هوش مصنوعی در حال تبدیل شدن به یک نیروی تحول‌آفرین در حوزه پزشکی است و افق جدیدی را در تشخیص بیماری‌ها و تصمیم‌گیری‌های بالینی ترسیم می‌کند. پزشکان به‌طور فزاینده‌ای این فناوری را نه فقط به‌عنوان یک ابزار، بلکه به‌عنوان یک شریک کلیدی در فرآیندهای تشخیصی و درمانی می‌پذیرند.
در سال‌های اخیر، بحث درباره برتری مدل‌های اختصاصی در برابر مدل‌های متن‌باز به موضوعی داغ در دنیای هوش مصنوعی پزشکی تبدیل شده است. شرکت‌های بزرگی مانند OpenAI و گوگل معمولاً مدل‌های اختصاصی خود را برای حل چالش‌های پیچیده بالینی توسعه داده‌اند، اما آیا مدل‌های متن‌باز می‌توانند با این مدل‌های قدرتمند رقابت کنند؟
پژوهشی جدید از دانشکده پزشکی هاروارد که با حمایت مؤسسه ملی سلامت آمریکا انجام شده است، نشان می‌دهد که پاسخ این سؤال مثبت است. در این مطالعه، مدل متن‌باز Llama 3.1 405B در ۹۲ مورد پیچیده پزشکی عملکردی هم‌سطح با مدل اختصاصی GPT-4 ارائه داد. این یافته‌ها نقطه عطفی در بحث کارآمدی مدل‌های متن‌باز در حوزه سلامت محسوب می‌شوند.
یکی از مزایای کلیدی مدل‌های متن‌باز مانند Llama 3.1 405B، حفظ امنیت و حریم خصوصی داده‌های بیماران است. بیمارستان‌ها و مراکز درمانی می‌توانند این مدل‌ها را روی سرورهای داخلی خود اجرا کنند و از ارسال اطلاعات حساس بیماران به سرورهای خارجی جلوگیری نمایند.
علاوه بر این، انعطاف‌پذیری و قابلیت شخصی‌سازی مدل‌های متن‌باز به پزشکان این امکان را می‌دهد که هوش مصنوعی را مطابق با نیازهای خاص خود تنظیم کنند. به گفته توماس باکلی، نویسنده اصلی این پژوهش، توانایی سفارشی‌سازی مدل‌ها باعث بهبود عملکرد آن‌ها برای جمعیت‌های مختلف بیماران و شیوه‌های پزشکی خاص می‌شود.
در این مطالعه، محققان عملکرد مدل Llama را در برابر GPT-4 با استفاده از موارد پیچیده منتشرشده در مجله پزشکی نیوانگلند (NEJM) ارزیابی کردند. نتایج نشان داد که Llama در ۷۰ درصد موارد تشخیص صحیح داشت، در حالی که GPT-4 تنها ۶۴ درصد موفق بود. همچنین، مدل Llama در ۴۱ درصد موارد، تشخیص صحیح را به‌عنوان گزینه اول ارائه داد، در حالی که این رقم برای GPT-4 تنها ۳۷ درصد بود.
اگرچه مدل‌های متن‌باز در پزشکی نویدبخش هستند، اما چالش‌هایی نیز دارند. برخلاف مدل‌های اختصاصی که زیرساخت‌های قوی و پشتیبانی فنی دارند، مدل‌های متن‌باز به تنظیمات و نگهداری توسط کاربران نیاز دارند. علاوه بر این، ادغام این مدل‌ها با سیستم‌های فناوری اطلاعات بیمارستانی ممکن است پیچیدگی‌هایی به همراه داشته باشد.
بااین‌حال، با رشد رقابت میان مدل‌های متن‌باز و اختصاصی، نهایتاً بیماران و سیستم‌های بهداشتی بیشترین سود را خواهند برد. ترکیب قابلیت‌های این مدل‌ها با همکاری پزشکان و توسعه‌دهندگان می‌تواند مسیر جدیدی را در بهبود دقت تشخیص‌ها و افزایش کارایی نظام سلامت ایجاد کند.
این پژوهش، نقطه عطفی در استفاده از هوش مصنوعی در پزشکی است و نشان می‌دهد که آینده‌ای که در آن مدل‌های متن‌باز و اختصاصی در کنار یکدیگر برای بهبود مراقبت‌های بهداشتی کار می‌کنند، چندان دور از دسترس نیست.
کد خبر ۲۰۱۰۳۱۲۲۶.۷۶۸
منبع: بیواینجینیر
