هوش مصنوعی پزشک گوگل از پزشکان بهتر عمل می‌کند!

در یک آزمایش در دنیای واقعی، یک کاربر بیمار از Med-Gemini در مورد یک توده پوستی که خارش دارد، پرسید. این مدل پس از درخواست تصویر، سؤالات مناسب بعدی را پرسید و آن ضایعه نادر را به درستی تشخیص داد و به کاربر توصیه کرد که چه کاری باید انجام دهد.

مدل هوش مصنوعی پزشکی گوگل موسوم به Med-Gemini یک هوش مصنوعی متخصص در پزشکی است که ادعا می‌شود در برخی کارها حتی از پزشکان انسانی نیز عملکرد بهتری دارد.

منبع خبر: https://www.isna.ir/news/1403021812526/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%BE%D8%B2%D8%B4%DA%A9-%DA%AF%D9%88%DA%AF%D9%84-%D8%A7%D8%B2-%D9%BE%D8%B2%D8%B4%DA%A9%D8%A7%D9%86-%D8%A8%D9%87%D8%AA%D8%B1-%D8%B9%D9%85%D9%84-%D9%85%DB%8C-%DA%A9%D9%86%D8%AF

هوش مصنوعی Med-Gemini بر روی ۱۴ معیار پزشکی آزمایش شد و عملکرد جدیدی را روی ۱۰ معیار اجرا کرد که از مدل GPT-۴ ساخته شرکت اوپن‌ای‌آی(OpenAI) پیشی گرفت. این مدل در معیار MedQA با استفاده از استراتژی جستجوی هدایت‌شده به دقت ۹۱.۱ درصدی دست یافت و از مدل زبان بزرگ مبتنی بر پزشکی پیشین گوگل موسوم به Med-PaLM ۲ تا ۴.۵ درصد بهتر عمل کرد.

بازیابی اطلاعات خاص از پرونده‌های الکترونیکی پزشکی طولانی

هوش مصنوعی Med-Gemini تمام مزایای مدل‌های پایه جمینای را دارد، اما آنها را به خوبی تنظیم و متعادل کرده است. محققان این ترفندهای متمرکز بر دارو را آزمایش کردند و نتایج آنها را در مقاله گنجاندند. در این مقاله ۵۸ صفحه‌ای مطالب زیادی وجود دارد که در این گزارش به بیان چشمگیرترین آنها می‌پردازیم.

این مدل‌ها در زبان و مکالمه، درک اطلاعات متنوعی که بر روی آنها آموزش دیده‌اند و آنچه که «استدلال با زمینه طولانی» یا استدلال از مقادیر زیادی داده مانند ساعت‌ها ویدیو یا ده‌ها ساعت صوت نامیده می‌شود، مهارت دارند.

سپس موضوع بسیار مهم رابطه میان پزشک و بیمار وجود دارد که بر پایه همدلی، اعتماد و ارتباط بنا می‌شود و برای اینکه یک هوش مصنوعی به تقلید از یک پزشک در دنیای واقعی نزدیک شود، باید بتواند همه این کارها را انجام دهد.

اکنون گفته می‌شود که Med-Gemini چیز دیگری است و از همه مدل‌های پیشین سر است.

اما در نهایت، مدل Med-Gemini به عنوان یک ابزار خوب در نظر گرفته می‌شود.

محققان می‌گویند: در حالی که نتایج امیدوارکننده هستند، تحقیقات بیشتری مورد نیاز است. به عنوان مثال ما محدود کردن نتایج جستجو به منابع پزشکی معتبرتر، با استفاده از بازیابی جستجوی چندوجهی یا تجزیه و تحلیل انجام شده در مورد دقت و ارتباط نتایج جستجو و کیفیت استنادها را در نظر نگرفته‌ایم. علاوه بر این، باید دید که آیا می‌توان به مدل‌های زبان بزرگ کوچک‌تر نیز استفاده از جستجوی وب را آموزش داد؟ ما این اکتشافات را به کارهای آینده واگذار می‌کنیم.

به گزارش ایسنا، گروه گوگل ریسرچ(Google Research) و آزمایشگاه تحقیقاتی هوش مصنوعی گوگل به نام دیپ‌مایند(DeepMind)، مدل هوش مصنوعی مد-جمینای(Med-Gemini) که خانواده‌ای از مدل‌های پیشرفته هوش مصنوعی متخصص در پزشکی است را شرح داده‌اند. این مدل، یک پیشرفت بزرگ در تشخیص بالینی با پتانسیل عظیم در دنیای واقعی است.

محققان می‌گویند: ملاحظات حریم خصوصی به طور ‌ویژه باید در سیاست‌ها و مقررات مراقبت‌های بهداشتی موجود که از اطلاعات بیمار محافظت می‌کنند، ریشه داشته باشد. انصاف و عدالت حوزه دیگری است که ممکن است نیاز به توجه داشته باشد، زیرا این خطر وجود دارد که سیستم‌های هوش مصنوعی در مراقبت‌های بهداشتی ممکن است ناخواسته سوگیری‌ها و نابرابری‌های تاریخی را منعکس یا تقویت کنند و به طور بالقوه منجر به عملکرد مدل متفاوت و نتایج مضر برای گروه‌هایی شود.

چشم اندازهای آینده

هوش مصنوعی Med-Gemini در هفت معیار چندوجهی، از جمله چالش تصویری مجله پزشکی نیوانگلند حاوی تصاویر موارد چالش برانگیز بالینی که از یک لیست ۱۰تایی تشخیص داده می‌شود، به طور متوسط از ۴۴.۵ درصد بهتر از GPT-۴ عمل کرد.

آنها گفتند: این قابلیت دارای پتانسیل قابل توجهی برای کاربردهای مفید در دنیای واقعی، از جمله کمک به پزشکان و بیماران است، البته خطرات قابل توجهی نیز به دنبال دارد. در حالی که پتانسیل تحقیقات آینده در این حوزه را برجسته می‌کنیم، ما توانایی‌های مکالمه بالینی را در این کار، همانطور که قبلاً توسط دیگران در تحقیقات اختصاصی در زمینه هوش مصنوعی تشخیصی محاوره‌ای بررسی شده بود، به ‌طور دقیق مورد بررسی قرار نداده‌ایم.

بنابراین محققان برای آزمایش توانایی Med-Gemini در درک و استدلال از اطلاعات پزشکی بلندبالا و طولانی از یک پایگاه داده بزرگ و در دسترس عموم(Medical Information Mart for Intensive Care) که به مثابه پیدا کردن سوزن در انبار کاه است، استفاده کردند. این پایگاه حاوی داده‌های بیماران بستری در بخش‌های مراقبت‌های ویژه است.

گفتگو با Med-Gemini

قابلیت‌های خودآموزی و جستجوی وب

هوش مصنوعی Med-Gemini دو مرحله برای یافتن سوزن در انبار کاه پیش رو داشت. اول اینکه مجبور بود همه موارد ذکر شده در مورد مشکل پزشکی مشخص شده را از سوابق گسترده بازیابی می‌کرد. دوم اینکه باید ارتباط همه موارد را با هم ارزیابی می‌کرد، آنها را دسته‌بندی می‌کرد و نتیجه می‌گرفت که آیا بیمار سابقه آن مشکل را داشته است و دلیل روشنی برای تصمیم خود ارائه می‌کرد. در نهایت این هوش مصنوعی عملکرد خوبی داشت.

محققان می‌گویند: شاید برجسته‌ترین جنبه Med-Gemini، قابلیت‌های پردازش سوابق طولانی باشد، زیرا آنها مرزهای عملکردی جدیدی را باز می‌کنند و امکانات کاربردی جدیدی را که قبلاً غیرممکن بود برای سیستم‌های هوش مصنوعی پزشکی فراهم می‌کنند. این وظیفه یافتن «سوزن در انبار کاه» منعکس کننده یک چالش در دنیای واقعی است که پزشکان با آن مواجه هستند و عملکرد Med-Gemini پتانسیل آن را برای کاهش قابل توجه بار شناختی و افزایش قابلیت‌های پزشکان با استخراج و تجزیه و تحلیل کارآمد اطلاعات حاصل از حجم وسیعی از داده‌های بیماران نشان می‌دهد.

با این حال، محققان دریافتند که کار بیشتری لازم است.

هدف این بود که مدل بتواند یک وضعیت، علامت، یا درمان پزشکی کم‌استفاده و ظریف را در مجموعه بزرگی از یادداشت‌های بالینی بازیابی کند.

پژوهشگران می‌گویند: مدل‌های زبان بزرگ چندوجهی در حال آغاز دوره جدیدی از امکانات برای سلامت و پزشکی هستند. قابلیت‌های نشان‌ داده‌ شده توسط جمینای و Med-Gemini نشان‌دهنده جهش قابل توجهی در عمق و وسعت فرصت‌ها برای تسریع اکتشافات زیست‌پزشکی و کمک به ارائه مراقبت‌های بهداشتی و تجارب است. با این حال، بسیار مهم است که پیشرفت در قابلیت‌های مدل با توجه دقیق به قابلیت اطمینان و ایمنی این سیستم‌ها همراه باشد. با اولویت‌بندی هر دو جنبه می‌توانیم با مسئولیت‌پذیری هوش مصنوعی، آینده‌ای را متصور شویم که در آن قابلیت‌های سیستم‌های هوش مصنوعی شتاب‌دهنده‌های معنادار و ایمن در پیشرفت علمی و مراقبت در پزشکی باشند.