Poboljšani veliki jezični model položio US Medicinski licencni ispit, što označava novu eru u primjeni umjetne inteligencije u medicini. Sve više se razvija trend poboljšanja performansi umjetne inteligencije koristeći kvalitetnije skupove podataka za treniranje i personalizirane metode programiranja. Nedavno je u časopisu JAMA Network Open objavljeno istraživanje u kojem je poboljšani veliki jezični model položio sve dijelove američkog medicinskog licencnog ispita (USMLE), nadmašivši rezultate većine liječnika i svih postojećih AI alata.
U posljednjih nekoliko godina značajno raste zanimanje za primjenu velikih jezičnih modela u zdravstvu. Prema anketi koju je proveo Statista u 2024. godini, 18% ispitanika iz medicinskog sektora koristi velike jezične modele za biomedicinska istraživanja, dok ih barem petina koristi za odgovaranje na medicinska pitanja pacijenata putem chatbotova. Statistički podaci ukazuju na sve veću integraciju umjetne inteligencije u svakodnevnu medicinsku praksu.
U uvodnoj analizi, voditelj istraživanja Peter L. Elkin, MD, zajedno s kolegama ističe: “Unaprjeđenje performansi umjetne inteligencije u zdravstvu ciljanim, ažuriranim kliničkim znanjem važan je korak prema implementaciji i prihvaćanju umjetne inteligencije među zdravstvenim djelatnicima.”
Umjetna inteligencija i veliki jezični modeli u zdravstvu
Primjena umjetne inteligencije u zdravstvu razvija se velikom brzinom. Kada je OpenAI lansirao svoj chatbot ChatGPT krajem 2022. godine, umjetna inteligencija ušla je u svakodnevnu uporabu širom svijeta. ChatGPT je prema analizi Reutersa postao najbrže rastuća aplikacija u povijesti s više od 100 milijuna korisnika u samo dva mjeseca. U međuvremenu su se pojavili brojni drugi veliki jezični modeli poput Llama, BERT, Bard, Gemini, PaLM, Claude, Falcon, Cohere, Orca i mnogi drugi koji su značajno unaprijedili mogućnosti automatizirane analize i odgovaranja na složena medicinska pitanja.
Prema izvještaju Future Health Index 2024, čak 43% bolnica već koristi umjetnu inteligenciju za praćenje pacijenata, 37% za planiranje liječenja, 36% za radiologiju i prevenciju bolesti, a 35% za patologiju. Sve više bolnica razvija i testira vlastite AI projekte kako bi optimizirali procese i unaprijedili ishode liječenja. Na primjer, Mayo Clinic provodi više od 200 AI projekata usmjerenih na ranu detekciju različitih bolesti, uključujući neuromuskularne poremećaje i karcinome.
Na Johns Hopkins University & Medicine umjetna inteligencija testira se za sumiranje medicinskih kartona, automatsko odgovaranje na poruke pacijenata i kategorizaciju komunikacije. U Mass General Brigham-u se razvija algoritam strojnog učenja za automatiziranu administraciju anestezije rodiljama koje idu na carski rez, dok se istovremeno procjenjuju mogućnosti AI modela u predviđanju malignosti oralnih lezija. S druge strane, University of California San Diego Health objavio je istraživanje u kojem veliki jezični modeli analiziraju podatke iz elektroničkih zdravstvenih kartona kako bi unaprijedili upravljanje sepsom i šokom.
Koliko su veliki jezični modeli stvarno inteligentni?
Poboljšani veliki jezični model položio US Medicinski licencni ispit zahvaljujući dubokim neuronskim mrežama koje koriste napredne metode strojnog učenja. U suštini, veliki jezični modeli prepoznaju obrasce iz velikih količina podataka i predviđaju najvjerojatnije odgovore, ali im je potrebna dodatna prilagodba i obogaćivanje kliničkim znanjem kako bi održali visoku razinu točnosti u svakodnevnim medicinskim situacijama.
Standardni veliki jezični modeli mogu ostaviti dojam sofisticirane inteligencije, ali često se oslanjaju na predviđanje i “nagađanje” na temelju sličnosti s prethodno viđenim podacima. Kako ističu autori istraživanja, “poboljšana točnost i metode za održavanje točnosti kroz vrijeme ključni su za maksimiziranje koristi od velikih jezičnih modela u zdravstvu.”
Načini za unaprjeđenje točnosti umjetne inteligencije
Postoji nekoliko pristupa za povećanje preciznosti umjetne inteligencije u medicinskim aplikacijama. Povećanje količine i kvalitete podataka za treniranje, korištenje većeg broja parametara te jača računalna snaga tijekom treniranja samo su neki od načina. Posebno za velike jezične modele, poboljšanja se mogu postići podešavanjem modela, optimizacijom upita te tzv. “prompt engineering” metodama koje osiguravaju specifičnije i relevantnije odgovore.
U nedavnom istraživanju korištena je metoda retrieval-augmented generation (RAG), koja omogućuje velikim jezičnim modelima dohvat i korištenje najnovijih informacija iz relevantnih baza znanja prije generiranja odgovora. Ova metoda daje veću fleksibilnost u izboru izvora informacija, ali i omogućuje transparentnost kroz citiranje i atribuciju izvora. Više o ovoj metodi možete pronaći na službenim stranicama IBM-a.
Pored RAG metode, autori su koristili i posebne podatkovne strukture nazvane “semantički tripleti”, koji dodatno obogaćuju kontekst modela i pomažu boljem razumijevanju odnosa između medicinskih pojmova. Rezultat je poboljšani veliki jezični model položio US Medicinski licencni ispit s daleko boljim rezultatima nego prethodne generacije AI modela.
Nazvali su ovu novu tehniku SCAI (Semantic Clinical Artificial Intelligence), naglašavajući važnost semantičke obrade i razumijevanja kliničkog konteksta. Testiranje je provedeno na više varijacija velikih jezičnih modela uključujući Llama 2, Llama 3 70B i Llama 3.1 405B, a svi su pokazali značajna poboljšanja u rješavanju pitanja s US Medical Licensing Examination.
Utjecaj na budućnost medicine
Poboljšani veliki jezični model položio US Medicinski licencni ispit što upućuje na sve veću mogućnost suradnje između liječnika i umjetne inteligencije. Prema riječima istraživača, liječnici koji koriste AI alate uskoro bi mogli imati značajnu prednost u svakodnevnom radu. Umjetna inteligencija neće zamijeniti liječnike, ali će postati nezaobilazan alat u dijagnostici, planiranju terapije i praćenju pacijenata. Detaljnije informacije o razvoju umjetne inteligencije u medicini dostupne su na Nature News portalu.
S obzirom na rezultate istraživanja u kojem je poboljšani veliki jezični model položio US Medicinski licencni ispit, sljedeći koraci uključuju širenje ove metode na još više jezičnih modela i područja medicine. Time će se omogućiti generalizacija pristupa i testiranje učinkovitosti u različitim kliničkim situacijama.
Suradnja između ljudskih liječnika i umjetne inteligencije postaje nova norma, a poboljšani veliki jezični model položio US Medicinski licencni ispit kao dokaz da AI tehnologije mogu unaprijediti medicinsku praksu i sigurnost pacijenata.
Autorska prava © 2025 Cami Rosso. Sva prava pridržana.
