עלייתם של מודלי AI בקוד פתוח באבחון רפואי
עד לאחרונה, תחום האבחון הרפואי בסיוע AI נשלט במידה רבה על ידי מודלי AI קנייניים שפותחו על ידי ענקיות טכנולוגיה כמו OpenAI ו-Google. מודלים אלה, בעלי קוד סגור, פועלים על שרתים חיצוניים. מצב זה מחייב בתי חולים ורופאים להעביר נתוני מטופלים מחוץ לרשתות המאובטחות שלהם, מה שמעלה חששות לגבי פרטיות ואבטחת נתונים.
לעומת זאת, מודלי AI בקוד פתוח מציגים אלטרנטיבה משכנעת. מודלים אלה זמינים באופן חופשי, וחשוב מכך, ניתן להתאים אותם לדרישות הספציפיות של סביבות קליניות מגוונות. היכולת להפעיל מודלים אלה בשרתים הפנימיים של בית החולים מציעה רמה משופרת משמעותית של פרטיות נתונים וגמישות להתאים את ה-AI לדמוגרפיה הייחודית של המטופלים במרפאה מסוימת. עם זאת, מכשול משמעותי היה היסטורית פער הביצועים בין מודלים בקוד פתוח לבין עמיתיהם הקנייניים. המחקר האחרון מצביע על כך שהפער הזה מצטמצם במהירות.
מודל AI בקוד פתוח משתווה לביצועים של GPT-4
צוות המחקר של Harvard Medical School העריך בקפידה את Llama 3.1 405B של Meta, מודל AI בקוד פתוח, מול GPT-4 האימתני. ההערכה כללה הכפפת שני המודלים למבחן קפדני שכלל 92 מקרי אבחון מורכבים שפורסמו בעבר ב-The New England Journal of Medicine. התוצאות היו בולטות:
- דיוק אבחנתי: Llama 3.1 זיהה נכונה את האבחנה ב-70% מרשימים מהמקרים, ועלה על שיעור הדיוק של GPT-4 שעמד על 64%.
- דיוק ההצעה המובילה: ב-41% מהמקרים, Llama 3.1 דירג את האבחנה הנכונה כהצעה העיקרית שלו, ועקף את GPT-4, שהשיג זאת ב-37% מהמקרים.
- ביצועים במקרים חדשים יותר: כאשר התמקדו בקבוצת משנה של מקרים עדכניים יותר, הדיוק של Llama 3.1 הראה שיפור נוסף, ואבחן נכונה 73% מהמקרים והציב את האבחנה הנכונה בראש ההצעות שלו ב-45% מהמקרים.
ממצאים אלה מצביעים בבירור על כך שמודלי AI בקוד פתוח לא רק מדביקים את הפער, אלא בחלק מההיבטים, עולים על הביצועים של מודלים קנייניים מובילים. זה מציג לרופאים אלטרנטיבה בת-קיימא ואולי מאובטחת יותר לאבחון בסיוע AI.
שיקולים מרכזיים לרופאים: AI בקוד פתוח לעומת AI קנייני
הופעתם של מודלי AI בקוד פתוח בעלי ביצועים גבוהים מציגה נקודת החלטה קריטית עבור רופאים ראשוניים, בעלי מרפאות ומנהלים. הבחירה בין AI קנייני ל-AI בקוד פתוח תלויה בהערכה מדוקדקת של מספר גורמים מרכזיים:
פרטיות ואבטחת נתונים: אולי היתרון המשמעותי ביותר של מודלים בקוד פתוח הוא היכולת שלהם להתארח באופן מקומי. משמעות הדבר היא שמידע רגיש על מטופלים נשאר מאובטח בגבולות הרשת של בית החולים או המרפאה, במקום להיות מועבר לשרתים חיצוניים המנוהלים על ידי ספקי צד שלישי. גישה מקומית זו מפחיתה משמעותית את הסיכון לפריצות נתונים ומשפרת את הציות לתקנות הגנת הנתונים.
התאמה אישית ויכולת הסתגלות: מודלי AI קנייניים מתוכננים לעתים קרובות כפתרונות ‘one-size-fits-all’. בעוד שהם עשויים להציע יכולות רחבות, הם חסרים את הגמישות להיות מכוונים היטב לצרכים הספציפיים של מרפאה מסוימת או אוכלוסיית מטופלים. מודלי AI בקוד פתוח, לעומת זאת, ניתנים להתאמה אישית באמצעות נתוני המטופלים של המרפאה. זה מאפשר יצירה של מודלי AI מדויקים ורלוונטיים יותר להקשר הקליני הספציפי.
תמיכה, אינטגרציה ומומחיות טכנית: מודלי AI קנייניים מגיעים בדרך כלל עם היתרון של תמיכת לקוחות ייעודית ואינטגרציה יעילה עם מערכות רשומות בריאות אלקטרוניות (EHR) קיימות. זה יכול לפשט את תהליך היישום ולספק סיוע שוטף. מודלים בקוד פתוח, לעומת זאת, דורשים מומחיות טכנית פנימית כדי להגדיר, לתחזק ולפתור בעיות. מרפאות השוקלות AI בקוד פתוח חייבות להעריך את היכולות הפנימיות שלהן או להיות מוכנות להשקיע בתמיכה חיצונית.
שיקולי עלות: בעוד שתוכנה בקוד פתוח זמינה להורדה בחינם, יש לקחת בחשבון את העלות הכוללת. יש לשקול את הוצאות התמיכה הפנימית, התחזוקה והתמיכה החיצונית הפוטנציאלית מול עלויות המנוי של AI קנייני.
שינוי פרדיגמה ברפואה בסיוע AI
המחבר הבכיר של המחקר, Arjun Manrai, PhD, פרופסור חבר לאינפורמטיקה ביו-רפואית ב-Harvard Medical School, הדגיש את המשמעות של התפתחות זו. “למיטב ידיעתנו, זו הפעם הראשונה שמודל AI בקוד פתוח משתווה לביצועים של GPT-4 במקרים מאתגרים כאלה, כפי שהוערכו על ידי רופאים”, אמר Manrai. “זה באמת מדהים שמודלי Llama הדביקו כל כך מהר את המודל הקנייני המוביל. מטופלים, ספקי טיפול ובתי חולים עומדים להרוויח מהתחרות הזו.”
המחקר מדגיש הזדמנות הולכת וגוברת עבור מוסדות בריאות ומרפאות פרטיות לחקור חלופות AI בקוד פתוח. חלופות אלה מציעות איזון משכנע בין דיוק אבחנתי, אבטחת נתונים ויכולות התאמה אישית. בעוד שמודלים קנייניים ממשיכים לספק נוחות ותמיכה זמינה, עלייתם של מודלי AI בקוד פתוח בעלי ביצועים גבוהים עשויה לעצב מחדש את הנוף של רפואה בסיוע AI בשנים הבאות.
AI כ-‘טייס משנה’, לא כתחליף
חשוב להדגיש שבשלב זה, יש לראות ב-AI ‘טייס משנה’ רב ערך המסייע לרופאים, ולא כתחליף לשיקול הדעת הקליני והמומחיות שלהם. כלי AI, כאשר הם משולבים באחריות ובמחשבה בתשתית הבריאות הקיימת, יכולים לשמש כעזרים יקרי ערך עבור רופאים עסוקים. הם יכולים לשפר הן את הדיוק והן את המהירות של האבחון, ובסופו של דבר להוביל לטיפול משופר בחולים.
החוקרים מדגישים את חשיבות מעורבותם של רופאים בהנעת האימוץ והפיתוח של AI בתחום הבריאות. רופאים חייבים למלא תפקיד מרכזי בהבטחת שכלי AI מתוכננים ומיושמים באופן שמתאים לצרכיהם ותומך בתהליכי העבודה הקליניים שלהם. עתיד ה-AI ברפואה אינו עוסק בהחלפת רופאים, אלא בהעצמתם בכלים רבי עוצמה כדי לשפר את יכולותיהם ולשפר את חייהם של מטופליהם. ההתקדמות המתמשכת של מודלים בקוד פתוח רק תועיל לתחום הרפואי, ותעודד אימוץ רב יותר על ידי רופאים המבקשים לשמור על שליטה בנתוני המטופלים שלהם.