AI Chanzo Huria Yafikia Miundo Miliki Kwenye Utambuzi

Mwenendo usiokoma wa akili bandia (AI) unaendelea kubadilisha tasnia mbalimbali, na labda hakuna mahali ambapo hatari ni kubwa zaidi, wala uwezekano kuwa wa kina zaidi, kuliko katika uwanja wa tiba. Kwa miaka mingi, miundo yenye nguvu zaidi ya AI, hasa miundo mikubwa ya lugha (LLMs), yenye uwezo wa kuchakata na kuzalisha maandishi yanayofanana na ya binadamu, kwa kiasi kikubwa imekuwa ndani ya kuta za ulinzi za makampuni makubwa ya teknolojia. Mifumo hii ya umiliki, kama vile GPT-4 kutoka OpenAI inayojadiliwa sana, ilionyesha uwezo wa ajabu, hata kuenea katika eneo tata la utambuzi wa kimatibabu. Hata hivyo, asili yao ya ‘sanduku jeusi’ na ulazima wa kutuma taarifa nyeti kwa seva za nje viliweka vikwazo vikubwa kwa matumizi yaliyoenea na salama ndani ya mazingira ya huduma za afya, ambapo faragha ya mgonjwa si tu upendeleo, bali ni agizo. Swali muhimu lilibaki: je, ulimwengu unaochipukia wa AI chanzo huria ungeweza kukabiliana na changamoto hiyo, ukitoa nguvu linganishi bila kuathiri udhibiti na usiri?

Matokeo ya hivi karibuni yanayotoka katika kumbi tukufu za Harvard Medical School (HMS) yanaonyesha jibu ni ndiyo kubwa, ikiashiria uwezekano wa mabadiliko makubwa katika matumizi ya AI ndani ya mazingira ya kliniki. Watafiti walilinganisha kwa makini mfumo mkuu wa chanzo huria na mwenzake wa umiliki wa hadhi ya juu, wakifichua matokeo ambayo yanaweza kuleta demokrasia katika upatikanaji wa zana za kisasa za usaidizi wa utambuzi.

Mshindani Mpya Anaingia Kwenye Uwanja wa Utambuzi

Katika utafiti ambao umevutia hisia za jamii za matibabu na teknolojia, watafiti wa HMS waliweka mfumo wa chanzo huria wa Llama 3.1 405B dhidi ya GPT-4 hodari. Uwanja wa majaribio ulikuwa seti iliyoratibiwa kwa uangalifu ya visa 70 vya matibabu vyenye changamoto. Hizi hazikuwa hali za kawaida; ziliwakilisha mafumbo tata ya utambuzi ambayo mara nyingi hukutana nayo katika mazoezi ya kliniki. Lengo lilikuwa wazi: kutathmini umahiri wa utambuzi wa kila mfumo wa AI ana kwa ana.

Matokeo, yaliyochapishwa hivi karibuni, yalikuwa ya kushangaza. Mfumo wa Llama 3.1 405B, unaopatikana bure kwa watumiaji kupakua, kukagua, na kurekebisha, ulionyesha usahihi wa utambuzi uliolingana na, na katika baadhi ya vipimo hata kuzidi, ule wa GPT-4. Hasa, wakati wa kutathmini usahihi wa pendekezo la awali la utambuzi lililotolewa na kila mfumo, Llama 3.1 405B ilikuwa na faida. Zaidi ya hayo, wakati wa kuzingatia utambuzi wa mwisho uliopendekezwa baada ya kuchakata maelezo ya kisa, mshindani wa chanzo huria alithibitisha tena uwezo wake dhidi ya kigezo kilichoimarika.

Mafanikio haya ni muhimu si tu kwa utendaji wenyewe, bali kwa kile inachowakilisha. Kwa mara ya kwanza, zana inayopatikana kwa urahisi, ya uwazi ya chanzo huria imethibitisha kuwa na uwezo wa kufanya kazi katika kiwango kile kile cha juu kama mifumo inayoongoza ya chanzo funge katika kazi ngumu ya utambuzi wa kimatibabu kulingana na visa vya uchunguzi. Arjun K. Manrai ’08, profesa wa HMS aliyeongoza utafiti huo, alielezea usawa katika utendaji kama ‘wa ajabu sana,’ hasa kutokana na muktadha wa kihistoria.

Faida ya Chanzo Huria: Kufungua Faragha ya Data na Ubinafsishaji

Kibadilisha mchezo halisi kilichoangaziwa na utafiti wa Harvard kiko katika tofauti ya msingi kati ya miundo ya chanzo huria na ile ya umiliki: upatikanaji na udhibiti. Miundo ya umiliki kama GPT-4 kwa kawaida huhitaji watumiaji kutuma data kwa seva za mtoa huduma kwa ajili ya uchakataji. Katika huduma za afya, hii mara moja huibua wasiwasi. Taarifa za mgonjwa – dalili, historia ya matibabu, matokeo ya vipimo – ni miongoni mwa data nyeti zaidi zinazoweza kufikiriwa, zikilindwa na kanuni kali kama HIPAA nchini Marekani. Matarajio ya kusambaza data hii nje ya mtandao salama wa hospitali, hata kwa manufaa yanayoweza kupatikana kutokana na uchambuzi wa hali ya juu wa AI, yamekuwa kikwazo kikubwa.

Miundo ya chanzo huria, kama vile Llama 3.1 405B, inabadilisha kimsingi mienendo hii. Kwa sababu msimbo na vigezo vya mfumo vinapatikana hadharani, taasisi zinaweza kupakua na kuipeleka ndani ya miundombinu yao salama.

• Umiliki wa Data: Hospitali zinaweza kuendesha AI kabisa kwenye seva zao za ndani au mawingu ya faragha. Data ya mgonjwa haihitaji kamwe kuondoka katika mazingira yaliyolindwa ya taasisi, kwa ufanisi kuondoa wasiwasi wa faragha unaohusishwa na usambazaji wa data nje. Dhana hii mara nyingi hujulikana kama kuleta ‘mfumo kwenye data,’ badala ya kutuma ‘data kwenye mfumo.’
• Usalama Ulioimarishwa: Kuweka mchakato ndani ya nyumba kunapunguza kwa kiasi kikubwa eneo la mashambulizi kwa uwezekano wa uvunjaji wa data unaohusiana na watoa huduma wa AI wa tatu. Udhibiti juu ya mazingira ya uendeshaji unabaki kabisa na taasisi ya huduma za afya.
• Uwazi na Ukaguzi: Miundo ya chanzo huria inaruhusu watafiti na madaktari uwezekano wa kukagua usanifu wa mfumo na, kwa kiasi fulani, kuelewa michakato yake ya kufanya maamuzi vizuri zaidi kuliko mifumo ya umiliki isiyo wazi. Uwazi huu unaweza kukuza uaminifu zaidi na kuwezesha utatuzi wa hitilafu au uboreshaji.

Thomas A. Buckley, mwanafunzi wa Ph.D. katika programu ya AI katika Tiba ya Harvard na mwandishi wa kwanza wa utafiti huo, alisisitiza faida hii muhimu. ‘Miundo ya chanzo huria inafungua utafiti mpya wa kisayansi kwa sababu inaweza kupelekwa katika mtandao wa hospitali yenyewe,’ alisema. Uwezo huu unaenda zaidi ya uwezekano wa kinadharia na kufungua mlango kwa matumizi ya vitendo na salama.

Zaidi ya hayo, asili ya chanzo huria inaruhusu viwango visivyo na kifani vya ubinafsishaji. Hospitali na vikundi vya utafiti sasa vinaweza kuboresha miundo hii yenye nguvu ya msingi kwa kutumia data zao maalum za wagonjwa.

• Urekebishaji Maalum kwa Idadi ya Watu: Mfumo unaweza kubadilishwa ili kuakisi vizuri zaidi demografia, magonjwa yaliyoenea, na changamoto za kipekee za kiafya za idadi maalum ya watu wa eneo au kanda inayohudumiwa na mfumo wa hospitali.
• Mpangilio wa Itifaki: Tabia ya AI inaweza kurekebishwa ili kuendana na njia maalum za utambuzi za hospitali, itifaki za matibabu, au viwango vya kuripoti.
• Matumizi Maalum: Watafiti wanaweza kuendeleza matoleo maalum sana ya mfumo yaliyolengwa kwa nyanja maalum za matibabu, kama vile usaidizi wa tafsiri ya uchambuzi wa picha za radiolojia, uchunguzi wa ripoti za patholojia, au kutambua mifumo ya magonjwa adimu.

Buckley alifafanua zaidi juu ya maana hii: ‘Watafiti sasa wanaweza kutumia AI ya kisasa ya kliniki moja kwa moja na data ya mgonjwa… Hospitali zinaweza kutumia data ya mgonjwa kuendeleza miundo maalum (kwa mfano, ili kuendana na idadi yao ya wagonjwa).’ Uwezekano huu wa zana za AI zilizoundwa maalum, zilizotengenezwa kwa usalama ndani ya nyumba, unawakilisha hatua kubwa mbele.

Muktadha: Mshtuko wa AI katika Kesi Ngumu

Uchunguzi wa timu ya Harvard kuhusu Llama 3.1 405B haukufanywa katika ombwe. Ulichochewa kwa kiasi na mawimbi yaliyoundwa na utafiti wa awali, hasa karatasi mashuhuri ya 2023. Utafiti huo ulionyesha umahiri wa kushangaza wa miundo ya GPT katika kukabiliana na baadhi ya kesi za kliniki zenye kutatanisha zaidi zilizochapishwa katika jarida la kifahari la New England Journal of Medicine (NEJM). Hizi ‘Rekodi za Kesi za Massachusetts General Hospital’ za NEJM ni maarufu katika duru za matibabu – kesi ngumu, mara nyingi zenye kutatanisha ambazo zinawapa changamoto hata madaktari wenye uzoefu.

‘Karatasi hii ilipata umakini mkubwa na kimsingi ilionyesha kuwa mfumo huu mkuu wa lugha, ChatGPT, ungeweza kwa namna fulani kutatua kesi hizi za kliniki zenye changamoto kubwa, jambo ambalo liliwashtua watu,’ Buckley alikumbuka. Wazo kwamba AI, kimsingi mashine tata ya kulinganisha mifumo iliyofunzwa kwa kiasi kikubwa cha maandishi, inaweza kufumbua mafumbo ya utambuzi ambayo mara nyingi huhitaji ufahamu wa kina wa kliniki na uzoefu lilikuwa la kuvutia na, kwa wengine, la kutisha.

‘Kesi hizi ni ngumu sana,’ Buckley aliongeza. ‘Ni baadhi ya kesi zenye changamoto kubwa zaidi zinazoonekana katika Hospitali Kuu ya Mass General, kwa hivyo zinawatisha madaktari, na inatisha vile vile wakati mfumo wa AI unaweza kufanya kitu kile kile.’ Maonyesho haya ya awali yalisisitiza uwezo ghafi wa LLMs katika tiba lakini pia yaliongeza uharaka wa kushughulikia masuala ya faragha na udhibiti yaliyo asili katika mifumo ya umiliki. Ikiwa AI ilikuwa inakuwa na uwezo huu, kuhakikisha inaweza kutumika kwa usalama na kimaadili na data halisi ya mgonjwa ikawa muhimu sana.

Kutolewa kwa mfumo wa Llama 3.1 405B wa Meta kuliwakilisha uwezekano wa mabadiliko. Ukubwa kamili wa mfumo – ulioonyeshwa na ‘405B’ yake, ikimaanisha vigezo bilioni 405 (vigeu ambavyo mfumo hurekebisha wakati wa mafunzo ili kufanya utabiri) – uliashiria kiwango kipya cha ustadi ndani ya jamii ya chanzo huria. Ukubwa huu mkubwa ulipendekeza kuwa inaweza kuwa na utata unaohitajika kushindana na utendaji wa miundo ya juu ya umiliki kama GPT-4. ‘Ilikuwa kama mara ya kwanza ambapo tulizingatia, oh, labda kuna kitu tofauti kabisa kinachotokea katika miundo ya chanzo huria,’ Buckley alibainisha, akielezea motisha ya kuweka Llama 3.1 405B kwenye jaribio katika uwanja wa matibabu.

Kupanga Mustakabali: Utafiti na Ujumuishaji katika Ulimwengu Halisi

Uthibitisho kwamba miundo ya chanzo huria yenye utendaji wa juu inawezekana kwa kazi nyeti za matibabu una athari kubwa. Kama Profesa Manrai alivyoangazia, utafiti ‘unafungua na kufungua masomo na majaribio mengi mapya.’ Uwezo wa kufanya kazi moja kwa moja na data ya mgonjwa ndani ya mitandao salama ya hospitali, bila vikwazo vya kimaadili na kimantiki vya kushiriki data nje, huondoa kikwazo kikubwa kwa utafiti wa AI ya kliniki.

Fikiria uwezekano:

• Usaidizi wa Maamuzi kwa Wakati Halisi: Zana za AI zilizounganishwa moja kwa moja kwenye mifumo ya Rekodi za Afya za Kielektroniki (EHR), zikichambua data inayoingia ya mgonjwa kwa wakati halisi ili kupendekeza utambuzi unaowezekana, kuashiria thamani muhimu za maabara, au kutambua mwingiliano unaowezekana wa dawa, yote wakati data inabaki salama ndani ya mfumo wa hospitali.
• Mizunguko ya Utafiti Iliyoharakishwa: Watafiti wanaweza kupima na kuboresha haraka dhahania za AI kwa kutumia hifadhidata kubwa za ndani, uwezekano wa kuharakisha ugunduzi wa alama mpya za utambuzi au ufanisi wa matibabu.
• Uendelezaji wa Zana Maalum Sana: Timu zinaweza kuzingatia kujenga wasaidizi wa AI kwa taaluma maalum za matibabu au taratibu maalum, ngumu, zilizofunzwa kwa data muhimu sana ya ndani.

Mtazamo unabadilika, kama Manrai alivyosema kwa ufupi: ‘Kwa miundo hii ya chanzo huria, unaweza kuleta mfumo kwenye data, kinyume na kutuma data yako kwenye mfumo.’ Ujanibishaji huu unaziwezesha taasisi za huduma za afya na watafiti, ukikuza uvumbuzi huku ukidumisha viwango vikali vya faragha.

Kipengele Muhimu cha Binadamu: AI kama Rubani Msaidizi, Sio Nahodha

Licha ya utendaji wa kuvutia na uwezekano wa kuahidi wa zana za AI kama Llama 3.1 405B, watafiti waliohusika wanaharakisha kupunguza msisimko kwa kipimo muhimu cha uhalisia. Akili bandia, haijalishi ni ya kisasa kiasi gani, bado si – na inaweza kamwe isiwe – mbadala wa madaktari wa kibinadamu. Wote Manrai na Buckley walisisitiza kuwa usimamizi wa binadamu unabaki kuwa muhimu kabisa.

Miundo ya AI, ikiwa ni pamoja na LLMs, ina mapungufu ya asili:

• Ukosefu wa Uelewa wa Kweli: Wanafanya vizuri katika utambuzi wa mifumo na usanisi wa habari kulingana na data zao za mafunzo, lakini wanakosa ufahamu halisi wa kliniki, akili ya kawaida, na uwezo wa kuelewa nuances ya muktadha wa maisha ya mgonjwa, hali ya kihisia, au ishara zisizo za maneno.
• Uwezekano wa Upendeleo: Miundo ya AI inaweza kurithi upendeleo uliopo katika data zao za mafunzo, uwezekano wa kusababisha mapendekezo au utambuzi uliopotoka, hasa kwa makundi ya wagonjwa wasio na uwakilishi wa kutosha. Miundo ya chanzo huria inatoa faida inayowezekana hapa, kwani data na michakato ya mafunzo wakati mwingine inaweza kuchunguzwa kwa karibu zaidi, lakini hatari inabaki.
• ‘Ndoto’ na Makosa: LLMs zinajulikana kwa mara kwa mara kuzalisha habari inayosikika kuwa ya kweli lakini si sahihi (kinachojulikana kama ‘hallucinations’). Katika muktadha wa matibabu, makosa kama hayo yanaweza kuwa na madhara makubwa.
• Kutoweza Kushughulikia Upya: Ingawa wanaweza kuchakata mifumo inayojulikana, AI inaweza kupata shida na maonyesho mapya kabisa ya ugonjwa au mchanganyiko wa kipekee wa dalili ambazo hazikuwakilishwa vizuri katika data zao za mafunzo.

Kwa hivyo, jukumu la madaktari na wataalamu wengine wa huduma za afya halipunguzwi bali linabadilishwa. Wanakuwa wathibitishaji muhimu, wafasiri, na wafanya maamuzi wa mwisho. ‘Washirika wetu wa kliniki wamekuwa muhimu sana, kwa sababu wanaweza kusoma kile ambacho mfumo unazalisha na kukitathmini kwa ubora,’ Buckley alielezea. Matokeo ya AI ni pendekezo tu, kipande cha data kitakachotathminiwa kwa umakini ndani ya picha pana ya kliniki. ‘Matokeo haya yanaaminika tu wakati unaweza kuyapima na madaktari.’

Manrai aliunga mkono hisia hii, akiona AI si kama mchunguzi anayejitegemea, bali kama msaidizi muhimu. Katika taarifa ya awali kwa vyombo vya habari, aliweka zana hizi kama ‘marubani wasaidizi wa thamani kubwa kwa madaktari wenye shughuli nyingi,’ mradi tu ‘zinatumiwa kwa busara na kuingizwa kwa uwajibikaji katika miundombinu ya sasa ya afya.’ Ufunguo upo katika ujumuishaji wa kufikiria, ambapo AI inaongeza uwezo wa binadamu – labda kwa kufupisha haraka historia ndefu za wagonjwa, kupendekeza utambuzi tofauti kwa kesi ngumu, au kuashiria hatari zinazowezekana – badala ya kujaribu kuchukua nafasi ya hukumu ya daktari.

‘Lakini inabaki kuwa muhimu kwamba madaktari wasaidie kuendesha juhudi hizi ili kuhakikisha AI inawafanyia kazi,’ Manrai alionya. Uendelezaji na upelekaji wa AI ya kliniki lazima uwe juhudi shirikishi, ikiongozwa na mahitaji na utaalamu wa wale walio mstari wa mbele katika utunzaji wa wagonjwa, kuhakikisha kuwa teknolojia inatumikia, badala ya kuamuru, mazoezi ya tiba. Utafiti wa Harvard unaonyesha kuwa zana zenye nguvu, salama zinapatikana; hatua muhimu inayofuata ni kuzitumia kwa uwajibikaji.