లో ప్రచురించబడింది JAMA నెట్‌వర్క్ ఓపెన్, యూనివర్శిటీ ఆఫ్ మిన్నెసోటా మెడికల్ స్కూల్, స్టాన్‌ఫోర్డ్ యూనివర్సిటీ, బెత్ ఇజ్రాయెల్ డీకనెస్ మెడికల్ సెంటర్ మరియు యూనివర్సిటీ ఆఫ్ వర్జీనియా పరిశోధకుల సహకార బృందం రోగనిర్ధారణ కోసం వైద్యులు GPT-4 — కృత్రిమ మేధస్సు (AI) పెద్ద భాషా నమూనా వ్యవస్థను ఎంత బాగా ఉపయోగించారో అధ్యయనం చేసింది. రోగులు.
ఫ్యామిలీ మెడిసిన్, ఇంటర్నల్ మెడిసిన్ మరియు ఎమర్జెన్సీ మెడిసిన్‌లో US లైసెన్స్ పొందిన 50 మంది వైద్యులతో ఈ అధ్యయనం నిర్వహించబడింది. రోగనిర్ధారణ సహాయంగా వైద్యులకు GPT-4 లభ్యత సాంప్రదాయిక వనరులతో పోలిస్తే క్లినికల్ రీజనింగ్‌ను గణనీయంగా మెరుగుపరచలేదని పరిశోధనా బృందం కనుగొంది. ఇతర కీలక అన్వేషణలు:
- GPT-4 మాత్రమే రోగనిర్ధారణ పనితీరులో గణనీయంగా మెరుగైన స్కోర్‌లను ప్రదర్శించింది, సంప్రదాయ డయాగ్నస్టిక్ ఆన్‌లైన్ వనరులు మరియు GPT-4 సహాయంతో వైద్యుల పనితీరును అధిగమించింది.
- సాంప్రదాయిక రోగనిర్ధారణ వనరులను ఉపయోగించే వైద్యులకు వ్యతిరేకంగా GPT-4ని ఉపయోగించే వైద్యులను అంచనా వేసేటప్పుడు GPT-4 జోడింపుతో రోగనిర్ధారణ పనితీరులో గణనీయమైన మెరుగుదల లేదు.
“AI యొక్క రంగం వేగంగా విస్తరిస్తోంది మరియు ఔషధం లోపల మరియు వెలుపల మన జీవితాలపై ప్రభావం చూపుతోంది. మేము ఈ సాధనాలను అధ్యయనం చేయడం మరియు మేము అందించే సంరక్షణను మెరుగుపరచడానికి అలాగే వాటిని అందించే అనుభవాన్ని మెరుగుపరచడానికి వాటిని ఎలా ఉత్తమంగా ఉపయోగిస్తామో అర్థం చేసుకోవడం చాలా ముఖ్యం” అని చెప్పారు. ఆండ్రూ ఓల్సన్, MD, U ఆఫ్ M మెడికల్ స్కూల్‌లో ప్రొఫెసర్ మరియు M హెల్త్ ఫెయిర్‌వ్యూతో హాస్పిటలిస్ట్. “క్లినికల్ ప్రాక్టీస్‌లో ఫిజిషియన్-AI సహకారంలో మరింత మెరుగుదల కోసం అవకాశాలు ఉన్నాయని ఈ అధ్యయనం సూచిస్తుంది.”
ఈ ఫలితాలు AIని క్లినికల్ ప్రాక్టీస్‌లో సమగ్రపరచడంలోని సంక్లిష్టతను నొక్కి చెబుతున్నాయి. GPT-4 మాత్రమే ఆశాజనక ఫలితాలను చూపించినప్పటికీ, వైద్యులతో పాటు రోగనిర్ధారణ సహాయంగా GPT-4 యొక్క ఏకీకరణ సాంప్రదాయిక రోగనిర్ధారణ వనరుల వినియోగాన్ని గణనీయంగా అధిగమించలేదు. ఇది ఆరోగ్య సంరక్షణలో AI కోసం సూక్ష్మమైన సంభావ్యతను సూచిస్తుంది, AI క్లినికల్ ప్రాక్టీస్‌కు ఉత్తమంగా ఎలా మద్దతు ఇస్తుందనే దానిపై తదుపరి అన్వేషణ యొక్క ప్రాముఖ్యతను నొక్కి చెబుతుంది. ఇంకా, ఈ సాధనాలను ఉపయోగించడానికి వైద్యులు ఎలా శిక్షణ పొందాలో అర్థం చేసుకోవడానికి మరిన్ని అధ్యయనాలు అవసరం.
నాలుగు సహకార సంస్థలు ఆరోగ్య సంరక్షణలో GenAI అవుట్‌పుట్‌లను మరింతగా అంచనా వేయడానికి ARiSE అని పిలువబడే బై-కోస్టల్ AI మూల్యాంకన నెట్‌వర్క్‌ను ప్రారంభించాయి.
ఈ పరిశోధన కోసం గోర్డాన్ మరియు బెట్టీ మూర్ ఫౌండేషన్ నిధులు సమకూర్చింది.
