Подемът на Open-Source AI в медицинската диагностика
Сферата на диагностиката, подпомагана от изкуствен интелект (AI), доскоро беше доминирана предимно от патентовани AI модели, разработени от технологични гиганти като OpenAI и Google. Тези модели със затворен код, макар и мощни, работят на външни сървъри. Това налага болниците и клиницистите да предават данни за пациентите извън своите защитени мрежи, което поражда опасения относно поверителността и сигурността на данните.
За разлика от тях, open-source AI моделите представляват убедителна алтернатива. Тези модели са свободно достъпни и, което е от съществено значение, могат да бъдат приспособени да отговарят на специфичните изисквания на различни клинични среди. Възможността тези модели да се изпълняват на собствените вътрешни сървъри на болницата предлага значително повишено ниво на поверителност на данните и гъвкавост за адаптиране на AI към уникалната демография на пациентите на дадена практика. Въпреки това, значителна пречка в исторически план беше разликата в производителността между open-source моделите и техните патентовани аналози. Неотдавнашното изследване показва, че тази разлика бързо се затваря.
Open-Source AI се изравнява с производителността на GPT-4
Изследователският екип на Harvard Medical School щателно оцени Llama 3.1 405B на Meta, open-source AI модел, спрямо страховития GPT-4. Оценката включваше подлагането на двата модела на строг тест, състоящ се от 92 сложни диагностични случая, публикувани преди това в The New England Journal of Medicine. Резултатите бяха поразителни:
- Диагностична точност: Llama 3.1 правилно идентифицира диагнозата във впечатляващите 70% от случаите, надминавайки степента на точност на GPT-4 от 64%.
- Точност на най-доброто предложение: В 41% от случаите Llama 3.1 класира правилната диагноза като свое основно предложение, изпреварвайки GPT-4, който постигна това в 37% от случаите.
- Производителност при по-нови случаи: Когато се фокусира върху подмножество от по-нови случаи, точността на Llama 3.1 демонстрира по-нататъшно подобрение, като правилно диагностицира 73% от случаите и поставя правилната диагноза на върха на своите предложения в 45% от случаите.
Тези констатации категорично сочат, че open-source AI моделите не само настигат, но и в някои аспекти надминават производителността на водещите патентовани модели. Това предоставя на лекарите жизнеспособна и потенциално по-сигурна алтернатива за диагностика, подпомагана от AI.
Ключови съображения за лекарите: Open-Source срещу патентован AI
Появата на високопроизводителни open-source AI модели въвежда критичен момент за вземане на решения за лекарите в първичната медицинска помощ, собствениците на практики и администраторите. Изборът между патентован и open-source AI зависи от внимателната оценка на няколко ключови фактора:
Поверителност и сигурност на данните: Може би най-значимото предимство на open-source моделите е способността им да бъдат хоствани локално. Това означава, че чувствителната информация за пациентите остава сигурно в рамките на мрежата на болницата или практиката, вместо да се предава на външни сървъри, управлявани от доставчици трети страни. Този локализиран подход значително намалява риска от пробиви в данните и повишава съответствието с разпоредбите за защита на данните.
Персонализиране и адаптивност: Патентованите AI модели често са проектирани като решения „един размер за всички“. Въпреки че може да предлагат широки възможности, те нямат гъвкавостта да бъдат фино настроени към специфичните нужди на дадена практика или популация от пациенти. Open-source AI моделите, от друга страна, могат да бъдат персонализирани, използвайки собствените данни на практиката за пациентите. Това позволява създаването на AI модели, които са по-точни и подходящи за конкретния клиничен контекст.
Поддръжка, интеграция и техническа експертиза: Патентованите AI модели обикновено идват с предимството на специализирана поддръжка на клиенти и рационализирана интеграция със съществуващите системи за електронни здравни досиета (EHR). Това може да опрости процеса на внедряване и да осигури постоянна помощ. Open-source моделите обаче изискват вътрешна техническа експертиза за настройка, поддръжка и отстраняване на проблеми. Практиките, които обмислят open-source AI, трябва да оценят вътрешните си възможности или да бъдат подготвени да инвестират във външна поддръжка.
Съображения за разходите: Въпреки че софтуерът с отворен код е свободно достъпен за изтегляне, трябва да се вземе предвид общата цена. Разходите за вътрешна поддръжка, поддръжка и потенциална външна поддръжка трябва да се претеглят спрямо разходите за абонамент за патентован AI.
Промяна на парадигмата в медицината, подпомагана от AI
Старшият автор на изследването, Arjun Manrai, PhD, асистент по биомедицинска информатика в Harvard Medical School, подчерта значението на това развитие. „Доколкото ни е известно, това е първият път, когато open-source AI модел постига същата производителност като GPT-4 при такива предизвикателни случаи, оценени от лекари“, заяви Manrai. „Наистина е зашеметяващо, че моделите Llama толкова бързо настигнаха водещия патентован модел. Пациентите, доставчиците на здравни услуги и болниците могат да спечелят от тази конкуренция.“
Изследването подчертава нарастващата възможност за здравните институции и частните практики да проучат open-source AI алтернативи. Тези алтернативи предлагат убедителен баланс между диагностична точност, сигурност на данните и възможности за персонализиране. Докато патентованите модели продължават да осигуряват удобство и лесно достъпна поддръжка, възходът на високопроизводителния open-source AI има потенциала да прекрои пейзажа на медицината, подпомагана от AI, през следващите години.
AI като „Втори пилот“, а не като заместител
От решаващо значение е да се подчертае, че на този етап AI трябва да се разглежда като ценен „втори пилот“, който да помага на лекарите, а не като заместител на тяхната клинична преценка и експертиза. AI инструментите, когато са интегрирани отговорно и обмислено в съществуващата здравна инфраструктура, могат да служат като безценни помощни средства за заетите клиницисти. Те могат да подобрят както точността, така и скоростта на диагностициране, което в крайна сметка води до подобрена грижа за пациентите.
Изследователите подчертават значението на участието на лекарите в стимулирането на приемането и развитието на AI в здравеопазването. Лекарите трябва да играят централна роля, за да гарантират, че AI инструментите са проектирани и внедрени по начин, който е в съответствие с техните нужди и поддържа техните клинични работни процеси. Бъдещето на AI в медицината не е в замяната на лекарите, а в овластяването им с мощни инструменти за подобряване на техните възможности и подобряване на живота на техните пациенти. Продължаващият напредък на open-source моделите само ще служи в полза на медицинската област и ще насърчи по-широкото им приемане от лекарите, които се стремят да запазят контрола върху данните на своите пациенти.