در سالهای اخیر، هوشمصنوعی به طور فزایندهای در خدمات درمانی ادغام شده است و زمینههای جدیدی مانند تشخیص، برنامهریزی درمان، مشارکت بیمار را ایجاد کرده است. در حالی که سهم هوشمصنوعی در زمینههای خاصی مانند تجزیه و تحلیل تصویر و تداخل دارویی به طور گستردهای شناخته شده است، پتانسیل آن در پردازش زبان طبیعی با این حوزه های جدیدتر یک فرصت تحقیقاتی جذاب را ارائه میدهد.
یکی از پیشرفتهای قابل توجه در این زمینه شامل عملکرد چشمگیر GPT-4 در آزمونهای صلاحیت پزشکی و مجموعه دادههای معیار است. GPT-4 همچنین کاربرد بالقوه را در مشاورههای پزشکی نشان داده است و چشمانداز امیدوارکنندهای را برای نوآوری در زمینه خدمات درمانی ارائه میدهد.
پیشرفت هوش مصنوعی رادیولوژی برای مشکلات واقعی
مقالهی “Exploring the Boundaries of GPT-4 in Radiology” که در EMNLP 2023 ارائه میشود، پتانسیل GPT-4 در خدمات درمانی را بیشتر بررسی میکند. با تمرکز بر تواناییها و محدودیتهای آن در رادیولوژی که رشتهای که در آن تشخیص و درمان بیماری از طریق فناوریهای تصویربرداری مانند اشعه ایکس، توموگرافی کامپیوتری(CT) و تصویربرداری رزونانس مغناطیسی(MRI) بسیار مهم است. این مقاله که در بالا اشاره شده است، شامل یک چارچوب ارزیابی جامع و تجزیه و تحلیل خطا برای ارزیابی دقیق توانایی GPT-4 برای پردازش گزارشهای رادیولوژی، از جمله درک زبان رایج و وظایف در رادیولوژی، مانند طبقهبندی بیماری و خلاصهسازی یافتهها بود. این چارچوب با همکاری یک رادیولوژیست تایید شده توسط هیئت مدیره برای مقابله با سناریوهای پیچیدهتر و چالش برانگیز دنیای واقعی در رادیولوژی و حرکتهای فراتر ایجاد شده است.
همچنین تکنیکهای موثر مانند زنجیرهي فکری (chain-of-thought) را برای GPT-4 در کارهای مختلف رادیولوژی بررسی کرده شد و رویکردهایی را برای بهبود قابلیت اطمینان خروجیهای GPT-4 آزمایش کردیم. برای هر کار، عملکرد GPT-4 با مدلهای قبلی GPT-3.5 و مدلهای رادیولوژی پیشرفته مربوطه مقایسه شد.
دریافت شد که GPT-4 عملکرد پیشرفتهتری را در برخی از کارها نشان میدهد و به بهبود ۱۰ درصدی نسبت به مدلهای موجود، همانطور که در جدول ۱ نشان داده شده است. در کمال تعجب، خلاصههای گزارش رادیولوژی تولید شده توسط GPT-4 را بررسی شد و به این نتیجه رسیدند که عملکرد GPT-4 قابل مقایسه و حتی در برخی موارد، کاملتر از آنچه توسط رادیولوژیستهای مجرب نوشته شده است. در جدول زیر نمای کلی نتایج را میبینیم که GPT-4 یا عملکرد بهتری دارد یا با LLM های چندوجهی قبلی (state-of-the-art) عمل میکند.
در جدول زیر نمونههایی که در آن خلاصه یافتههای GPT-4، نسبت به موارد نوشته شده به شکل دستی موجود در مجموعه دادههای OpenAI مقایسه میشود. در هر دو مثال، خروجیهای GPT-4 جزئیات کاملتری را در مورد یافتهها ارائه میدهند.
چشمانداز دلگرم کننده دیگر برای GPT-4 توانایی آن در ساختار خودکار گزارشهای رادیولوژی است، همانطور که به صورت شماتیک در شکل زیر نشان داده شده است. این گزارشها، بر اساس تفسیر رادیولوژیست از تصاویر پزشکی مانند اشعه ایکس که شامل سابقه بالینی بیماران، اغلب پیچیده و بدون ساختار هستند که این تفسیر آنها را دشوارتر میکند. تحقیقات نشان میدهد که ساختار این گزارشها میتواند استانداردسازی و سازگاری در توصیف بیماریها را بهبود بخشد، و تفسیر آنها توسط سایر پزشکان در خدمات درمانی را آسانتر کرده و برای تحقیقات و طرحهای بهبود کیفیت به راحتی قابل جستجو است. علاوه بر این، استفاده از GPT-4 برای ساختار و استاندارد کردن گزارشهای رادیولوژی میتواند از تلاشها برای تقویت دادههای دنیای واقعی (Real-Word-Data) و استفاده از آن برای شواهد دنیای واقعی (Real-Word-Evidence) پشتیبانی کند. که با استفاده از آن میتوان آزمایشهای بالینی قویتر و جامعتر را تکمیل کرد و به نوبه خود، کاربرد یافتههای تحقیقاتی را در عمل بالینی را تسریع کند. یافتههای گزارش رادیولوژی به GPT-4 وارد میشود، که یافتهها را در یک نمودار دانش ساختار میدهد و وظایفی مانند طبقهبندی بیماری، طبقهبندی پیشرفت بیماری یا تولید قالب را انجام میدهد.
فراتر از رادیولوژی، پتانسیل GPT-4 در ترجمه گزارشهای پزشکی در قالبهای همدلانهتر و قابل درک برای بیماران و سایر متخصصان سلامت گسترش مییابد. این نوآوری میتواند تعامل پزشکان با بیماران را متحول کند و مشارکت فعالانه در مراقبتهای بهداشتی را برای آنها و مراقبانشان آسانتر کند.
مسیری امیدوارکننده برای پیشرفت رادیولوژی و فراتر از آن
تحقیقات پتانسیل GPT-4 را در پیشرفت رادیولوژی و سایر تخصصهای پزشکی برجسته میکند، و در حالی که این نتایج دلگرمکننده است، نیاز به تأیید بیشتر از طریق تحقیقات گسترده و آزمایشهای بالینی دارد. با این وجود، ظهور GPT-4 نشانگر آیندهای هیجانانگیز برای رادیولوژی است. جامعه پزشکی باید در کنار سایر افراد در بخشهای فناوری و قانونگذاری کار کنند تا استفاده مناسب از این ابزارها را تعیین کنند و موجب به پیشرفتهای گستردهتر در این زمینه شوند.
میتوانید با مراجعه به صفحه Project MAIRA درباره این پروژه بیشتر بخوانید.
on پتانسیل GPT-4 در شکل دادن به آینده رادیولوژی