Search
סוד יעילות הלמידה של המוח האנושי נחשף

כלי AI קליני ציונים הגבוהים ביותר עד כה בבחינת הרישוי הרפואי של ארצות הברית

כלי בינה מלאכותית קלינית עוצמתית שפותחה על ידי האוניברסיטה בחוקרי אינפורמטיקה ביו -רפואית באפלו הוכיחה דיוק מדהים בכל שלושת חלקי הרישוי הרפואי של ארצות הברית (בחינות צעד), על פי מאמר שפורסם היום (22 באפריל) ב- רשת JAMA פתוחהו

Achieving higher scores on the USMLE than most physicians and all other AI tools so far, Semantic Clinical Artificial Intelligence (SCAI, pronounced "Sky") has the potential to become a critical partner for physicians, says lead author Peter L. Elkin, MD, chair of the Department of Biomedical Informatics in the Jacobs School of Medicine and Biomedical Sciences at UB and a physician with UBMD Internal Medicine.

אלקין אומר כי SCAI הוא כלי ה- AI הקליני המדויק ביותר שקיים עד כה, כאשר הגרסה המתקדמת ביותר קלעה 95.2% בשלב 3 של ה- USMLE, ואילו כלי GPT4 OMNI קלע 90.5% באותה מבחן.

כרופאים, אנו רגילים להשתמש במחשבים ככלי, אך SCAI שונה; זה יכול להוסיף לקבלת ההחלטות שלך ולחשיבה על סמך הנמקה משלה. "

פיטר ל. אלקין, ד"ר יו"ר המחלקה לאינפורמטיקה ביו -רפואית, בית הספר לרפואה של ג'ייקובס ומדעי הביו -רפואה ב- UB

הכלי יכול להגיב לשאלות רפואיות שהציבו הקלינאים או הציבור בכתובת https://halsted.compbio.buffalo.edu/chat/.

החוקרים בדקו את המודל כנגד ה- USMLE, הנדרש לרופאי רישוי בפריסה ארצית, המעריך את יכולתו של הרופא ליישם ידע, מושגים ועקרונות, ולהפגין מיומנויות בסיסיות מרוכזות מטופלים. כל שאלה עם רכיב חזותי בוטלו.

אלקין מסביר שרוב כלי ה- AI מתפקדים על ידי שימוש בסטטיסטיקה כדי למצוא אסוציאציות בנתונים מקוונים המאפשרים להם לענות על שאלה. "אנו קוראים לכלים אלה בינה מלאכותית יצירתית", הוא אומר. "חלקם העלו כי הם פשוט מגניבים את מה שיש באינטרנט כי התשובות שהם נותנים לך הם מה שאחרים כתבו." עם זאת, מודלים של AI אלה הופכים כעת לשותפים בטיפול ולא לכלים פשוטים עבור קלינאים להשתמש בהם בתרגול שלהם, הוא אומר.

"אבל SCAI עונה על שאלות מורכבות יותר ומבצע נימוקים סמנטיים מורכבים יותר", הוא אומר, "יצרנו מקורות ידע שיכולים להסביר יותר את הדרך בה אנשים לומדים להגיב תוך כדי הכשרה בבית הספר לרפואה."

הצוות התחיל עם תוכנת עיבוד שפה טבעית שפיתחו בעבר. הם הוסיפו כמויות אדירות של מידע קליני סמכותי שנאספו ממקורות שונים באופן נרחב, החל מהספרות הרפואית האחרונה והנחיות קליניות ועד נתונים גנומיים, מידע תרופתי, המלצות פריקה, נתוני בטיחות מטופלים ועוד. כל נתונים שעשויים להיות מוטים, כמו הערות קליניות, לא נכללו.

13 מיליון עובדות רפואיות

SCAI מכיל 13 מיליון עובדות רפואיות, כמו גם את כל האינטראקציות האפשריות בין עובדות אלה. הצוות השתמש בעובדות קליניות בסיסיות המכונות שלשות סמנטיות (אובייקט-קשירת נושאים, כמו "פניצילין מטפל בדלקת ריאות פנאומוקוקית") כדי ליצור רשתות סמנטיות. לאחר מכן הכלי יכול לייצג רשתות סמנטיות אלה כך שניתן יהיה להסיק מהם מסקנות הגיוניות.

"לימדנו מודלים גדולים בשפה כיצד להשתמש בהנמקה סמנטית", אומר אלקין.

טכניקות אחרות שתרמו ל- SCAI כוללות גרפי ידע אשר נועדו למצוא קישורים חדשים בנתונים רפואיים כמו גם דפוסים "נסתרים" בעבר, כמו גם דור עם אחזור, המאפשר למודל השפה הגדול לגשת ולשלב מידע ממאגרי ידע חיצוניים לפני שתגיב להנחיה. זה מקטין את "הסתמה", הנטייה לכלי AI להגיב תמיד להנחיה גם כאשר אין לו מספיק מידע כדי להמשיך.

אלקין מוסיף כי השימוש בסמנטיקה פורמלית כדי ליידע את מודל השפה הגדולה מספק הקשר חשוב הנחוץ ל- SCAI להבין ולהגיב בצורה מדויקת יותר לשאלה מסוימת.

'זה יכול לנהל איתך שיחה'

"SCAI שונה מדגמי שפה גדולים אחרים מכיוון שהיא יכולה לנהל איתך שיחה וכשותפות למחשבים אנושית יכולה להוסיף לקבלת ההחלטות שלך ולחשיבה על סמך הנמקה משלה", אומר אלקין.

הוא מסיק: "על ידי הוספת סמנטיקה למודלים גדולים בשפה, אנו מספקים להם את היכולת להסביר באופן דומה לאופן בו אנו מתאמנים ברפואה מבוססת ראיות."

מכיוון שהוא יכול לגשת לכמויות נתונים אדירות כאלה, ל- SCAI יש גם פוטנציאל לשפר את הבטיחות של המטופלים, לשפר את הגישה לטיפול ו"דמוקרטיזציה של טיפול מיוחד ", אומר אלקין, על ידי הפיכת מידע רפואי על התמחויות ותת -מומחיות לנגישות לספקי טיפול ראשוני ואפילו לחולים.

בעוד שכוחו של SCAI מרשים, אלקין מדגיש את תפקידו יהיה להגדיל, לא להחליף, רופאים.

"בינה מלאכותית לא מתכוונת להחליף רופאים", הוא אומר, "אבל רופא שמשתמש ב- AI עשוי להחליף רופא שאינו."

בנוסף לאלקין, מחברים משותפים של UB מהמחלקה לאינפורמטיקה ביו-רפואית הם Gursh Mehta; פרנק להוליאר; מליסה רזניק, PhD; קריסטל טומלין, PhD; Skyler Resendez, PhD; ו- Jiaxing Liu.

שרה מולין, דוקטורט, ממרכז הסרטן המקיף של רוזוול פארק, וג'ונתן ר. נבר, ד"ר סטיבן ה. בראון, ד"ר, שניהם של המחלקה לענייני ותיקים, הם גם מחברים משותפים.

העבודה מומנה על ידי מענקים מהמוסדות הלאומיים לבריאות ומחלקת העניינים הוותיקים.

דילוג לתוכן