هوش مصنوعی پزشکی گوگل عملکردی فراتر از پزشکان دارد!

، گروه تحقیقاتی گوگل (Google Research) و آزمایشگاه هوش مصنوعی این شرکت به نام دیپ‌مایند (DeepMind) مدل هوش مصنوعی مد-جمینای (Med-Gemini) را که جزء خانواده‌های مختلف مدل‌های پیشرفته پزشکی محسوب می‌شود، معرفی کرده‌اند. این مدل به عنوان یک انقلاب در تشخیص بالینی با قابلیت‌های فراوان در دنیای واقعی توصیف می‌شود.

پزشکان به طور روزانه با انبوهی از بیماران مواجه هستند که نیازهای متفاوتی، از ساده تا پیچیده دارند. برای ارائه خدمات درمانی مؤثر، آنها نیاز دارند که از سوابق پزشکی هر بیمار آگاهی داشته و با جدیدترین روش‌ها و تکنیک‌ها به‌روز باشند.

علاوه بر این، ارتباط پزشک و بیمار که بر پایه همدلی، اعتماد و گفت‌وگو شکل می‌گیرد، یک نکته‌ی کلیدی است. در نتیجه، برای اینکه یک هوش مصنوعی بتواند در دنیای واقعی مانند یک پزشک عمل کند، باید قادر به انجام تمامی این عناصر باشد.

امروزه هوش مصنوعی و پزشکی به‌طور فزاینده‌ای به یکدیگر مرتبط شده‌اند. در ماه‌های اخیر، گزارشاتی متعدد درباره‌ی مدل‌های هوش مصنوعی منتشر شده که به پزشکان کم‌تجربه در شناسایی علائم اولیه سرطان، تشخیص اوتیسم در کودکان از روی تصاویر چشم و پیش‌بینی انجام صحیح جراحی برای حذف بافت‌های سرطانی یاری می‌کنند.

در حال حاضر Med-Gemini به عنوان یک مدل بی‌نظیر و پیشرفته‌تر از تمام مدل‌های قبلی در حال معرفی است.

مدل‌های جمینای گوگل نوعی پیشرفته از هوش مصنوعی چندوجهی تلقی می‌شوند که قادر به پردازش اطلاعات از انواع مختلف نظیر متن، تصویر، ویدئو و صدا هستند.

این مدل‌ها در حوزه زبان و گفتگو، توانایی درک داده‌های مختلفی که روی آنها آموزش دیده‌اند و همچنین به کارگیری آنچه که به «استدلال با متن طولانی» معروف است، مهارت دارند. این به معنای تحلیل حجم زیادی از اطلاعات مانند ساعت‌ها ویدئو یا ده‌ها ساعت صوت است.

هوش مصنوعی Med-Gemini تمامی مزایای مدل‌های پایه جمینای را به‌دست آورده است، با این تفاوت که به شکلی بهینه‌سازی و تعدیل شده‌اند. محققان این روش‌های متمرکز بر حوزه پزشکی را آزمایش کردند و نتایج آن را در یک مقاله ۵۸ صفحه‌ای منتشر کردند. در این گزارش به بررسی تعدادی از نقاط قوت این مقاله پرداخته می‌شود.

قابلیت‌های خودآموزی و جستجوی وب

برای رسیدن به یک تشخیص صحیح و تدوین برنامه درمانی، پزشکان نیاز دارند که اطلاعات پزشکی خود را با اطلاعات دیگر شامل علائم بیمار، تاریخچه پزشکی، جراحی‌ها و شرایط اجتماعی، نتایج آزمایش‌ها و واکنش‌های بیمار به درمان‌های پیشین ترکیب کنند تا به‌روزرسانی و پیشنهاد درمان‌های جدید به‌طور موثر صورت گیرد. این موارد بر فرآیند استدلال بالینی پزشکان تأثیر دارد.

به همین لحاظ، گوگل با Med-Gemini قابلیت دسترسی به جستجوهای مبتنی بر وب را برای تسهیل در استدلال بالینی پیشرفته‌تر فراهم آورده است. این هوش مصنوعی، همچون بسیاری از مدل‌های زبان بزرگ (LLM) در زمینه پزشکی، با استفاده از MedQA که شامل سوالات چندگزینه‌ای نماینده آزمون مجوز پزشکی ایالات متحده (USMLE) است، آموزش دیده است. این ابزار به طراحی یک مدل مناسب برای ارزیابی دانش پزشکی و استدلال در سناریوهای مختلف کمک می‌کند.

علاوه بر این، گوگل دو مجموعه داده جدید برای مدل خود ساخته است. اولی MedQA-R (استدلال) است که MedQA را با استفاده از توضیحات استدلالی تولید شده مصنوعی به نام «زنجیره افکار» (CoTs) گسترش می‌دهد. دومی MedQA-RS (استدلال و جستجو) است که راهکارهایی جهت استفاده از نتایج جستجوهای وب به عنوان اطلاعات اضافی برای افزایش دقت پاسخ‌های مدل ارائه می‌دهد. در این راستا، اگر یک پرسش پزشکی به پاسخی نامطمئن منجر شود، از مدل درخواست می‌شود که بازخواستی را در وب انجام دهد تا به اطلاعات بیشتر برای کاهش عدم قطعیت دسترسی پیدا کند.

مدل هوش مصنوعی Med-Gemini بر روی ۱۴ معیار پزشکی آزمایش شده و در ۱۰ معیار به عملکرد جدیدی دست پیدا کرده که از مدل GPT-۴ ساخته شده توسط اوپن‌ای‌آی (OpenAI) نیز پیشی گرفته است. این مدل با استفاده از استراتژی جستجوی هدایت‌شده در معیار MedQA به دقت ۹۱.۱ درصد دست پیدا کرد و با موفقیت ۴.۵ درصد بهتر از مدل زبان بزرگ قبلی گوگل تحت عنوان Med-PaLM ۲ عمل کرد.

هوش مصنوعی Med-Gemini در هفت معیار چندوجهی، از جمله چالش‌های تصویری مجله پزشکی نیوانگلند که شامل تصاویر نمونه‌های بالینی مشکل‌ساز می‌شود، به نوعی متوسط ۴۴.۵ درصد بهتر از GPT-۴ عمل کرده است.

محققان تصریح می‌کنند: اگرچه این نتایج امیدوارکننده به نظر می‌رسند، نیاز به تحقیقات بیشتری در این حوزه وجود دارد. برای مثال، ما هنوز ارزیابی دقیقی در مورد محدود کردن نتایج جستجو به منابع معتبر پزشکی یا تجزیه و تحلیل دقت، ارتباط و کیفیت استنادها انجام نداده‌ایم. به علاوه، جای سوال است که آیا می‌توان به مدل‌های زبان بزرگ کوچک‌تر نیز آموزش داد تا از جستجوی وب بهره‌برداری کنند. این موضوعات به تحقیق‌های آتی موکول می‌شود.

بازیابی اطلاعات دقیق از پرونده‌های الکترونیک پزشکی وسیع

پرونده الکترونیکی سلامت (EHR) ممکن است به طول بیانجامد، اما پزشکان باید از محتوای آنها باخبر باشند. این پرونده‌ها گاهی اوقات پیچیدگی‌هایی به همراه دارند، چرا که معمولاً شامل اشتباهات نگارشی، اختصارات و معانی مشابه هستند که می‌توانند هوش مصنوعی را به چالش بکشند.

در نتیجه، محققان با هدف آزمایش توانمندی Med-Gemini در درک و استدلال بر اساس اطلاعات پزشکی طولانی، از یک پایگاه داده وسیع و عمومی تحت عنوان «Medical Information Mart for Intensive Care» که نمایان‌گر یافتن سوزنی در انبار کاه است، بهره گرفتند. این پایگاه شامل اطلاعات بیماران بستری در بخش‌های مراقبت ویژه است.

هدف آن بود که مدل بتواند علائم یا درمان‌های پزشکی نادر و دشوار را در مجموعه بزرگی از یادداشت‌های بالینی شناسایی کند.

از بین ۲۰۰ نمونه انتخاب شده، هر نمونه حاوی سوابق پزشکی ۴۴ بیمار بستری در بخش مراقبت‌های ویژه با سابقه طولانی بود.

مدل Med-Gemini دو مرحله برای گزینش اطلاعات را طی می‌کرد. در ابتدا، لازم بود تا همه موارد ذکر شده درباره مشکل پزشکی خاص را از سوابق وسیع بازیابی کند. مرحله دوم شامل ارزیابی ارتباط همه موارد، طبقه‌بندی آنها و ارائه نتیجه‌گیری بر مبنای این داده‌ها بود. در پایان، عملکرد این هوش مصنوعی رضایت‌بخش بود.

محققان به این نکته اشاره دارند که یکی از بارزترین ویژگی‌های Med-Gemini، توانایی پردازش اطلاعات در سوابق طولانی است، چرا که این قابلیت افق‌های عملکردی جدید و امکان کاربردهای جدیدی را که پیشتر غیرممکن به نظر می‌رسید، برای هوش مصنوعی پزشکی فراهم می‌آورد. این وظیفه‌ی «یافتن سوزن در انبار کاه» نمایان‌گر چالشی واقعی است که پزشکان با آن مواجه‌اند و عملکرد Med-Gemini قابلیت آن را نشان می‌دهد که بار شناختی پزشکان را به طور قابل توجهی کاهش دهد و در عین حال، با استخراج و تجزیه و تحلیل کارآمد اطلاعات از داده‌های وسیع بیماران، قابلیت‌های آنها را افزایش دهد.

گفتگو با Med-Gemini

در یک آزمایش در شرایط واقعی، یک کاربر بیمار از Med-Gemini درباره‌ی یک توده پوستی خارش‌دار پرسید. این مدل پس از درخواست یک تصویر، سؤالات مناسبی را مطرح کرد و به طور صحیح آن ضایعه نادر را شناسایی کرده و به کاربر پیشنهاداتی برای اقدامات بعدی ارائه داد.

علاوه بر این، از Med-Gemini خواسته شد تا در حین انتظار برای گزارش رسمی رادیولوژی، عکس رادیوگرافی قفسه سینه یک بیمار را تفسیر کند و گزارشی به زبان انگلیسی ساده برای بیمار تهیه کند.

محققان اظهار می‌کنند که قابلیت‌های مکالمه چندوجهی Med-Gemini امیدوارکننده است و به همین ترتیب، چنین قابلیت‌هایی امکان ارتباط طبیعی و یکپارچه میان افراد، پزشکان و سیستم‌های هوش مصنوعی را فراهم می‌سازد.

با این حال، محققان اذعان می‌کنند که نیاز به تحقیقات بیشتری وجود دارد.

آنها تصریح کردند که این قابلیت دارای پتانسیل قابل توجهی برای کاربردهای سودآور در شرایط واقعی، از جمله کمک به پزشکان و بیماران است، اما به همراه آن، خطرات جدی نیز وجود دارد. در حالی که ما بر پتانسیل پژوهش‌های آتی در این حوزه تأکید می‌کنیم، توانایی‌های مکالمه‌ای بالینی را همچون سایر تحقیقات در زمینه هوش مصنوعی تشخیصی به‌طور دقیق مورد بررسی قرار نداده‌ایم.

چشم‌اندازهای آینده

محققان اعتراف می‌کنند که هنوز کارهای زیادی باقی مانده است، اما قابلیت‌های ابتدایی مدل Med-Gemini امیدوارکننده به نظر می‌رسد. مهم‌ترین نکته این است که آنها قصد دارند اصول هوش مصنوعی مسئول مانند حفظ حریم خصوصی و انصاف را در تمام مراحل توسعه مدل لحاظ کنند.

محققان بیان می‌کنند که ملاحظات حریم خصوصی باید به طور ویژه در سیاست‌ها و مقررات موجود در حوزه مراقبت‌های بهداشتی که از اطلاعات بیماران محافظت می‌کنند، در نظر گرفته شود. انصاف و عدالت نیز موضوعی است که ممکن است به توجه نیاز داشته باشد، زیرا خطر وجود دارد که سیستم‌های هوش مصنوعی در حوزه مراقبت‌های بهداشتی به‌طور ناخواسته سوگیری‌ها و نابرابری‌های تاریخی را تقویت کنند، که ممکن است به نتایج ناگوار و متنوعی منجر شود.

با این حال، مدل Med-Gemini به عنوان یک ابزار ارزشمند تلقی می‌شود.

پژوهشگران خاطرنشان می‌کنند که مدل‌های زبان بزرگ چندوجهی در حال آغاز دوره‌ای جدید از امکانات در عرصه سلامت و پزشکی هستند. قابلیت‌هایی که توسط جمینای و Med-Gemini نشان داده شده، نمایان‌گر یک پیشرفت قابل توجه در عمق و دامنه فرصت‌ها برای تسریع اکتشافات علمی و بهبود کیفیت خدمات درمانی و تجربه بیماران است. در عین حال، بسیار اهمیت دارد که پیشرفت در قابلیت‌های مدل به همراه دقت و ایمنی این سیستم‌ها مورد بررسی قرار گیرد. با قرار دادن هر دو جنبه در اولویت، می‌توانیم آینده‌ای را متصور شویم که در آن قابلیت‌های سیستم‌های هوش مصنوعی به عنوان محرک‌های معنادار و ایمن در پیشرفت‌های علمی و خدمات پزشکی قرار گیرد.