Революционное открытие в области ИИ обещает врачам большую конфиденциальность данных
Новаторское исследование, проведенное Гарвардской медицинской школой, выявило значительный прогресс в области искусственного интеллекта (ИИ) и его применения в здравоохранении. Исследователи обнаружили, что определенная модель ИИ с открытым исходным кодом демонстрирует диагностические возможности, сравнимые с GPT-4, ведущей проприетарной моделью ИИ, известной своими способностями в анализе сложных медицинских случаев. Этот ключевой вывод, опубликованный в JAMA Health Forum, предполагает смену парадигмы в том, как врачи могут интегрировать ИИ в свои процессы принятия клинических решений, сохраняя при этом больший контроль над конфиденциальными данными пациентов.
Рост ИИ с открытым исходным кодом в медицинской диагностике
До недавнего времени в области диагностики с помощью ИИ в значительной степени доминировали проприетарные модели ИИ, разработанные технологическими гигантами, такими как OpenAI и Google. Эти модели с закрытым исходным кодом, хотя и являются мощными, работают на внешних серверах. Это требует от больниц и клиницистов передачи данных пациентов за пределы своих защищенных сетей, что вызывает опасения по поводу конфиденциальности и безопасности данных.
В отличие от этого, модели ИИ с открытым исходным кодом представляют собой привлекательную альтернативу. Эти модели находятся в свободном доступе и, что особенно важно, могут быть адаптированы к конкретным требованиям различных клинических сред. Возможность запуска этих моделей на собственных внутренних серверах больницы обеспечивает значительно повышенный уровень конфиденциальности данных и гибкость для адаптации ИИ к уникальным демографическим характеристикам пациентов конкретной практики. Однако существенным препятствием исторически был разрыв в производительности между моделями с открытым исходным кодом и их проприетарными аналогами. Недавние исследования показывают, что этот разрыв быстро сокращается.
ИИ с открытым исходным кодом соответствует производительности GPT-4
Исследовательская группа Гарвардской медицинской школы тщательно оценила Llama 3.1 405B от Meta, модель ИИ с открытым исходным кодом, в сравнении с грозным GPT-4. Оценка включала подвергание обеих моделей строгому тесту, состоящему из 92 сложных диагностических случаев, ранее опубликованных в The New England Journal of Medicine. Результаты были поразительными:
- Точность диагностики: Llama 3.1 правильно определила диагноз в впечатляющих 70% случаев, превзойдя показатель точности GPT-4, равный 64%.
- Точность первого предположения: В 41% случаев Llama 3.1 поставила правильный диагноз в качестве своего основного предположения, опередив GPT-4, который достиг этого в 37% случаев.
- Производительность на более новых случаях: При фокусировке на подмножестве более новых случаев точность Llama 3.1 продемонстрировала дальнейшее улучшение, правильно диагностировав 73% случаев и поставив правильный диагноз на первое место своих предложений в 45% случаев.
Эти результаты убедительно свидетельствуют о том, что модели ИИ с открытым исходным кодом не только догоняют, но и в некоторых аспектах превосходят производительность ведущих проприетарных моделей. Это предоставляет врачам жизнеспособную и потенциально более безопасную альтернативу для диагностики с помощью ИИ.
Ключевые соображения для врачей: ИИ с открытым исходным кодом против проприетарного ИИ
Появление высокопроизводительных моделей ИИ с открытым исходным кодом создает критический момент принятия решений для врачей первичного звена, владельцев практик и администраторов. Выбор между проприетарным ИИ и ИИ с открытым исходным кодом зависит от тщательной оценки нескольких ключевых факторов:
Конфиденциальность и безопасность данных: Пожалуй, самым значительным преимуществом моделей с открытым исходным кодом является их возможность локального размещения. Это означает, что конфиденциальная информация о пациентах остается в безопасности в пределах сети больницы или практики, а не передается на внешние серверы, управляемые сторонними поставщиками. Такой локализованный подход значительно снижает риск утечки данных и повышает соответствие нормам защиты данных.
Настройка и адаптивность: Проприетарные модели ИИ часто разрабатываются как универсальные решения. Хотя они могут предлагать широкие возможности, им не хватает гибкости для точной настройки в соответствии с конкретными потребностями конкретной практики или популяции пациентов. Модели ИИ с открытым исходным кодом, с другой стороны, могут быть настроены с использованием собственных данных практики. Это позволяет создавать модели ИИ, которые более точны и релевантны для конкретного клинического контекста.
Поддержка, интеграция и техническая экспертиза: Проприетарные модели ИИ обычно поставляются с преимуществом выделенной поддержки клиентов и упрощенной интеграции с существующими системами электронных медицинских карт (EHR). Это может упростить процесс внедрения и обеспечить постоянную помощь. Модели с открытым исходным кодом, однако, требуют наличия собственных технических специалистов для настройки, обслуживания и устранения неполадок. Практики, рассматривающие возможность использования ИИ с открытым исходным кодом, должны оценить свои внутренние возможности или быть готовыми инвестировать во внешнюю поддержку.
Вопросы стоимости: Хотя программное обеспечение с открытым исходным кодом доступно для бесплатной загрузки, необходимо учитывать общую стоимость. Расходы на внутреннюю поддержку, обслуживание и потенциальную внешнюю поддержку должны быть сопоставлены со стоимостью подписки на проприетарный ИИ.
Смена парадигмы в медицине с использованием ИИ
Старший автор исследования, Арджун Манрай, доктор философии, доцент кафедры биомедицинской информатики Гарвардской медицинской школы, подчеркнул важность этой разработки. ‘Насколько нам известно, это первый случай, когда модель ИИ с открытым исходным кодом соответствует производительности GPT-4 в таких сложных случаях, по оценке врачей’, - заявил Манрай. ‘Это действительно потрясающе, что модели Llama так быстро догнали ведущую проприетарную модель. Пациенты, поставщики медицинских услуг и больницы выиграют от этой конкуренции’.
Исследование подчеркивает растущую возможность для медицинских учреждений и частных практик изучить альтернативы ИИ с открытым исходным кодом. Эти альтернативы предлагают убедительный баланс между точностью диагностики, безопасностью данных и возможностями настройки. В то время как проприетарные модели продолжают обеспечивать удобство и легкодоступную поддержку, рост высокопроизводительного ИИ с открытым исходным кодом может изменить ландшафт медицины с использованием ИИ в ближайшие годы.
ИИ как ‘второй пилот’, а не замена
Крайне важно подчеркнуть, что на данном этапе ИИ следует рассматривать как ценного ‘второго пилота’, помогающего врачам, а не как замену их клиническому суждению и опыту. Инструменты ИИ, при ответственном и продуманном внедрении в существующую инфраструктуру здравоохранения, могут служить неоценимыми помощниками для занятых клиницистов. Они могут повысить как точность, так и скорость диагностики, что в конечном итоге приведет к улучшению ухода за пациентами.
Исследователи подчеркивают важность участия врачей в продвижении внедрения и разработки ИИ в здравоохранении. Врачи должны играть центральную роль в обеспечении того, чтобы инструменты ИИ разрабатывались и внедрялись таким образом, чтобы они соответствовали их потребностям и поддерживали их клинические рабочие процессы. Будущее ИИ в медицине заключается не в замене врачей, а в предоставлении им мощных инструментов для расширения их возможностей и улучшения жизни их пациентов. Дальнейшее развитие моделей с открытым исходным кодом будет только способствовать развитию медицинской области и стимулировать более широкое внедрение врачами, стремящимися сохранить контроль над данными своих пациентов.