திறந்த மூல AI மருத்துவ நோயறிதலில் தனியுரிமைகளை சமன் செய்கிறது

செயற்கை நுண்ணறிவின் (AI) இடைவிடாத முன்னேற்றம் தொழில்துறைகளை மறுவடிவமைத்து வருகிறது, மேலும் மருத்துவத் துறையை விட வேறு எங்கும் அதன் தாக்கம் அதிகமாகவோ அல்லது அதன் சாத்தியக்கூறுகள் ஆழமாகவோ இல்லை. பல ஆண்டுகளாக, மிகவும் சக்திவாய்ந்த AI மாதிரிகள், குறிப்பாக பெரிய மொழி மாதிரிகள் (LLMs), மனிதனைப் போன்ற உரையை செயலாக்கவும் உருவாக்கவும் திறன் கொண்டவை, பெரும்பாலும் தொழில்நுட்ப பெருநிறுவனங்களின் பாதுகாப்புச் சுவர்களுக்குப் பின்னால் இருந்தன. OpenAI இன் பரவலாக விவாதிக்கப்பட்ட GPT-4 போன்ற இந்த தனியுரிம அமைப்புகள், மருத்துவ நோயறிதலின் சிக்கலான துறையில் கூட குறிப்பிடத்தக்க திறனை வெளிப்படுத்தின. ஆயினும், அவற்றின் ‘கருப்புப் பெட்டி’ தன்மை மற்றும் முக்கியமான தகவல்களை வெளிப்புற சேவையகங்களுக்கு அனுப்ப வேண்டிய அவசியம், நோயாளியின் தனியுரிமை ஒரு விருப்பம் மட்டுமல்ல, கட்டாயமாக இருக்கும் சுகாதார அமைப்புகளில் பரவலான, பாதுகாப்பான பயன்பாட்டிற்கு குறிப்பிடத்தக்க தடைகளை ஏற்படுத்தியது. ஒரு முக்கியமான கேள்வி நீடித்தது: வளர்ந்து வரும் திறந்த மூல AI உலகமானது, கட்டுப்பாடு மற்றும் ரகசியத்தன்மையை சமரசம் செய்யாமல் ஒப்பிடக்கூடிய சக்தியை வழங்கி, சவாலை எதிர்கொள்ள முடியுமா?

Harvard Medical School (HMS) இன் மதிப்புமிக்க அரங்குகளில் இருந்து வெளிவரும் சமீபத்திய கண்டுபிடிப்புகள், பதில் ஒரு உறுதியான ஆம் என்று கூறுகின்றன, இது மருத்துவ சூழல்களில் AI பயன்பாட்டில் ஒரு சாத்தியமான திருப்புமுனையைக் குறிக்கிறது. ஆராய்ச்சியாளர்கள் ஒரு முன்னணி திறந்த மூல மாதிரியை அதன் உயர்மட்ட தனியுரிம đối tác உடன் கவனமாக ஒப்பிட்டுப் பார்த்தனர், இது அதிநவீன நோயறிதல் உதவிகளுக்கான அணுகலை ஜனநாயகப்படுத்தக்கூடிய முடிவுகளை வெளிக்கொணர்ந்தது.

ஒரு புதிய போட்டியாளர் நோயறிதல் அரங்கில் நுழைகிறார்

மருத்துவம் மற்றும் தொழில்நுட்ப சமூகங்கள் இரண்டின் கவனத்தையும் ஈர்த்த ஒரு ஆய்வில், HMS ஆராய்ச்சியாளர்கள் திறந்த மூல Llama 3.1 405B மாதிரியை வலிமைமிக்க GPT-4 க்கு எதிராக நிறுத்தியுள்ளனர். சோதனைக்களம் 70 சவாலான மருத்துவ வழக்கு ஆய்வுகளின் கவனமாகத் தொகுக்கப்பட்ட தொகுப்பாகும். இவை வழக்கமான காட்சிகள் அல்ல; அவை மருத்துவ நடைமுறையில் அடிக்கடி எதிர்கொள்ளும் சிக்கலான நோயறிதல் புதிர்களைப் பிரதிநிதித்துவப்படுத்தின. நோக்கம் தெளிவாக இருந்தது: ஒவ்வொரு AI மாதிரியின் நோயறிதல் திறனையும் நேருக்கு நேர் மதிப்பிடுவது.

சமீபத்தில் வெளியிடப்பட்ட முடிவுகள் குறிப்பிடத்தக்கவை. பயனர்கள் பதிவிறக்கம் செய்யவும், ஆய்வு செய்யவும் மற்றும் மாற்றியமைக்கவும் இலவசமாகக் கிடைக்கும் Llama 3.1 405B மாதிரி, GPT-4 க்கு நிகரான, சில அளவீடுகளில் அதை விடவும் அதிகமான நோயறிதல் துல்லியத்தை வெளிப்படுத்தியது. குறிப்பாக, ஒவ்வொரு மாதிரியால் வழங்கப்படும் ஆரம்ப நோயறிதல் பரிந்துரையின் சரியான தன்மையை மதிப்பிடும்போது, Llama 3.1 405B ஒரு முன்னணியைக் கொண்டிருந்தது. மேலும், வழக்கு விவரங்களைச் செயலாக்கிய பிறகு முன்மொழியப்பட்ட இறுதி நோயறிதலைக் கருத்தில் கொள்ளும்போது, திறந்த மூல போட்டியாளர் மீண்டும் நிறுவப்பட்ட அளவுகோலுக்கு எதிராக தனது திறமையை நிரூபித்தார்.

இந்த சாதனை செயல்திறனுக்காக மட்டுமல்ல, அது எதைக் குறிக்கிறது என்பதற்காகவும் முக்கியமானது. முதல் முறையாக, எளிதில் அணுகக்கூடிய, வெளிப்படையான திறந்த மூலக் கருவி, வழக்கு ஆய்வுகளின் அடிப்படையில் மருத்துவ நோயறிதலின் கோரும் பணியில் முன்னணி மூடிய மூல அமைப்புகளின் அதே உயர் மட்டத்தில் செயல்படக்கூடியது என்பதை நிரூபித்துள்ளது. ஆராய்ச்சியை மேற்பார்வையிட்ட HMS பேராசிரியர் Arjun K. Manrai ’08, செயல்திறனில் உள்ள சமநிலையை “மிகவும் குறிப்பிடத்தக்கது” என்று விவரித்தார், குறிப்பாக வரலாற்றுச் சூழலைக் கருத்தில் கொள்ளும்போது.

திறந்த மூல நன்மை: தரவு தனியுரிமை மற்றும் தனிப்பயனாக்கத்தைத் திறத்தல்

Harvard ஆய்வால் முன்னிலைப்படுத்தப்பட்ட உண்மையான கேம்-சேஞ்சர், திறந்த மூல மற்றும் தனியுரிம மாதிரிகளுக்கு இடையிலான அடிப்படை வேறுபாட்டில் உள்ளது: அணுகல் மற்றும் கட்டுப்பாடு. GPT-4 போன்ற தனியுரிம மாதிரிகள் பொதுவாக பயனர்கள் தரவை செயலாக்க வழங்குநரின் சேவையகங்களுக்கு அனுப்ப வேண்டும். சுகாதாரப் பாதுகாப்பில், இது உடனடியாக ஆபத்து சமிக்ஞைகளை எழுப்புகிறது. நோயாளியின் தகவல் - அறிகுறிகள், மருத்துவ வரலாறு, சோதனை முடிவுகள் - கற்பனை செய்யக்கூடிய மிகவும் முக்கியமான தரவுகளில் ஒன்றாகும், இது அமெரிக்காவில் HIPAA போன்ற கடுமையான விதிமுறைகளால் பாதுகாக்கப்படுகிறது. ஒரு மருத்துவமனையின் பாதுகாப்பான நெட்வொர்க்கிற்கு வெளியே இந்தத் தரவை அனுப்புவதற்கான வாய்ப்பு, மேம்பட்ட AI பகுப்பாய்வின் சாத்தியமான நன்மைக்காக கூட, ஒரு பெரிய தடையாக இருந்து வருகிறது.

Llama 3.1 405B போன்ற திறந்த மூல மாதிரிகள், இந்த இயக்கவியலை அடிப்படையில் மாற்றுகின்றன. மாதிரியின் குறியீடு மற்றும் அளவுருக்கள் பொதுவில் கிடைப்பதால், நிறுவனங்கள் அதை தங்கள் சொந்த பாதுகாப்பான உள்கட்டமைப்பிற்குள் பதிவிறக்கம் செய்து பயன்படுத்தலாம்.

• தரவு இறையாண்மை: மருத்துவமனைகள் AI ஐ முழுமையாக தங்கள் உள்ளூர் சேவையகங்கள் அல்லது தனியார் கிளவுட்களில் இயக்கலாம். நோயாளியின் தரவு ஒருபோதும் நிறுவனத்தின் பாதுகாக்கப்பட்ட சூழலை விட்டு வெளியேறத் தேவையில்லை, வெளிப்புற தரவு பரிமாற்றத்துடன் தொடர்புடைய தனியுரிமைக் கவலைகளை திறம்பட நீக்குகிறது. இந்த கருத்து பெரும்பாலும் “தரவை மாதிரிக்கு அனுப்புவதற்கு” பதிலாக “மாதிரியை தரவுக்கு கொண்டு வருதல்” என்று குறிப்பிடப்படுகிறது.
• மேம்படுத்தப்பட்ட பாதுகாப்பு: செயல்முறையை உள்ளகத்தில் வைத்திருப்பது மூன்றாம் தரப்பு AI வழங்குநர்கள் தொடர்பான சாத்தியமான தரவு மீறல்களுக்கான தாக்குதல் மேற்பரப்பை கணிசமாகக் குறைக்கிறது. செயல்பாட்டு சூழலின் மீதான கட்டுப்பாடு முழுமையாக சுகாதார நிறுவனத்திடம் உள்ளது.
• வெளிப்படைத்தன்மை மற்றும் தணிக்கைத்திறன்: திறந்த மூல மாதிரிகள் ஆராய்ச்சியாளர்கள் மற்றும் மருத்துவர்கள் மாதிரியின் கட்டமைப்பை ஆய்வு செய்யவும், ஓரளவிற்கு, அதன் முடிவெடுக்கும் செயல்முறைகளை ஒளிபுகா தனியுரிம அமைப்புகளை விட சிறப்பாகப் புரிந்துகொள்ளவும் அனுமதிக்கின்றன. இந்த வெளிப்படைத்தன்மை அதிக நம்பிக்கையை வளர்க்கவும், பிழைத்திருத்தம் அல்லது செம்மைப்படுத்தலை எளிதாக்கவும் முடியும்.

Harvard இன் AI in Medicine திட்டத்தில் Ph.D. மாணவரும், ஆய்வின் முதல் ஆசிரியருமான Thomas A. Buckley, இந்த முக்கியமான நன்மையை வலியுறுத்தினார். “திறந்த மூல மாதிரிகள் புதிய அறிவியல் ஆராய்ச்சியைத் திறக்கின்றன, ஏனெனில் அவை ஒரு மருத்துவமனையின் சொந்த நெட்வொர்க்கில் பயன்படுத்தப்படலாம்,” என்று அவர் கூறினார். இந்த திறன் கோட்பாட்டு சாத்தியக்கூறுகளுக்கு அப்பால் சென்று நடைமுறை, பாதுகாப்பான பயன்பாட்டிற்கான கதவைத் திறக்கிறது.

மேலும், திறந்த மூல இயல்பு முன்னோடியில்லாத அளவிலான தனிப்பயனாக்கத்தை அனுமதிக்கிறது. மருத்துவமனைகள் மற்றும் ஆராய்ச்சி குழுக்கள் இப்போது இந்த சக்திவாய்ந்த அடிப்படை மாதிரிகளை தங்கள் சொந்த குறிப்பிட்ட நோயாளி தரவைப் பயன்படுத்தி நன்றாகச் சரிசெய்யலாம்.

• மக்கள்தொகை-குறிப்பிட்ட சரிசெய்தல்: ஒரு மருத்துவமனை அமைப்பால் சேவை செய்யப்படும் ஒரு குறிப்பிட்ட உள்ளூர் அல்லது பிராந்திய மக்கள்தொகையின் புள்ளிவிவரங்கள், பரவலான நோய்கள் மற்றும் தனித்துவமான சுகாதார சவால்களை சிறப்பாகப் பிரதிபலிக்கும் வகையில் ஒரு மாதிரி மாற்றியமைக்கப்படலாம்.
• நெறிமுறை சீரமைப்பு: ஒரு மருத்துவமனையின் குறிப்பிட்ட நோயறிதல் பாதைகள், சிகிச்சை நெறிமுறைகள் அல்லது அறிக்கையிடல் தரங்களுடன் சீரமைக்க AI நடத்தை சரிசெய்யப்படலாம்.
• சிறப்புப் பயன்பாடுகள்: கதிரியக்கப் பட பகுப்பாய்வு விளக்கம் ஆதரவு, நோயியல் அறிக்கை திரையிடல் அல்லது அரிதான நோய் வடிவங்களைக் கண்டறிதல் போன்ற குறிப்பிட்ட மருத்துவ களங்களுக்கு ஏற்றவாறு மாதிரியின் மிகவும் சிறப்பு வாய்ந்த பதிப்புகளை ஆராய்ச்சியாளர்கள் உருவாக்கலாம்.

Buckley இந்த தாக்கத்தை விவரித்தார்: “ஆராய்ச்சியாளர்கள் இப்போது அதிநவீன மருத்துவ AI ஐ நேரடியாக நோயாளி தரவுகளுடன் பயன்படுத்தலாம்… மருத்துவமனைகள் நோயாளி தரவைப் பயன்படுத்தி தனிப்பயன் மாதிரிகளை உருவாக்கலாம் (உதாரணமாக, தங்கள் சொந்த நோயாளி மக்கள்தொகையுடன் சீரமைக்க).” பாதுகாப்பாக உள்ளகத்தில் உருவாக்கப்பட்ட இந்த தனிப்பயனாக்கப்பட்ட AI கருவிகளுக்கான சாத்தியம், ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது.

சூழல்: சிக்கலான வழக்குகளில் AI இன் அதிர்ச்சி அலை

Llama 3.1 405B மீதான Harvard குழுவின் விசாரணை ஒரு வெற்றிடத்தில் நடத்தப்படவில்லை. இது முந்தைய ஆராய்ச்சிகளால், குறிப்பாக ஒரு குறிப்பிடத்தக்க 2023 கட்டுரையால் உருவாக்கப்பட்ட சிற்றலைகளால் ஓரளவு ஈர்க்கப்பட்டது. அந்த ஆய்வு, மதிப்புமிக்க New England Journal of Medicine (NEJM) இல் வெளியிடப்பட்ட சில மிகவும் குழப்பமான மருத்துவ வழக்குகளைச் சமாளிப்பதில் GPT மாதிரிகளின் ஆச்சரியமான திறமையைக் காட்டியது. இந்த NEJM “Case Records of the Massachusetts General Hospital” மருத்துவ வட்டாரங்களில் புகழ்பெற்றவை - சிக்கலான, பெரும்பாலும் குழப்பமான வழக்குகள், அனுபவம் வாய்ந்த மருத்துவர்களையும் சவால் செய்கின்றன.

“இந்தக் கட்டுரை மிகுந்த கவனத்தைப் பெற்றது மற்றும் அடிப்படையில் இந்த பெரிய மொழி மாதிரி, ChatGPT, இந்த நம்பமுடியாத சவாலான மருத்துவ வழக்குகளை எப்படியோ தீர்க்க முடியும் என்பதைக் காட்டியது, இது மக்களை அதிர்ச்சிக்குள்ளாக்கியது,” என்று Buckley நினைவு கூர்ந்தார். ஒரு AI, அடிப்படையில் பரந்த அளவிலான உரையில் பயிற்சி பெற்ற ஒரு சிக்கலான மாதிரி-பொருந்தும் இயந்திரம், பெரும்பாலும் ஆழமான மருத்துவ உள்ளுணர்வு மற்றும் அனுபவம் தேவைப்படும் நோயறிதல் மர்மங்களை அவிழ்க்க முடியும் என்ற எண்ணம் கவர்ச்சிகரமானதாகவும், சிலருக்கு, அமைதியற்றதாகவும் இருந்தது.

“இந்த வழக்குகள் மிகவும் கடினமானவை,” என்று Buckley மேலும் கூறினார். “அவை Mass General Hospital இல் காணப்பட்ட மிகவும் சவாலான சில வழக்குகள், எனவே அவை மருத்துவர்களுக்கு பயமாக இருக்கின்றன, மேலும் ஒரு AI மாதிரி அதே காரியத்தைச் செய்ய முடியும் என்பது சமமாக பயமாக இருக்கிறது.” இந்த முந்தைய செயல்விளக்கம் மருத்துவத்தில் LLM களின் மூல சாத்தியத்தை அடிக்கோடிட்டுக் காட்டியது, ஆனால் தனியுரிம அமைப்புகளில் உள்ளார்ந்த தனியுரிமை மற்றும் கட்டுப்பாட்டு சிக்கல்களைத் தீர்ப்பதன் அவசரத்தையும் பெருக்கியது. AI இவ்வளவு திறமையானதாக மாறினால், உண்மையான நோயாளி தரவுகளுடன் பாதுகாப்பாகவும் நெறிமுறையாகவும் பயன்படுத்த முடியும் என்பதை உறுதி செய்வது மிக முக்கியமானது.

Meta இன் Llama 3.1 405B மாதிரியின் வெளியீடு ஒரு சாத்தியமான திருப்புமுனையைக் குறித்தது. மாதிரியின் அளவு - அதன் “405B” ஆல் குறிக்கப்படுகிறது, இது 405 பில்லியன் அளவுருக்களைக் குறிக்கிறது (மாதிரி கணிப்புகளைச் செய்ய பயிற்சியின் போது சரிசெய்யும் மாறிகள்) - திறந்த மூல சமூகத்திற்குள் ஒரு புதிய அளவிலான நுட்பத்தைக் குறித்தது. இந்த பாரிய அளவு, GPT-4 போன்ற உயர்மட்ட தனியுரிம மாதிரிகளின் செயல்திறனைப் போட்டியிடத் தேவையான சிக்கலைக் கொண்டிருக்கக்கூடும் என்று பரிந்துரைத்தது. “திறந்த மூல மாதிரிகளில் உண்மையில் வேறுபட்ட ஒன்று நடக்கிறது என்று நாங்கள் கருதியது இதுவே முதல் முறை,” என்று Buckley குறிப்பிட்டார், Llama 3.1 405B ஐ மருத்துவத் துறையில் சோதனைக்கு உட்படுத்துவதற்கான உந்துதலை விளக்கினார்.

எதிர்காலத்தை வரைபடமாக்குதல்: ஆராய்ச்சி மற்றும் நிஜ உலக ஒருங்கிணைப்பு

உயர் செயல்திறன் கொண்ட திறந்த மூல மாதிரிகள் முக்கியமான மருத்துவப் பணிகளுக்கு சாத்தியமானவை என்ற உறுதிப்படுத்தல் ஆழ்ந்த தாக்கங்களைக் கொண்டுள்ளது. பேராசிரியர் Manrai முன்னிலைப்படுத்தியபடி, ஆராய்ச்சி “நிறைய புதிய ஆய்வுகள் மற்றும் சோதனைகளைத் திறக்கிறது மற்றும் திறக்கிறது.” பாதுகாப்பான மருத்துவமனை நெட்வொர்க்குகளுக்குள் நோயாளி தரவுகளுடன் நேரடியாகப் பணியாற்றும் திறன், வெளிப்புற தரவுப் பகிர்வின் நெறிமுறை மற்றும் தளவாடத் தடைகள் இல்லாமல், மருத்துவ AI ஆராய்ச்சிக்கான ஒரு பெரிய தடையை நீக்குகிறது.

சாத்தியக்கூறுகளை கற்பனை செய்து பாருங்கள்:

• நிகழ்நேர முடிவு ஆதரவு: மின்னணு சுகாதார பதிவு (EHR) அமைப்புகளில் நேரடியாக ஒருங்கிணைக்கப்பட்ட AI கருவிகள், உள்வரும் நோயாளி தரவை நிகழ்நேரத்தில் பகுப்பாய்வு செய்து சாத்தியமான நோயறிதல்களைப் பரிந்துரைக்கின்றன, முக்கியமான ஆய்வக மதிப்புகளைக் கொடியிடுகின்றன, அல்லது சாத்தியமான மருந்து தொடர்புகளை அடையாளம் காண்கின்றன, இவை அனைத்தும் தரவு மருத்துவமனையின் அமைப்பிற்குள் பாதுகாப்பாக இருக்கும்போது.
• துரிதப்படுத்தப்பட்ட ஆராய்ச்சி சுழற்சிகள்: ஆராய்ச்சியாளர்கள் பெரிய, உள்ளூர் தரவுத்தொகுப்புகளைப் பயன்படுத்தி AI கருதுகோள்களை விரைவாகச் சோதித்துச் செம்மைப்படுத்தலாம், இது புதிய நோயறிதல் குறிப்பான்கள் அல்லது சிகிச்சை செயல்திறன்களின் கண்டுபிடிப்பை விரைவுபடுத்தும்.
• மிகவும் சிறப்பு வாய்ந்த கருவிகளின் வளர்ச்சி: குழுக்கள் முக்கிய மருத்துவ சிறப்புகள் அல்லது குறிப்பிட்ட, சிக்கலான நடைமுறைகளுக்கான AI உதவியாளர்களை உருவாக்குவதில் கவனம் செலுத்தலாம், அவை மிகவும் பொருத்தமான உள் தரவுகளில் பயிற்சி பெற்றவை.

Manrai சுருக்கமாகக் கூறியது போல் முன்னுதாரணம் மாறுகிறது: “இந்த திறந்த மூல மாதிரிகள் மூலம், உங்கள் தரவை மாதிரிக்கு அனுப்புவதற்கு மாறாக, மாதிரியை தரவுக்கு கொண்டு வரலாம்.” இந்த உள்ளூர்மயமாக்கல் சுகாதார நிறுவனங்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கு அதிகாரம் அளிக்கிறது, கடுமையான தனியுரிமைத் தரங்களைக் கடைப்பிடிக்கும்போது புதுமைகளை வளர்க்கிறது.

இன்றியமையாத மனித உறுப்பு: AI துணை விமானியாக, கேப்டனாக அல்ல

Llama 3.1 405B போன்ற AI கருவிகளின் ஈர்க்கக்கூடிய செயல்திறன் மற்றும் நம்பிக்கைக்குரிய சாத்தியக்கூறுகள் இருந்தபோதிலும், சம்பந்தப்பட்ட ஆராய்ச்சியாளர்கள் யதார்த்தத்தின் ஒரு முக்கியமான டோஸ் மூலம் உற்சாகத்தைத் தணிக்க விரைவாக உள்ளனர். செயற்கை நுண்ணறிவு, எவ்வளவு நுட்பமானதாக இருந்தாலும், இன்னும் மனித மருத்துவர்களுக்கு மாற்றாக இல்லை - ஒருபோதும் இருக்காது. Manrai மற்றும் Buckley இருவரும் மனித மேற்பார்வை முற்றிலும் அவசியம் என்பதை வலியுறுத்தினர்.

LLM கள் உட்பட AI மாதிரிகள் உள்ளார்ந்த வரம்புகளைக் கொண்டுள்ளன:

• உண்மையான புரிதல் இல்லாமை: அவை பயிற்சித் தரவுகளின் அடிப்படையில் மாதிரி அங்கீகாரம் மற்றும் தகவல் தொகுப்பில் சிறந்து விளங்குகின்றன, ஆனால் அவற்றுக்கு உண்மையான மருத்துவ உள்ளுணர்வு, பொது அறிவு மற்றும் நோயாளியின் வாழ்க்கைச் சூழல், உணர்ச்சி நிலை அல்லது சொற்களற்ற குறிப்புகளின் நுணுக்கங்களைப் புரிந்துகொள்ளும் திறன் இல்லை.
• சார்புக்கான சாத்தியம்: AI மாதிரிகள் அவற்றின் பயிற்சித் தரவுகளில் இருக்கும் சார்புகளைப் பெறலாம், இது குறிப்பாக குறைவான பிரதிநிதித்துவம் கொண்ட நோயாளி குழுக்களுக்கு, சிதைந்த பரிந்துரைகள் அல்லது நோயறிதல்களுக்கு வழிவகுக்கும். திறந்த மூல மாதிரிகள் இங்கே ஒரு சாத்தியமான நன்மையை வழங்குகின்றன, ஏனெனில் பயிற்சித் தரவு மற்றும் செயல்முறைகள் சில நேரங்களில் மிகவும் உன்னிப்பாக ஆராயப்படலாம், ஆனால் ஆபத்து உள்ளது.
• “மாயத்தோற்றங்கள்” மற்றும் பிழைகள்: LLM கள் எப்போதாவது நம்பத்தகுந்ததாகத் தோன்றும் ஆனால் தவறான தகவல்களை (“மாயத்தோற்றங்கள்” என்று அழைக்கப்படுபவை) உருவாக்குவதாக அறியப்படுகிறது. மருத்துவச் சூழலில், இத்தகைய பிழைகள் கடுமையான விளைவுகளை ஏற்படுத்தும்.
• புதுமையைக் கையாள இயலாமை: அறியப்பட்ட வடிவங்களைச் செயலாக்க முடிந்தாலும், AI ஆனது நோயின் உண்மையான புதுமையான விளக்கக்காட்சிகள் அல்லது அவற்றின் பயிற்சித் தரவுகளில் நன்கு குறிப்பிடப்படாத அறிகுறிகளின் தனித்துவமான சேர்க்கைகளுடன் போராடக்கூடும்.

எனவே, மருத்துவர்கள் மற்றும் பிற சுகாதார நிபுணர்களின் பங்கு குறைக்கப்படவில்லை, மாறாக மாற்றப்படுகிறது. அவர்கள் முக்கியமான சரிபார்ப்பவர்கள், மொழிபெயர்ப்பாளர்கள் மற்றும் இறுதி முடிவெடுப்பவர்கள் ஆகிறார்கள். “எங்கள் மருத்துவ ஒத்துழைப்பாளர்கள் மிகவும் முக்கியமானவர்கள், ஏனென்றால் அவர்கள் மாதிரி உருவாக்குவதைப் படித்து அதைத் தரமான முறையில் மதிப்பிட முடியும்,” என்று Buckley விளக்கினார். AI இன் வெளியீடு ஒரு பரிந்துரை மட்டுமே, பரந்த மருத்துவப் படத்தில் விமர்சன ரீதியாக மதிப்பீடு செய்யப்பட வேண்டிய ஒரு தரவுத் துண்டு. “இந்த முடிவுகள் மருத்துவர்களால் மதிப்பிடப்படும்போது மட்டுமே நம்பகமானவை.”

Manrai இந்த உணர்வை எதிரொலித்தார், AI ஐ ஒரு தன்னாட்சி நோயறிபவராக அல்ல, மாறாக ஒரு மதிப்புமிக்க உதவியாளராகக் கற்பனை செய்தார். முந்தைய செய்திக்குறிப்பில், அவர் இந்த கருவிகளை “பிஸியான மருத்துவர்களுக்கு விலைமதிப்பற்ற துணை விமானிகளாக” வடிவமைத்தார், அவை “புத்திசாலித்தனமாகப் பயன்படுத்தப்பட்டு தற்போதைய சுகாதார உள்கட்டமைப்பில் பொறுப்புடன் இணைக்கப்பட்டால்.” முக்கியமானது சிந்தனைமிக்க ஒருங்கிணைப்பில் உள்ளது, அங்கு AI மனித திறன்களை அதிகரிக்கிறது - ஒருவேளை பரந்த நோயாளி வரலாறுகளை விரைவாகச் சுருக்கமாகக் கூறுவதன் மூலம், சிக்கலான வழக்குகளுக்கு வேறுபட்ட நோயறிதல்களைப் பரிந்துரைப்பதன் மூலம், அல்லது சாத்தியமான அபாயங்களைக் கொடியிடுவதன் மூலம் - மருத்துவரின் தீர்ப்பை மாற்றுவதற்கு முயற்சிப்பதை விட.

“ஆனால் AI அவர்களுக்காக வேலை செய்வதை உறுதிசெய்ய மருத்துவர்கள் இந்த முயற்சிகளை இயக்க உதவுவது முக்கியம்,” என்று Manrai எச்சரித்தார். மருத்துவ AI இன் வளர்ச்சி மற்றும் வரிசைப்படுத்தல் ஒரு கூட்டு முயற்சியாக இருக்க வேண்டும், இது நோயாளி பராமரிப்பின் முன் வரிசையில் உள்ளவர்களின் தேவைகள் மற்றும் நிபுணத்துவத்தால் வழிநடத்தப்பட வேண்டும், தொழில்நுட்பம் மருத்துவ நடைமுறையை ஆணையிடுவதற்குப் பதிலாக சேவை செய்வதை உறுதி செய்கிறது. Harvard ஆய்வு சக்திவாய்ந்த, பாதுகாப்பான கருவிகள் கிடைக்கின்றன என்பதைக் காட்டுகிறது; அடுத்த முக்கியமான படி அவற்றை பொறுப்புடன் பயன்படுத்துவதாகும்.