AI i medycyna. Sztuczna inteligencja zdała egzaminy medyczne
Modele SI, które naradzają się miedzy sobą osiągneły wyjatkowo wysokie wyniki amerykańskiego egzaminu medycznego USMLE. Tym samym przekroczyły możliwości pojedyńczych jednostek.
Naukowcy z Johns Hopkins University wprowadzili innowacyjny system o nazwie "AI council" (rada SI). Jak podaje Polska Agencja Prasowa, w tym podejściu pięć modeli SI, bazujących na Chat GPT, współdziała w analizowaniu pytań egzaminacyjnych, porównując swoje odpowiedzi i dochodząc do wspólnego wniosku. System ten, przetestowany na 325 pytaniach z zakresu wiedzy klinicznej i podstaw medycyny, wykazał się znaczącymi rezultatami. Dzięki wzajemnym dyskusjom, modele te poprawiły dokładność odpowiedzi na poziomie 97, 93 i 94 proc.
Technologia i medycyna
Jak zauważają badacze, w artykule opublikowanym w "PLOS Digital Health", metoda nie wymagała specjalistycznej wiedzy medycznej ani dodatkowych danych medycznych. Rada SI pokazała, że współpraca jest kluczem do uzyskiwania lepszych wyników, podkreślając tym samym siłę kolektywnego dialogu wśród systemów sztucznej inteligencji.
W sytuacjach konfliktowych wprowadzono tzw. mediatora, który analizuje rozbieżności i proponuje dalej idące dyskusje. Dzięki temu podejściu aż 53 proc. błędnych odpowiedzi zostało poprawionych.
Test piekarnika Amica Piekarnik do zabudowy ED975398BA+ X-TYPE STEAM P Amica
- Nasze badanie pokazuje, że gdy kilka systemów sztucznej inteligencji prowadzi wspólną dyskusję, osiągają one najwyższą dotąd skuteczność w egzaminach licencyjnych dla lekarzy - odpowiednio 97, 93 i 94 proc. w trzech etapach testu - bez specjalnego szkolenia ani dostępu do danych medycznych. To dowód na siłę współpracy i dialogu między systemami SI, które pozwalają uzyskiwać dokładniejsze i bardziej wiarygodne odpowiedzi – mówi Yahya Shaikh, współautor badania opisanego na łamach periodyku "PLOS Digital Health
Choć metody jeszcze nie przetestowano w rzeczywistych klinicznych sytuacjach, naukowcy podkreślają, że inteligencja zbiorowa maszyn może przyczynić się do zwiększenia dokładności decyzji wspierających lekarzy w przyszłości.
- Nasza praca dostarcza pierwszych jednoznacznych dowodów, że systemy SI potrafią samodzielnie się korygować poprzez ustrukturyzowany dialog, a efekty ich współdziałania przewyższają możliwości pojedynczego modelu – dodaje naukowiec.