כלי AI עם קוד פתוח מתחרה במודלים קנייניים מובילים באבחון רפואי

בינה מלאכותית יכולה להפוך את הרפואה בשלל דרכים, כולל הבטחתו לפעול כעוזר אבחוני מהימן לקלינאים עסוקים.

בשנתיים האחרונות, מודלים של AI קנייני, הידועים גם כמודלים של מקור סגור, הצטיינו בפתרון מקרים רפואיים קשים לסחירה הדורשים נימוקים קליניים מורכבים. ראוי לציין כי דגמי ה- AI של המקור הסגור הללו הצליחו לבצע את המקורות הפתוחים, מה שנקרא מכיוון שקוד המקור שלהם זמין לציבור וניתן לצבוט ולשנות אותו על ידי כל אחד.

האם AI מקור פתוח תפס?

נראה כי התשובה היא כן, לפחות כשמדובר במודל AI אחד המקור פתוח כזה, על פי ממצאי מחקר חדש במימון NIH שהובל על ידי חוקרים בבית הספר לרפואה של הרווארד ובוצע בשיתוף עם קלינאים בבית החולים המזויל בהרווארד, בית ישראל, ובית החולים בריגהם ובית החולים.

התוצאות, שפורסמו ב- 14 במרץ ב פורום הבריאות של ג'מההראה כי כלי AI של Challenger-Opence Concecte בשם Llama 3.1 405B הופיע בשווי של GPT-4, דגם מוביל מקור סגור מוביל. בניתוח שלהם, החוקרים השוו את הביצועים של שני הדגמים ב 92 מקרים מיסטיים שהופיעו ב כתב העת לרפואה של ניו אינגלנד כותרת שבועית של תרחישים קליניים מאתגרים מבחינה אבחנתית.

הממצאים מראים כי כלי AI עם קוד פתוח הופכים לתחרותיים יותר ויותר ויכולים להציע אלטרנטיבה חשובה למודלים קנייניים.

למיטב ידיעתנו, זו הפעם הראשונה שמודל AI עם קוד פתוח תואם את הביצועים של GPT-4 במקרים מאתגרים כמו שהוערכו על ידי רופאים. זה באמת מדהים שדגמי הלמה תפסו כל כך מהר עם המודל הקנייני המוביל. מטופלים, נותני טיפול ובתי חולים עומדים להרוויח מתחרות זו. "

ארג'ון מנריי, סופר בכיר, עוזר פרופסור לאינפורמטיקה ביו -רפואית, מכון בלווטניק ב- HMS

היתרונות והחסרונות של מערכות AI עם קוד פתוח ומקור סגור

AI מקור פתוח ו- AI מקור סגור נבדלים זה מזה בכמה דרכים חשובות. ראשית, ניתן להוריד ולפעול דגמי קוד פתוח במחשבים הפרטיים של בית החולים, תוך שמירה על נתוני מטופלים בבית. לעומת זאת, דגמי מקור סגור פועלים בשרתים חיצוניים, המחייבים את המשתמשים להעביר נתונים פרטיים חיצוניים.

"המודל של הקוד הפתוח צפוי להיות מושך יותר את קציני המידע הראשי, מנהלי בתי החולים ורופאים מכיוון שיש משהו שונה ביסודו בנתונים שעוזבים את בית החולים לגוף אחר, אפילו מסלול אמין," אמר המחבר הראשי של המחקר, תומאס באקלי, דוקטורנט במתחם ה- AI החדש ברפואה במחלקת HMS, למידע ביו-רפואי.

שנית, אנשי מקצוע רפואיים ו- IT יכולים לצבוט מודלים של קוד פתוח כדי לתת מענה לצרכים קליניים ומחקר ייחודיים, בעוד שבדרך כלל קשים יותר להתאמה של כלי קוד סגור.

"זה המפתח," אמר באקלי. "אתה יכול להשתמש בנתונים מקומיים כדי לכוונן את המודלים הללו, בדרכים בסיסיות או בדרכים מתוחכמות, כך שהם מותאמים לצרכים של רופאים, חוקרים וחולים משלך."

שלישית, מפתחי AI של מקור סגור כמו Openai ו- Google מארחים דגמים משלהם ומספקים תמיכה מסורתית של לקוחות, ואילו דגמי קוד פתוח מניחים את האחריות להגדרת הדגם והתחזוקה של המשתמשים. ולפחות עד כה, דגמי המקור הסגור הוכחו קל יותר לשלב עם רישומי בריאות אלקטרוניים ותשתית IT בבית חולים.

AI עם קוד פתוח לעומת מקור סגור AI: כרטיס ניקוד לפיתרון מקרים קליניים מאתגרים

גם אלגוריתמי AI עם מקור פתוח וגם מקור סגור מאומנים על מערכי נתונים עצומים הכוללים ספרי לימוד רפואיים, מחקר שנבדק על ידי עמיתים, כלי תמיכה בקלינית, ונתוני חולים אנונימיים, כמו מחקרי מקרה, תוצאות בדיקה, סריקות ואבחנות מאושרות. על ידי בחינת הרי החומר הללו ב- HyperSpeed, האלגוריתמים לומדים דפוסים. לדוגמה, איך נראים גידולים סרטניים ושפרים על שקופית פתולוגיה? מהם הסימנים המוקדמים ביותר של אי ספיקת לב? איך אתה מבדיל בין נורמלי למעי הגס המודלק על סריקת CT? כאשר מוצגים עם תרחיש קליני חדש, מודלים של AI משווים את המידע הנכנס לתוכן שהטמיעו במהלך האימונים ומציעים אבחנות אפשריות.

בניתוח שלהם, החוקרים בדקו את LLAMA על 70 מקרי NEJM קליניים מאתגרים ששימשו בעבר כדי להעריך את הביצועים של GPT-4 ותוארו במחקר קודם לכן בהנהגתו של אדם רודמן, עוזר פרופסור לרפואה של HMS ב"דיאקונס "של בית ישראל ומחבר משותף למחקר החדש. במחקר החדש, החוקרים הוסיפו 22 מקרים חדשים שפורסמו לאחר סיום תקופת האימונים של לאמה כדי להגן מפני הסיכוי שללמה יתכן כי לא נתקל בשוגג בכמה מ -70 המקרים שפורסמו במהלך הכשרה הבסיסית שלה.

מודל המקור הפתוח הציג עומק אמיתי: לאמה ביצעה אבחנה נכונה ב -70 אחוז מהמקרים, לעומת 64 אחוזים עבור GPT-4. היא גם דירגה את הבחירה הנכונה כהצעה ראשונה 41 אחוז מהזמן, לעומת 37 אחוזים עבור GPT-4. עבור קבוצת המשנה של 22 מקרים חדשים יותר, מודל הקוד הפתוח קיבל ציון גבוה עוד יותר, מה שהופך את השיחה הנכונה ל -73 אחוז מהזמן וזיהוי האבחנה הסופית כהצעה ראשונה 45 אחוז מהזמן.

רודמן אמר כי "כרופא, ראיתי הרבה מהתמקדות במודלים גדולים של שפה גדולה עוצמתית סביב מודלים קנייניים שאיננו יכולים לרוץ באופן מקומי." "המחקר שלנו מציע שמודלים של קוד פתוח עשויים להיות חזקים באותה מידה, מה שמאפשר לרופאים ומערכות בריאות הרבה יותר שליטה על אופן השימוש בטכנולוגיות אלה."

בכל שנה מתים כ -795,000 חולים בארצות הברית או סובלים ממוגבלות קבועה כתוצאה מטעות אבחנתית, על פי דו"ח 2023.

מעבר לפגיעה המיידית בחולים, שגיאות אבחון ועיכובים יכולים להעמיד נטל כספי חמור על מערכת הבריאות. אבחנות לא מדויקות או מאוחרות עלולות להוביל לבדיקות מיותרות, טיפול לא הולם, ובמקרים מסוימים, סיבוכים חמורים שהופכים להיות קשים יותר ויקרים יותר – לנהל לאורך זמן.

"השתמשו בחוכמה ושולבו באחריות בתשתיות הבריאות הנוכחיות, כלי AI יכולים להיות קופילוטים לא יסולא בפז עבור קלינאים עסוקים ולשמש כעוזרי אבחון מהימנים כדי לשפר את הדיוק והמהירות של האבחנה", אמר מנריה. "אבל זה נותר מכריע שרופאים יעזרו להניע את המאמצים הללו כדי לוודא שאיי עובד עבורם."