گوگل تلاش تازه ای را آغاز کرده تا یک ابزار گفتگوی تشخیصی مبتنی بر هوش مصنوعی را توسعه دهد که بخشی از سیستم مصاحبه پزشکی محسوب می شود.
تیمی از محققان هوش مصنوعی در Google Research و Google DeepMind اصول اولیه یک سیستم گفتگوی تشخیصی مبتنی بر هوش مصنوعی را برای انجام مصاحبه های پزشکی تدوین کرده اند.
این گروه مقاله ای را در این راستا منتشر کرده است که تحقیقات گروه یاد شده را بر روی سرور preprint arXiv شرح می دهد.
تیم تحقیقاتی خاطرنشان کرد، وقتی یک پزشک با یک بیمار مصاحبه می کند تا روشن سازد در مورد بیمار چه وضعیت پزشکی باید مورد توجه قرار گیرد، آنها از پیشینه عمیق در آموزش پزشکی و تجربه عملی برخوردار می شوند.
اگرچه ممکن است گاهی برای بیمار اینطور به نظر برسد که چنین مصاحبه‌هایی در بهترین حالت خود باز سطحی هستند، اما اکثر چنین مصاحبه هایی هم کارآمداند و هم نتایج دقیقی را به همراه دارند.
محققان خاطرنشان می کنند در این موضوع همچنان جا برای بهبود وجود دارد. یکی از زمینه‌هایی که بسیاری از پزشکان در آن کوتاهی می‌کنند، نحوه برخورد بالینی با بیمار است.
به دلیل ویژگی های شخصیتی، یا برنامه کاری فشرده و پرمشغله، یا مواجهه با بیمارانی که همیشه مهربان و مودب نیستند، ممکن است چنین قصوراتی رقم زده شود.
در این تلاش جدید، تیم گوگل اظهار داشته بسیاری از LLM ها، مانند ChatGPT، اغلب با افرادی بسیار همدل و مشتاق کمک مواجه می شوند ویژگی هایی که گاهی اوقات در مصاحبه با پزشک وجود ندارد.
این به تیم مطالعه انگیزه داد تا روی یک LLM کار کنند که شاید روزی به یک سیستم پیشرفته گفتگوی تشخیصی تبدیل شود.
سیستم جدید Articulate Medical Intelligence Explorer یا AMIE نام دارد. تیم گوگل بر روی این نکته تاکید می کند که AMIE هنوز یک سیستم کاملاً آزمایشی است.
آنها همچنین خاطرنشان می کنند که آماده سازی چنین سیستمی به دلیل کمبود مصاحبه های پزشکی با روش پزشک/بیمار برای استفاده به عنوان مواد آموزشی، هم منحصر به فرد و هم دشوار بوده است.
این باعث شد که آنها یک رویکرد جدید را برای آموزش سیستم خود در مورد نحوه پرس و جو از بیمار امتحان کنند.
در ابتدا، آنها هوش مصنوعی را با مقدار محدودی از داده های در دسترس عمومی آموزش دادند. گروه از هوش مصنوعی خواستند نقش منتقدی را بازی کند که شاهد مصاحبه‌های متعددی است که سیستم انجام داده است.
سپس سیستم AMIE با 20 داوطلب که برای تظاهر به بیماری آموزش دیده بودند مصاحبه کرد. نتایج مصاحبه توسط متخصصان پزشکی برای تعیین میزان صحت، رتبه بندی شدند. داوطلبانی که نقش بیماران را ایفا کرده بودند، نحوه روش سیستم را در کنار بالین بیمار ارزیابی کردند.
محققان دریافتند که AMIE در تشخیص بیماری افراد تحت مصاحبه به اندازه پزشکان آموزش دیده دقیق است. آنها همچنین دریافتند که AMIE با روش کنار تخت امتیاز بهتری کسب کرده است.
تیم گوگل قصد دارد قابلیت‌های سیستم را هنگام آزمایش در شرایط واقعی‌تر بهبود بخشد و روش بالینی آن را بیشتر مورد توجه قرار دهند.
