تشخیص بالینی هوش مصنوعی در کشورهای جهان سومی از پزشکان پیشی می گیرد

01

از 01

قدرت تشخیص بالینی هوش مصنوعی

در پاکستان، یک آزمایش تصادفی کنترل‌شده بررسی کرد که آیا مدل‌های زبانی بزرگ (LLM) می‌توانند به پزشکان در تشخیص بیماری با دقت بالاتر کمک کنند یا خیر. پنجاه‌و‌هشت پزشک مجاز، ۲۰ ساعت آموزش در زمینه استفاده ایمن و نقادانه از چت‌بات‌های هوش مصنوعی دریافت کردند. پزشکان دارای دسترسی به GPT‑4o میانگین نمره استدلال تشخیصی ۷۱ درصد کسب کردند، در حالی که پزشکانی که از منابع سنتی مانند PubMed یا جست‌وجوی اینترنت استفاده کردند، میانگین ۴۳ درصد داشتند. تحلیل ثانویه نشان داد که در برخی سناریوها، تشخیص بالینی هوش مصنوعی به تنهایی عملکرد بهتری نسبت به پزشکانی داشت که از آن استفاده می‌کردند، اگرچه در ۳۱ درصد موارد و بیشتر در موقعیت‌هایی که «نشانه‌های هشداردهنده» زمینه‌ای مطرح بود، پزشکان بر مدل پیشی گرفتند.

بیشتر بخوانید: همدلی هوش مصنوعی ChatGPT از پزشکان واقعی بیشتر است

کارشناسان تاکید کردند که با وجود نشان دادن پتانسیل هوش مصنوعی برای تقویت خدمات درمانی در محیط‌های کم‌منبع، استفاده از آن نیازمند احتیاط است. نگرانی‌ها شامل احتمال سوگیری در خروجی‌ها، حفظ حریم خصوصی داده‌های بیماران و خطر پذیرش بدون نقد توصیه‌های ناقص هوش مصنوعی توسط پزشکان است.

نویسندگان هر دو مطالعه منتشرشده در Nature Health تاکید کردند که LLMها باید مکمل پزشکان باشند و جایگزین آنها نشوند، همچنین آموزش کارکنان بهداشت برای استفاده موثر از فناوری حیاتی است. علاوه بر این، پژوهشگران هشدار دادند که بهبود تشخیص اولیه با هوش مصنوعی در صورتی که ظرفیت درمان افزایش نیابد، می‌تواند فشار بیشتری بر سیستم‌های درمانی محدود وارد کند. با وجود این، یافته‌ها نشان می‌دهد که این فناوری توانایی افزایش دسترسی به مراقبت، کاهش خطاهای تشخیصی و بهبود نتایج درمانی را در مناطقی با کمبود نیروی انسانی دارد، مشروط بر آنکه ابزارها از نظر فرهنگی و زبانی با جمعیت‌های هدف سازگار باشند.