Ученые из США применили нейросеть ChatGPT для работы в качестве терапевта и обнаружили, что система ИИ справилась с постановкой диагнозов в 77% случаев и правильно подобрала терапию в 68% случаев. Это делает нейросеть сопоставимой по уровню компетенции с молодыми врачами и выпускниками медвузов, сообщила во вторник пресс-служба некоммерческой организации здравоохранения Mass General Brigham.
"Уровень успехов ChatGPT при решении большого перечня медицинских задач оказался сопоставим с тем, как с подобными проблемами справляются выпускники медицинских школ, а также молодые врачи-стажеры и ординаторы. Это говорит о том, что данный класс систем ИИ в перспективе может стать инструментом для ускорения работы и цифровым помощником лечащих врачей", - заявил научный сотрудник Массачусетской больницы общего профиля Марк Дзукки, чьи слова приводит пресс-служба MGB.
Дзукки и его коллеги пришли к такому выводу в рамках эксперимента, нацеленного на изучение возможностей использования ChatGPT в качестве замены или помощников для врачей. Для этого ученые обучили систему ИИ на сборниках медицинской информации (MSD), которые применяют врачи в США в рабочей практике, и проверили, насколько хорошо ChatGPT справится с диагностикой болезней, описанных в руководствах.
Ученые отслеживали и оценивали не только диагноз, поставленный нейросетью, но и все промежуточные шаги, а также то, какую терапию подбирал ChatGPT для каждого пациента. Результат сравнили с тем, как в аналогичной ситуации рассуждали врачи-профессионалы, также принимавшие участие в исследовании.
Сравнение показало, что нейросеть корректно справилась с постановкой финального диагноза в 77% случаев и правильно подобрала терапию в 68% случаев, что сопоставимо с тем, как справляются с этими задачами молодые врачи. Хуже всего (60% верных ответов) ChatGPT справился с так называемой дифференциальной диагностикой, в рамках которой врач выявляет болезнь, шаг за шагом исключая не подходящие по симптомам заболевания.
Как отмечают авторы, это говорит о том, что нейросети пока сильно уступают людям в ситуациях, когда нужно принимать решения и действовать, не имея достаточной информации. Эта особенность моделей машинного обучения пока остается одним из главных препятствий для их интеграции в медицинскую сферу.
Oxu.az
