בהסתמך על טקטיקות מחקר שוק, מומחי UC San Francisco חוקרים האם בינה מלאכותית (AI) יכולה לשפר את האבחנה של מצב כבד מורכב על ידי שימוש בהערות הקליניות של ספקים מרובים.
המחקר האחרון שלהם, שפורסם ב Gastro Hep Advancesהתמקד בתסמונת hepatorenal syndrome (HRS), מצב מורכב הקשור למחלת כבד שלעתים קרובות קשה לאבחן במהלך אשפוז. החוקרים ביקשו ללמוד אם מודלים שפות גדולים יכולים לנתח את ההערות הקליניות של רופאים מרובים וספקים אחרים כדי לשפר את דיוק האבחון ולייעל את הטיפול בחולים.
"המושג שואב השראה מטכנולוגיית ניתוח סנטימנטים הנפוצה בשימוש עם ביקורות בפלטפורמות קניות מקוונות, שבהן AI מסכם דעות קולקטיביות", אמר ג'ין גה, MD, MBA, עוזר פרופסור לרפואה וגסטרואנטרולוג ב-UCSF, שהוביל את המחקר.
השתמשנו בגישה זו כדי לקבוע אם סנטימנט קולקטיבי יכול לחזות אבחנה של HRS."
Jin Ge, MD, MBA, עוזר פרופסור, אוניברסיטת קליפורניה – סן פרנסיסקו
המחקר השווה בין שיטות אבחון מסורתיות המבוססות על משתנים קליניים, כמו תוצאות מעבדה, עם מודל משופר בינה מלאכותית ששילב ניתוח סנטימנט שנגזר מהערות קליניות. שילוב ציוני סנטימנט שנוצרו בינה מלאכותית שיפרה משמעותית את דיוק הניבוי לאבחון HRS עם שחרור המטופל.
הטכנולוגיה מציעה בהירות במצבים שבהם עלולות להתעורר המלצות סותרות בקרב אנשי מקצוע בתחום הבריאות, ומספקת סיכום אחיד של הקונצנזוס של הצוות המטפל עבור רופאים ומטופלים כאחד. עוד בשלב המחקר, ליישום זה יש פוטנציאל לשנות את קבלת ההחלטות בבתי החולים ולשפר את תוצאות המטופלים.
"השימוש ב'חכמת ההמון' לא רק מנבא תוצאות, הוא מציע תובנה כיוונית לגבי מה שצוות הטיפול הקליני חושב באופן קולקטיבי על מצבו של המטופל", אמר Ge. "במקרים עם דעות מעורבות או אי ודאות, סיכומים שנוצרו על ידי AI יכולים לעזור ליישר החלטות טיפול ולזרז תוכניות טיפול."
המחקר עדיין לא יושם בפרקטיקה הקלינית אך עשוי לסלול את הדרך לניסויים עתידיים. החוקרים שואפים להעריך כיצד מידע זה עשוי להשפיע על קבלת החלטות בעולם האמיתי ועל הטיפול בחולים.
