מודלים שפה גדולים יכולים לעזור לשפר שאלונים המשמשים לאבחון מחלות נפש על ידי אופטימיזציה של הכללת סימפטומים והפחתת יתירות. הם יכולים אפילו לתרום להמשגות חדשות של הפרעות נפשיות. זו התוצאה של מחקר בינלאומי בראשות פרופסור ד"ר ג'וזף קמביץ ופרופסור ד"ר קאי ווגלי מהפקולטה לרפואה של אוניברסיטת קלן ומבית החולים האוניברסיטאי קלן. תוצאות המחקר 'המבנה האמפירי של הפסיכופתולוגיה מיוצג במודלים לשוניים גדולים' פורסמו בכתב העת טבע בריאות הנפש.
כדי לאבחן מחלת נפש, רופאים מסתמכים על מגוון גורמים, כולל התסמינים המדווחים על ידי המטופלים ומתועדים בשאלונים קליניים. הניסוח המדויק של שאלות בודדות בשאלונים אלו הוא לעתים קרובות חיוני לביצוע האבחנה הנכונה. עם זאת, שאלונים סטנדרטיים לעתים קרובות משתנים במידה ניכרת. חוקרים מצאו עדויות לחפיפות וסטיות בתוכן השאלות המשמשות לזיהוי דיכאון, הפרעה דו קוטבית והסיכון לפסיכוזה, מה שמקשה על אבחנה מדויקת.
בנוסף, הרופאים מסתמכים על הניסיון הקליני שלהם. משמעות הדבר היא שהם מקשרים סימפטומים בודדים למחלה ספציפית התואמת את הניסיון שלהם. עם זאת, מכיוון שמחלות שונות עלולות לייצר תסמינים זהים או דומים, הדבר יכול גם להגביר את הסיכון לאבחון שגוי. "אנחנו יודעים מעט באופן מפתיע אם – וכיצד – הניסוח של שאלונים קליניים מעורר קשרים מסוימים אצל רופאים", אומר פרופסור יוסף קמביץ. ממצאים לא עקביים יכולים לנבוע גם מהבדלים בין מטופלים באותה קבוצת אבחון או לחילופין, מהבדלים בין שאלונים.
שימוש במודלים של שפה גדולה (LLMs) הוא גישה אחת לניתוח תיאורי מחלות בתיווך שפה. הצוות השתמש ב- LLMs GPT-3, Llama ו- BERT כדי לנתח הן את המבנה והן את התוכן של ארבעה שאלונים קליניים. המחקר התבסס על נתונים מלמעלה מ-50,000 שאלונים על דיכאון, חרדה, סיכון לפסיכוזה ואוטיזם.
בתרגול קליני, תסמינים מתרחשים לעתים קרובות בו-זמנית, כמו הקשר האמפירי בין חוסר דחף לאובדן הנאה. הניתוח הראה שה-LLMs 'מזהים' אילו תסמינים מתרחשים בדרך כלל יחד. גם ללא גישה לנתונים אמפיריים ספציפיים, אותם אסוציאציות של סימפטומים ניכרות ב-LLMs המבוססות אך ורק על ניסוחי השאלון.
זה מציע דרכים חדשות שבהן בינה מלאכותית תוכל לשפר שאלונים פסיכולוגיים בעתיד, על ידי הימנעות מפריטים מיותרים והפיכת האבחון וההבנה של מחלות נפש ליעילות יותר. ניתן להשתמש ב-LLMs לפיתוח שאלונים שהם גם מדויקים (כלומר מזהים באופן מהימן תסמינים פסיכולוגיים) וגם יעילים, ושואלים רק כמה שאלות שנדרש על מנת לפשט את התהליך עבור מטופלים ומתרגלים.
בינה מלאכותית יכולה למפות גם את הידע הרפואי וגם את המבנים של מחלות נפש. זהו צעד חשוב בקירוב בין שיטות דיגיטליות ומדעי המוח, ובקידום פיתוח האבחון והמחקר בפסיכיאטריה".
פרופסור ד"ר קאי ווגלי, הפקולטה לרפואה של אוניברסיטת קלן ובית החולים האוניברסיטאי בקלן
פרופסור יוסף קמביץ מסכם: "בפסיכיאטריה, ה'מילה המדוברת' ממלאת תפקיד חשוב באבחון ובטיפול. ישנם כיום פרויקטים מבטיחים רבים שחוקרים כיצד נוכל להשתמש ב-LLMs בפסיכיאטריה, מאבחון דרך כתיבת ותיקוני דוחות ועד לסימולציה של מפגשי טיפול. אנו יכולים לצפות לתוצאות מחקר מרגשות רבות בתחום זה".
