بیماران تضمین می‌کند. این کار کاملاً دشوار و طولانی است.»
افراد دیگری که از VUMC در این مطالعه شرکت کردند عبارتند از: Aileen Wright، MD، MS، Barron Patterson، MD، Jonathan Wanderer، MD، MPhil، Scott Nelson، PharmD، MS، و Allison McCoy، PhD. محققانی از مرکز پزشکی جنوب غربی دانشگاه تگزاس در دالاس و مرکز علوم بهداشتی دانشگاه تگزاس در هیوستون به آنها پیوستند. این مطالعه توسط مؤسسه ملی بهداشت (LM014097) پشتیبانی شد.
