Μια νέα, μεγάλης κλίμακας μελέτη από το Πανεπιστήμιο της Οσάκα φέρνει στο φως τα πλεονεκτήματα και τους περιορισμούς της παραγωγικής τεχνητής νοημοσύνης (generative AI) στον χώρο της ιατρικής διάγνωσης, ανοίγοντας τη συζήτηση για το κατά πόσο μπορεί τελικά να σταθεί ισάξια ή/και καλύτερη από τους γιατρούς.
Η έρευνα, υπό την καθοδήγηση του καθηγητή Hirotaka Takita και του αναπληρωτή καθηγητή Daiju Ueda από την Ιατρική Σχολή του Osaka Metropolitan University, αναλύει 83 επιλεγμένες μελέτες από ένα αρχικό σύνολο άνω των 18.000 επιστημονικών δημοσιεύσεων, αξιολογώντας την ακρίβεια διαφόρων AI μοντέλων στη διάγνωση ιατρικών περιστατικών.
Τα μοντέλα που εξετάστηκαν περιλάμβαναν κορυφαίες πλατφόρμες όπως τα GPT-4, Llama 3 70B, Gemini 1.5 Pro και Claude 3 Sonnet. Από όλα, το GPT-4 συγκέντρωσε το μεγαλύτερο ερευνητικό ενδιαφέρον. Η συνολική μέση διαγνωστική ακρίβεια των AI μοντέλων έφτασε το 52,1%, ποσοστό που, αν και δεν είναι εντυπωσιακό, είναι συγκρίσιμο με εκείνο των μη εξειδικευμένων γιατρών.
Σύμφωνα με τα ευρήματα, η διαφορά ακρίβειας μεταξύ AI και μη εξειδικευμένων ιατρών ήταν μόλις 0,6%, χωρίς στατιστική σημασία (p=0.93). Ωστόσο, οι εξειδικευμένοι γιατροί είχαν αισθητά καλύτερη επίδοση, με διαφορά 15,8% υπέρ τους, κάτι που δείχνει πως η Τεχνητή Νοημοσύνη έχει ακόμη δρόμο να διανύσει για να φτάσει σε επίπεδο ειδικού.
Παρόλα αυτά, οι επιστήμονες υπογραμμίζουν ότι η συνεχής πρόοδος των συστημάτων αυτών ενδέχεται να κλείσει το κενό, ειδικά αν συνδυαστεί με καλύτερη πρόσβαση σε δεδομένα και διαφάνεια στη λειτουργία τους.
Ιδιαίτερο ενδιαφέρον παρουσιάζει το γεγονός ότι τα AI μοντέλα έδειξαν υψηλότερη απόδοση στη δερματολογία, κλάδο όπου η διάγνωση βασίζεται σε οπτική αναγνώριση προτύπων, κάτι στο οποίο η τεχνητή νοημοσύνη υπερέχει. Αντιθέτως, στην ουρολογία, τα αποτελέσματα ήταν πιο περιορισμένα, κυρίως επειδή βασίστηκαν σε μία μόνο μεγάλη μελέτη, που δεν επιτρέπει ευρύτερα συμπεράσματα.
Ωστόσο, ακόμα και στη δερματολογία, η διάγνωση δεν είναι πάντα τόσο απλή: χρειάζεται και πολύπλοκη κλινική σκέψη, στοιχείο στο οποίο η AI υστερεί προς το παρόν.
Πέρα από τη διάγνωση, η μελέτη υπογραμμίζει έναν σημαντικό τομέα εφαρμογής: την ιατρική εκπαίδευση. Οι ερευνητές επισημαίνουν ότι τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να συμπληρώνουν την εκπαίδευση φοιτητών και να προσομοιώνουν κλινικά περιστατικά, επιτρέποντας στους νέους γιατρούς να αναπτύσσουν δεξιότητες σε ένα ασφαλές, ψηφιακό περιβάλλον.
«Οι διαγνωστικές ικανότητες της AI, που είναι συγκρίσιμες με εκείνες μη εξειδικευμένων ιατρών, προσφέρουν ευκαιρίες για υποστήριξη σε περιοχές με έλλειψη ιατρικών πόρων ή σε στάδια εκπαίδευσης», σημείωσε ο Dr. Takita.
Παρά τις δυνατότητες, οι ερευνητές δεν παραλείπουν να τονίσουν και τις ανησυχίες που συνοδεύουν τη χρήση AI στην υγεία. Ένα βασικό ζήτημα είναι η έλλειψη διαφάνειας: πολλά συστήματα δεν αποκαλύπτουν τα δεδομένα με τα οποία εκπαιδεύονται, γεγονός που καθιστά δύσκολο να αξιολογηθεί αν τα αποτελέσματά τους είναι αντιπροσωπευτικά για όλους τους πληθυσμούς.
Οι ερευνητές προτείνουν την καθιέρωση ηθικών και διαφανών πλαισίων λειτουργίας, ενώ τονίζουν την ανάγκη για περισσότερες δοκιμές σε διαφορετικούς ασθενείς, σε πραγματικά κλινικά περιβάλλοντα και σε σύνθετες περιπτώσεις.
Το μεγάλο ερώτημα που πλανάται: κινδυνεύουν οι γιατροί από την Τεχνητή Νοημοσύνη; Η απάντηση των ερευνητών είναι, προς το παρόν, αρνητική τουλάχιστον για τις πιο περίπλοκες κλινικές περιπτώσεις, όπου η AI ακόμα δυσκολεύεται.
Ωστόσο, η ταχύτατη πρόοδος των συστημάτων, σε συνδυασμό με τη δυνατότητα αξιοποίησής τους ως εργαλεία υποστήριξης απόφασης, ίσως σύντομα αλλάξει τον τρόπο που λειτουργεί το ιατρικό επάγγελμα. Για την ώρα, η τεχνητή νοημοσύνη δεν αντικαθιστά, αλλά ενισχύει τον γιατρό και αυτό μπορεί να είναι το σημαντικότερο βήμα για ένα πιο προσβάσιμο και αποτελεσματικό σύστημα υγείας.
[via]
