Η Google εργάζεται για την ανάπτυξη ενός διαγνωστικού εργαλείου διαλόγου με βάση την Τεχνητή Νοημοσύνη ως μέρος ενός συστήματος ιατρικής συνέντευξης.
Σύμφωνα με δημοσίευμα του healthstat, μια ομάδα ερευνητών Τεχνητής Νοημοσύνης στην Google Research και τη Google DeepMind ανέπτυξε τα στοιχειώδη ενός συστήματος διαγνωστικού διαλόγου με βάση την «ΤΝ» για τη διεξαγωγή ιατρικών συνεντεύξεων.
Η ομάδα δημοσίευσε ένα έγγραφο που περιγράφει την έρευνά της στον διακομιστή arXiv preprint.
Όταν ένας γιατρός παίρνει συνέντευξη από έναν ασθενή για να καθορίσει ποια ιατρική κατάσταση πρέπει να αντιμετωπιστεί, σημείωσε η ερευνητική ομάδα, έρχεται οπλισμένος με ένα βαθύ υπόβαθρο στην ιατρική εκπαίδευση και την πρακτική εμπειρία.
Αν και μπορεί να φαίνεται μερικές φορές σε έναν ασθενή ότι τέτοιες συνεντεύξεις είναι στην καλύτερη περίπτωση επιφανειακές, οι περισσότερες είναι και αποτελεσματικές και καταλήγουν σε ακριβή αποτελέσματα.
Υπάρχουν όμως και περιθώρια βελτίωσης, σημειώνουν οι ερευνητές. Ένας από τους τομείς στους οποίους πολλοί γιατροί υστερούν είναι ο τρόπος που συμπεριφέρονται στον ασθενή. Λόγω ιδιορρυθμιών της προσωπικότητας, ενός σφιχτού και πολυάσχολου προγράμματος εργασίας ή της ενασχόλησης με ασθενείς που δεν είναι πάντα ευγενικοί, ορισμένοι ιατρικοί μπορεί να φανούν άκαμπτοι ή δύστροποι, δημιουργώντας την εντύπωση ότι ο γιατρός δεν ενδιαφέρεται ιδιαίτερα για την ευημερία του ασθενούς.
Η Τεχνητή Νοημοσύνη σε ρόλο γιατρού
Σε αυτή τη νέα προσπάθεια, η ομάδα της Google σημείωσε ότι πολλοί LLMs, όπως το ChatGPT, συχνά εμφανίζεται περισσότερο από πρόθυμο να βοηθήσει - χαρακτηριστικά που μερικές φορές λείπουν από τις συνεντεύξεις των γιατρών. Αυτό τους έδωσε το έναυσμα να αρχίσουν να εργάζονται πάνω σε ένα LLM που θα μπορούσε μια μέρα να εξελιχθεί σε ένα σύστημα διαγνωστικού διαλόγου στον πραγματικό κόσμο.
Το νέο σύστημα ονομάζεται Articulate Medical Intelligence Explorer ή AMIE. Η ομάδα της Google σπεύδει να επισημάνει ότι είναι ακόμη καθαρά πειραματικό. Σημειώνουν επίσης ότι η δημιουργία του συστήματός τους ήταν τόσο μοναδική όσο και δύσκολη λόγω της έλλειψης ιατρικών συνεντεύξεων γιατρών/ασθενών που είναι διαθέσιμες για χρήση ως εκπαιδευτικό υλικό.
Αυτό τους οδήγησε στο να δοκιμάσουν μια νέα προσέγγιση για να διδάξουν στο σύστημά τους πώς να ρωτάει έναν ασθενή. Πρώτον, το εκπαίδευσαν στον περιορισμένο όγκο των δημοσίως διαθέσιμων δεδομένων. Στη συνέχεια προσπάθησαν να πείσουν το σύστημα να εκπαιδευτεί μόνο του, προτρέποντάς το να παίξει το ρόλο ενός ατόμου με μια συγκεκριμένη ασθένεια. Στη συνέχεια, ζήτησαν από το σύστημα να υποδυθεί το ρόλο ενός κριτικού που έχει γίνει μάρτυρας πολλαπλών συνεντεύξεων που διεξήγαγε το σύστημα.
Στη συνέχεια, το σύστημα πήρε συνέντευξη από 20 εθελοντές που εκπαιδεύτηκαν να προσποιούνται ότι είναι ασθενείς. Τα αποτελέσματα αξιολογήθηκαν από επαγγελματίες του ιατρικού κλάδου για να διαπιστωθεί η ακρίβεια. Οι εθελοντές που είχαν υποδυθεί τους ασθενείς αξιολόγησαν τον τρόπο με τον οποίο το σύστημα συμπεριφερόταν στο κρεβάτι.
Οι ερευνητές διαπίστωσαν ότι το AMIE ήταν εξίσου ακριβές στη διάγνωση των ασθενών με τους εκπαιδευμένους γιατρούς. Διαπίστωσαν επίσης ότι σημείωσε καλύτερη βαθμολογία με τον τρόπο που χρησιμοποιεί τις πληροφορίες. Η ομάδα της Google σκοπεύει να βελτιώσει τις δυνατότητες του συστήματος όταν δοκιμαστεί σε πιο ρεαλιστικές συνθήκες πραγματικού λόγου και να βελτιώσει περαιτέρω τη... διάγνωσή του.
