Чат-бот, основанный на большой языковой модели (LLM), разработанной Google, оказался более точным, чем сертифицированные врачи в диагностике респираторных и сердечно-сосудистых заболеваний. По сравнению с врачами-людьми, ИИ удалось собрать аналогичный объем информации во время медицинских интервью и получить более высокий рейтинг эмпатии. 
Чат-бот, основанный на большой языковой модели (LLM), разработанной Google, оказался более точным, чем сертифицированные врачи в диагностике респираторных и сердечно-сосудистых заболеваний. По сравнению с врачами-людьми, ИИ удалось собрать аналогичный объем информации во время медицинских интервью и получить более высокий рейтинг эмпатии.
«Насколько нам известно, это первый случай, когда диалоговая система искусственного интеллекта была оптимально разработана для диагностического диалога и сбора истории болезни», — говорит Алан Картикесалингам, клинический исследователь из Google Health в Лондоне и соавтор исследования.
Чат-бот, получивший название Articulate Medical Intelligence Explorer (Точный исследователь медицинских данных — AMIE), пока остается чисто экспериментальным. Его не тестировали на людях с реальными проблемами со здоровьем — только на актерах, обученных изображать людей с заболеваниями. «Мы хотим, чтобы результаты интерпретировались с осторожностью», — говорит Картикесалингам.
Несмотря на то, что чат-бот еще не используется в клинической практике, авторы утверждают, что в конечном итоге он может сыграть роль в демократизации здравоохранения. Этот инструмент может быть полезным, но он не должен заменять взаимодействие с врачами, говорит Адам Родман, врач Гарвардской медицинской школы в Бостоне, штат Массачусетс. «Медицина – это нечто большее, чем просто сбор информации: все дело в человеческих отношениях», – говорит он.
ИИ сам себе врач и пациент
Одной из проблем, с которой столкнулись разработчики, была нехватка реальных разговоров между врачами и пациентами, которые можно было бы использовать в качестве обучающих данных, говорит Вивек Натараджан, соавтор исследования. Чтобы решить эту проблему, исследователи разработали способ обучения чат-бота на собственных «разговорам».
Исследователи провели первоначальный раунд тонкой настройки базовой LLM с использованием существующих наборов реальных данных, таких как электронные медицинские записи и расшифровки медицинских разговоров. Для дальнейшего обучения модели исследователи предложили LLM сыграть роль человека с определенным заболеванием и чуткого клинициста, стремящегося понять историю человека и разработать потенциальные диагнозы.
Команда также попросила модель сыграть еще одну роль: критика, который оценивает взаимодействие врача с человеком, проходящим лечение, и дает советы, как улучшить это взаимодействие. Эта критика используется для дальнейшего обучения LLM и улучшения диалогов.
Для тестирования системы исследователи привлекли 20 человек, которые были обучены выдавать себя за пациентов, и заставили их провести онлайн-консультации в текстовой форме — как с AMIE, так и с 20 сертифицированными врачами. Им не сказали, общаются ли они с человеком или ботом.
Актеры смоделировали 149 клинических сценариев, а затем их попросили оценить свой опыт. Группа специалистов также оценила работу AMIE и врачей.
AMIE проходит испытание
Система ИИ не уступала или даже превосходила диагностическую точность врачей всех шести рассматриваемых медицинских специальностей. Бот превзошел врачей по 24 из 26 критериев качества разговора, включая вежливость, объяснение состояния и лечения, честность и выражение заботы и поддержки.
«Это никоим образом не означает, что языковая модель лучше, чем врачи, собирают историю болезни», — говорит Картикесалингам. Он отмечает, что врачи первичной медико-санитарной помощи, принимавшие участие в исследовании, вероятно, не привыкли взаимодействовать с пациентами посредством текстового чата, и это могло повлиять на их работу.
Источник