– محققان بیمارستان چشم و گوش نیویورک در کوه سینا (NYEE) نشان دادند که مدل 4 پیشآموزشی مولد OpenAI (GPT-4) میتواند با چشم پزشکان در تشخیص و مدیریت گلوکوم و شبکیه مطابقت داشته باشد یا در برخی موارد بهتر عمل کند. اختلالات
این مطالعه که این هفته در چشم پزشکی جاما، به دنبال ارزیابی کاربرد مدل های زبان بزرگ (LLM) در فوق تخصص های چشم پزشکی با تعیین اینکه آیا یکی از این ابزارها می تواند پاسخ های کامل و دقیقی را در مقایسه با متخصصان انسانی ارائه دهد یا خیر.
تیم تحقیقاتی با استخدام 15 شرکت کننده، از جمله 12 پزشک شرکت کننده و سه کارآموز ارشد، از گروه چشم پزشکی در دانشکده پزشکی Icahn در کوه سینا شروع به کار کرد. سپس از شرکت کنندگان و GPT-4 20 سوال رایج بیمار از مجموعه سوالات مربوط به شبکیه چشم و گلوکوم ارائه شده توسط آکادمی چشم پزشکی آمریکا پرسیده شد.
مجموعه ای از 20 مورد گلوکوم و شبکیه غیرشناسایی شده از کلینیک های وابسته به کوه سینا نیز به طور تصادفی برای تجزیه و تحلیل انتخاب شدند.
پاسخهای شرکتکننده و ربات چت از نظر کامل بودن و دقت با استفاده از مقیاس لیکرت مورد ارزیابی قرار گرفتند.
به طور کلی، دقت و کامل بودن پاسخهای LLM با پاسخهای چشمپزشکان مطابقت داشت یا از آنها بهتر بود. برای سوالات شبکیه چشم، ابزار از نظر دقت با متخصصان مطابقت داشت اما از نظر کامل از آنها فراتر رفت. GPT-4 به عملکرد برتر در مورد سؤالات گلوکوم دست یافت و در هر دو معیار عملکرد بهتری از انسان داشت.
اندی هوانگ، نویسنده اصلی این مقاله، متخصص چشم پزشکی در نیویورک، در بیانیه مطبوعاتی گفت: «عملکرد GPT-4 در مطالعه ما کاملاً چشم نواز بود. ما به پتانسیل عظیم این امر پی بردیم [artificial intelligence] این سیستم از لحظه ای که آزمایش آن را شروع کردیم و شیفته مشاهده شدیم که GPT-4 نه تنها می تواند کمک کند، بلکه در برخی موارد می تواند با تخصص متخصصان باتجربه چشم پزشکی همخوانی داشته باشد یا از آن فراتر رود.
نویسنده ارشد، لوئیس آر. پاسکوال، دکتر فاروو، توضیح داد: “هوش مصنوعی در مهارت خود در رسیدگی به موارد بیماران مبتلا به گلوکوم و شبکیه، مطابق با دقت و کامل بودن تشخیص ها و پیشنهادات درمانی ارائه شده توسط پزشکان انسانی در قالب یادداشت بالینی، شگفت آور بود.” معاون تحقیقات چشم پزشکی گروه چشم پزشکی. همانطور که برنامه هوش مصنوعی Grammarly می تواند به ما بیاموزد که چگونه نویسندگان بهتری باشیم، GPT-4 نیز می تواند راهنمایی های ارزشمندی را در مورد اینکه چگونه پزشکان بهتری باشیم، به ویژه از نظر نحوه مستندسازی یافته های معاینه بیماران به ما ارائه دهد.
محققان تاکید کردند که آزمایشات بیشتری مورد نیاز است، اما خاطرنشان کردند که یافته های مطالعه پتانسیل قابل توجه فناوری LLM در چشم پزشکی را برجسته می کند.
هوانگ اظهار داشت: «این می تواند به عنوان یک دستیار قابل اعتماد برای متخصصان چشم با ارائه پشتیبانی تشخیصی و به طور بالقوه کاهش بار کاری آنها، به ویژه در موارد پیچیده یا مناطق با حجم بالای بیمار عمل کند. برای بیماران، ادغام هوش مصنوعی در عمل اصلی چشم پزشکی میتواند منجر به دسترسی سریعتر به توصیههای متخصص، همراه با تصمیمگیری آگاهانهتر برای هدایت درمان آنها شود.»
این نتایج تنها یک کاربرد احتمالی هوش مصنوعی در چشم پزشکی را روشن می کند، اما محققان در حال بررسی انواع ابزارها و موارد استفاده هستند.
ماه گذشته، محققان مرکز کودکان جانز هاپکینز نشان دادند که یک هوش مصنوعی مستقل طراحی شده برای غربالگری بیماری چشم دیابتی در جوانان نیز میتواند تاثیر مثبتی بر جذب غربالگری داشته باشد.
بیماری های چشمی مانند رتینوپاتی دیابتی بر تعداد قابل توجهی از کودکان و نوجوانان مبتلا به دیابت نوع 1 و 2 تأثیر می گذارد، اما موانع غربالگری می تواند از تشخیص و درمان به موقع جلوگیری کند. این شکاف های غربالگری در میان جوانان فقیر و اقلیت بسیار زیاد است که منجر به نابرابری در سلامت و نتایج بدتر بیماران می شود.
تیم تحقیقاتی در کار قبلی دریافته بودند که هوش مصنوعی می تواند با موفقیت برای تشخیص بیماری های چشم دیابتی استفاده شود، اما فرض کردند که این ابزار می تواند احتمال تکمیل غربالگری را نیز افزایش دهد.
یافتههای آنها از این فرضیه حمایت میکند و نشان میدهد که بیمارانی که تحت غربالگری به کمک هوش مصنوعی قرار گرفتهاند، نسبت به بیمارانی که غربالگریهای استاندارد را دریافت کردهاند، احتمال بیشتری برای تکمیل پیگیری خود دارند.