การพัฒนาอย่างรวดเร็วของแบบจำลองภาษาขนาดใหญ่ (LLMs) ได้เปิดโอกาสใหม่ ๆ ที่น่าตื่นเต้นสำหรับการเปลี่ยนแปลงการศึกษาทางการแพทย์ โดยการใช้ประโยชน์จากพลังของเครื่องมือ AI เหล่านี้ เราสามารถสร้างแหล่งข้อมูลทางการศึกษาที่เป็นนวัตกรรมใหม่ และให้แพทย์ที่กำลังฝึกอบรมสามารถเข้าถึงความรู้และสื่อการเรียนรู้ได้อย่างที่ไม่เคยมีมาก่อน แนวทางนี้เรียกว่า “การศึกษาแบบสังเคราะห์” (Synthetic Education) ซึ่งใช้ประโยชน์จาก LLMs เพื่อสร้างเนื้อหาใหม่ที่ปรับให้เหมาะกับความต้องการเฉพาะของบุคลากรทางการแพทย์
ในการศึกษาล่าสุด เราได้สำรวจศักยภาพของ LLMs ในการศึกษาด้านผิวหนัง โดยใช้ GPT-4 ของ OpenAI เพื่อสร้างสถานการณ์ทางคลินิก (Clinical Vignettes) สำหรับโรคผิวหนังและเนื้อเยื่ออ่อน 20 ชนิดที่มักจะทดสอบในการสอบใบอนุญาตประกอบวิชาชีพเวชกรรมแห่งสหรัฐอเมริกา (USMLE) สถานการณ์เหล่านี้ ซึ่งนำเสนอสถานการณ์ผู้ป่วยที่สมจริง ได้รับการประเมินโดยผู้เชี่ยวชาญทางการแพทย์ในด้านความถูกต้อง ความครอบคลุม คุณภาพ ศักยภาพในการก่อให้เกิดอันตราย และอคติทางประชากร
ผลการศึกษาของเราเป็นที่น่าพอใจอย่างมาก ผู้เชี่ยวชาญทางการแพทย์ให้คะแนนสถานการณ์เหล่านี้ในระดับสูงในด้านความถูกต้องทางวิทยาศาสตร์ (4.45/5) ความครอบคลุม (4.3/5) และคุณภาพโดยรวม (4.28/5) ในขณะเดียวกันก็ให้คะแนนต่ำในด้านศักยภาพในการก่อให้เกิดอันตรายทางคลินิก (1.6/5) และอคติทางประชากร (1.52/5) นอกจากนี้ เรายังสังเกตเห็นความสัมพันธ์ที่แข็งแกร่ง (r = 0.83) ระหว่างความครอบคลุมและคุณภาพโดยรวม ซึ่งบ่งชี้ว่าสถานการณ์ที่ละเอียดและรอบด้านเป็นสิ่งจำเป็นสำหรับการศึกษาทางการแพทย์ที่มีประสิทธิภาพ อย่างไรก็ตาม เรายังสังเกตด้วยว่าสถานการณ์เหล่านี้ขาดความหลากหลายทางประชากรอย่างมีนัยสำคัญ ซึ่งเน้นให้เห็นถึงประเด็นที่ต้องปรับปรุงในการทำซ้ำในอนาคต
โดยรวมแล้ว การศึกษาของเราแสดงให้เห็นถึงศักยภาพอันยิ่งใหญ่ของ LLMs ในการเพิ่มความสามารถในการปรับขนาด การเข้าถึง และการปรับแต่งสื่อการศึกษาด้านผิวหนัง โดยการแก้ไขข้อจำกัดที่เราได้ระบุ เช่น ความต้องการความหลากหลายทางประชากรที่มากขึ้น เราสามารถปรับปรุงเครื่องมือที่ขับเคลื่อนด้วย AI เหล่านี้ให้ดียิ่งขึ้น และปลดล็อกศักยภาพสูงสุดของพวกเขาในการปฏิวัติการศึกษาทางการแพทย์
การเพิ่มขึ้นของ LLMs ในการศึกษาทางการแพทย์
สาขาการศึกษาทางการแพทย์มีการพัฒนาอย่างต่อเนื่อง โดยปรับตัวให้เข้ากับความต้องการที่เปลี่ยนแปลงไปของนักศึกษาแพทย์และแพทย์ประจำบ้านรุ่นใหม่ เมื่อเทคโนโลยีก้าวหน้าอย่างต่อเนื่อง แพทย์ที่มุ่งมั่นเหล่านี้จึงได้รับการเปิดเผยต่อเครื่องมือดิจิทัลที่หลากหลาย ซึ่งสามารถเสริมสร้างการเรียนรู้ของพวกเขาได้ ในบรรดาเทคโนโลยีเหล่านี้ แบบจำลองภาษาขนาดใหญ่ (LLMs) ได้กลายเป็นพื้นที่ที่ promising เป็นพิเศษ โดยได้รับความสนใจจากพลังการประมวลผลที่โดดเด่น
LLMs เป็นแบบจำลองการเรียนรู้ของเครื่องประเภทหนึ่งที่ได้รับการฝึกฝนจากข้อมูลข้อความจำนวนมหาศาลจากแหล่งต่าง ๆ การฝึกอบรมที่ครอบคลุมนี้ช่วยให้พวกเขาสามารถทำงานเฉพาะทางได้อย่างมาก โดยการสังเคราะห์และประยุกต์ใช้ข้อมูลเชิงลึกโดยรวมที่รวบรวมได้จากชุดข้อมูลขนาดใหญ่ที่พวกเขาประมวลผล แม้จะไม่มีการฝึกอบรมอย่างชัดเจนในด้านการแพทย์ แต่แบบจำลองทั่วไป เช่น GPT ของ OpenAI ได้แสดงให้เห็นถึงประสิทธิภาพที่น่าประทับใจในการตั้งค่าทางคลินิก ซึ่งบ่งบอกถึงศักยภาพอันยิ่งใหญ่ของ LLMs ในด้านการแพทย์
การปลดปล่อยศักยภาพของการศึกษาแบบสังเคราะห์
LLMs นำเสนอประโยชน์ที่ไม่เคยมีมาก่อนในการศึกษาทางการแพทย์ เนื่องจากความสามารถในการสร้างเนื้อหาใหม่ได้อย่างรวดเร็วและมีประสิทธิภาพ แม้ว่าจะมีผู้สนใจจำนวนมากในการนำ LLMs ไปใช้กับงานด้านการศึกษาทางการแพทย์ต่าง ๆ แต่มีการวิจัยที่จำกัดเกี่ยวกับวิธีการที่โครงการริเริ่มด้านการศึกษาที่นำโดย LLM ทำงานในสถานการณ์จริง การประยุกต์ใช้ LLMs ที่ promising เป็นพิเศษแต่ยังไม่ได้รับการสำรวจในสาขานี้คือการสร้างสถานการณ์ทางคลินิก (Clinical Vignettes)
สถานการณ์ทางคลินิกเป็นองค์ประกอบสำคัญของการศึกษาทางการแพทย์สมัยใหม่ ซึ่งเป็นส่วนสำคัญของทั้งคำถาม USMLE และการสอนตามกรณีศึกษาก่อนคลินิก สถานการณ์เหล่านี้ใส่ความรู้ทางการแพทย์ในบริบทโดยนำเสนอสถานการณ์ที่ใช้ได้จริงซึ่งประเมินการใช้เหตุผลเชิงวินิจฉัย การจัดลำดับความสำคัญของกลยุทธ์การจัดการ และความเข้าใจในปัจจัยทางจิตสังคมของนักเรียน โดยการจำลองการปฏิบัติทางการแพทย์ที่ซับซ้อนและแตกต่างกัน สถานการณ์เหล่านี้ให้การฝึกอบรมที่มีคุณค่าสำหรับแพทย์ในอนาคต
ตามเนื้อผ้า สถานการณ์ทางคลินิกมีที่มาจากสมาคมวิชาชีพ สื่อภายในองค์กรที่สร้างโดยคณาจารย์ หรือธนาคารคำถามที่มีจำหน่ายในเชิงพาณิชย์ อย่างไรก็ตาม การสร้างสถานการณ์เหล่านี้เป็นกระบวนการที่ต้องใช้แรงงานมาก ซึ่งต้องใช้ข้อมูลจำนวนมากจากแพทย์ที่มีประสบการณ์ แม้ว่าแหล่งข้อมูลเหล่านี้จะให้การควบคุมคุณภาพในระดับหนึ่ง แต่การเข้าถึงและปริมาณของสื่อเหล่านี้อาจแตกต่างกันอย่างมากในแต่ละสถาบันและภูมิหลังทางเศรษฐกิจและสังคมของนักเรียน นอกจากนี้ การมีสถานการณ์ที่จำกัดทำให้เกิดความกังวลเกี่ยวกับการทำซ้ำคำถามทดสอบในการบริหาร USMLE
การปฏิวัติการศึกษาด้านผิวหนังด้วย LLMs
แม้ว่าการสอนทางการแพทย์ในด้านผิวหนังจะอาศัยการประเมินด้วยสายตาเป็นอย่างมาก แต่การนำเสนอทางคลินิกแบบองค์รวมที่ใส่กระบวนการของโรคในบริบทก็มีความสำคัญอย่างเท่าเทียมกัน การสอบมาตรฐาน เช่น USMLE มักจะใช้สถานการณ์ที่เป็นข้อความเพื่อประเมินความรู้เกี่ยวกับพยาธิสภาพของผิวหนังและเนื้อเยื่ออ่อน นอกจากนี้ คำศัพท์เฉพาะที่ใช้ในการอธิบายรอยโรคที่ผิวหนังเป็นสิ่งจำเป็นสำหรับการวินิจฉัยและการรักษาโรคผิวหนังที่ถูกต้อง
LLMs มอบโอกาสพิเศษในการขยายความพร้อมใช้งานของสถานการณ์ที่เป็นข้อความสำหรับภาวะผิวหนังทั่วไปในการศึกษาทางการแพทย์ LLMs สำเร็จรูปในปัจจุบัน เช่น GPT มอบความยืดหยุ่นในการขยายสถานการณ์ทางคลินิกเริ่มต้น โดยปรับให้เข้ากับความต้องการส่วนบุคคลของนักเรียนเมื่อพวกเขาถามคำถามเพิ่มเติม ในการศึกษาของเรา เราได้ประเมินความเป็นไปได้ในการใช้ GPT 4.0 ซึ่งเป็นแบบจำลองพื้นฐานที่เปิดเผยต่อสาธารณชนล่าสุดของ OpenAI เพื่อสร้างสถานการณ์ทางคลินิกคุณภาพสูงเพื่อวัตถุประสงค์ทางการศึกษาทางการแพทย์
การประเมินประสิทธิภาพของ GPT-4
เพื่อประเมินประสิทธิภาพของ GPT-4 ในการสร้างสถานการณ์ทางคลินิก เรามุ่งเน้นไปที่โรคผิวหนังและเนื้อเยื่ออ่อน 20 ชนิดที่มักจะทดสอบในการสอบ USMLE Step 2 CK เรากระตุ้นให้แบบจำลองสร้างสถานการณ์ทางคลินิกโดยละเอียดสำหรับแต่ละสภาวะ รวมถึงคำอธิบายของการวินิจฉัยที่เป็นไปได้มากที่สุดและเหตุผลที่การวินิจฉัยทางเลือกอื่น ๆ มีความเป็นไปได้น้อยกว่า จากนั้นสถานการณ์เหล่านี้ได้รับการประเมินโดยคณะผู้เชี่ยวชาญทางการแพทย์โดยใช้มาตราส่วน Likert เพื่อประเมินความถูกต้องทางวิทยาศาสตร์ ความครอบคลุม คุณภาพโดยรวม ศักยภาพในการก่อให้เกิดอันตรายทางคลินิก และอคติทางประชากร
ลักษณะเฉพาะของสถานการณ์
การวิเคราะห์สถานการณ์ทางคลินิก 20 รายการของเราเผยให้เห็นลักษณะเฉพาะที่สำคัญหลายประการ:
ข้อมูลประชากรของผู้ป่วย: สถานการณ์ดังกล่าวมีผู้ป่วยชาย 15 รายและผู้ป่วยหญิง 5 ราย โดยมีอายุเฉลี่ยของผู้ป่วยอยู่ที่ 25 ปี มีการระบุเชื้อชาติสำหรับผู้ป่วยเพียง 4 ราย (3 รายเป็นคนผิวขาว 1 รายเป็นคนแอฟริกันอเมริกัน) มีการใช้ชื่อทั่วไปสำหรับผู้ป่วย 3 ราย ในขณะที่สถานการณ์ที่เหลือไม่ได้ใส่ชื่อ
จำนวนคำ: จำนวนคำเฉลี่ยสำหรับผลลัพธ์ของแบบจำลองคือ 332.68 โดยมีความเบี่ยงเบนมาตรฐาน 42.75 คำ ส่วนของสถานการณ์ทางคลินิกมีค่าเฉลี่ย 145.79 คำ (SD = 26.97) ในขณะที่คำอธิบายมีค่าเฉลี่ย 184.89 คำ (SD = 49.70) โดยเฉลี่ยแล้ว คำอธิบายจะยาวกว่าสถานการณ์ที่เกี่ยวข้อง โดยมีอัตราส่วนความยาวสถานการณ์ต่อคำอธิบายอยู่ที่ 0.85 (SD = 0.30)
การให้คะแนนของแพทย์
การให้คะแนนของผู้เชี่ยวชาญทางการแพทย์บ่งชี้ถึงระดับการสอดคล้องกับฉันทามติทางวิทยาศาสตร์ในระดับสูง (ค่าเฉลี่ย = 4.45, 95% CI: 4.28-4.62) ความครอบคลุม (ค่าเฉลี่ย = 4.3, 95% CI: 4.11-4.89) และคุณภาพโดยรวม (ค่าเฉลี่ย = 4.28, 95% CI: 4.10-4.47) การให้คะแนนยังบ่งชี้ถึงความเสี่ยงต่ำต่ออันตรายทางคลินิก (ค่าเฉลี่ย = 1.6, 95% CI: 1.38-1.81) และอคติทางประชากร (ค่าเฉลี่ย = 1.52, 95% CI: 1.31-1.72) การให้คะแนนที่ต่ำอย่างต่อเนื่องสำหรับอคติทางประชากรบ่งชี้ว่าผู้ให้คะแนนที่เป็นแพทย์ไม่พบรูปแบบที่สำคัญของการเป็นแบบแผนหรือการแสดงประชากรผู้ป่วยที่บิดเบือนไปอย่างไม่สมส่วน
การวิเคราะห์สหสัมพันธ์
เพื่อประเมินความสัมพันธ์ระหว่างเกณฑ์การประเมินที่แตกต่างกัน เราได้คำนวณค่าสัมประสิทธิ์สหสัมพันธ์ Pearson เราพบว่าการสอดคล้องกับฉันทามติทางวิทยาศาสตร์มีความสัมพันธ์ปานกลางกับความครอบคลุม (r = 0.67) และคุณภาพโดยรวม (r = 0.68) ความครอบคลุมและคุณภาพโดยรวมแสดงให้เห็นถึงความสัมพันธ์ที่แข็งแกร่ง (r = 0.83) ในขณะที่ความเป็นไปได้ของอันตรายทางคลินิกและอคติทางประชากรมีความสัมพันธ์กันอย่างอ่อนแอ (r = 0.22)
ผลกระทบต่อการศึกษาทางการแพทย์
ผลการศึกษาของเรามีผลกระทบอย่างมีนัยสำคัญต่อการศึกษาทางการแพทย์ โดยเฉพาะอย่างยิ่งในบริบทของการตรวจสอบการสอบทางการแพทย์ที่เป็นมาตรฐานที่เพิ่มขึ้น ความต้องการสื่อการศึกษาคุณภาพสูงที่สามารถใช้สำหรับการประเมิน เช่น USMLE มีความสำคัญมากกว่าที่เคย อย่างไรก็ตาม วิธีการดั้งเดิมในการสร้างคำถามใหม่นั้นต้องใช้ทรัพยากรมาก โดยต้องใช้แพทย์ที่มีประสบการณ์ในการเขียนสถานการณ์ทางคลินิกและการบริหารการทดสอบหลายครั้งเพื่อประเมินความสามารถในการทั่วไป ดังนั้นวิธีการใหม่ในการพัฒนาสถานการณ์ทางคลินิกที่ไม่ซ้ำกันจำนวนมากจึงเป็นที่ต้องการอย่างมาก
การศึกษาของเราให้หลักฐานที่ promising ว่าแบบจำลองภาษาขนาดใหญ่ เช่น GPT-4 สามารถใช้เป็นแหล่ง “การศึกษาทางการแพทย์แบบสังเคราะห์” (Synthetic Medical Education) โดยนำเสนอแหล่งข้อมูลทางการศึกษาที่เข้าถึงได้ ปรับแต่งได้ และปรับขนาดได้ เราได้แสดงให้เห็นว่า GPT-4 มีความรู้ทางคลินิกโดยธรรมชาติ ซึ่งขยายไปถึงการสร้างคำอธิบายผู้ป่วยที่เป็นตัวแทนและถูกต้อง การวิเคราะห์ของเราเผยให้เห็นว่าสถานการณ์ที่สร้างโดย GPT-4 สำหรับโรคที่ทดสอบในส่วนผิวหนังและเนื้อเยื่ออ่อนของการสอบ USMLE Step 2 CK มีความถูกต้องสูง ซึ่งบ่งชี้ว่า LLMs อาจถูกใช้ในการออกแบบสถานการณ์สำหรับการสอบทางการแพทย์ที่เป็นมาตรฐาน
การให้คะแนนที่สูงสำหรับฉันทามติทางวิทยาศาสตร์ ความครอบคลุม และคุณภาพโดยรวม ควบคู่ไปกับการให้คะแนนที่ต่ำสำหรับศักยภาพในการก่อให้เกิดอันตรายทางคลินิกและอคติทางประชากร สนับสนุนความเป็นไปได้ในการใช้ LLMs เพื่อจุดประสงค์นี้เพิ่มเติม ความสัมพันธ์ทางสถิติที่แข็งแกร่งระหว่างความครอบคลุมของสถานการณ์และคุณภาพโดยรวมเน้นย้ำถึงความสำคัญของการนำเสนอกรณีที่ละเอียดและสมบูรณ์ในการศึกษาทางการแพทย์ และแสดงให้เห็นถึงความสามารถของ LLMs ในการจัดหาสถานการณ์ที่เกี่ยวข้องตามบริบทและสมบูรณ์สำหรับการใช้เหตุผลทางคลินิก
ความยาวเฉลี่ยของสถานการณ์ (145.79 ± 26.97 คำ) อยู่ในขอบเขตของความยาวสถานการณ์ USMLE อย่างดี ทำให้ผู้สอบมีเวลาประมาณ 90 วินาทีในการตอบแต่ละคำถาม การรวมคำอธิบายที่ยาวขึ้นควบคู่ไปกับสถานการณ์แสดงให้เห็นถึงความสามารถของ LLMs ในการสร้างไม่เพียงแค่คำอธิบายผู้ป่วยเท่านั้น แต่ยังรวมถึงสื่อการสอนที่เป็นประโยชน์อีกด้วย
การแก้ไขข้อจำกัดและทิศทางในอนาคต
แม้ว่าการศึกษาของเราจะแสดงให้เห็นถึงศักยภาพของ LLMs ในการสร้างสถานการณ์ทางคลินิกคุณภาพสูง แต่เรายังได้ระบุข้อจำกัดหลายประการที่ต้องแก้ไขในการวิจัยในอนาคต ข้อกังวลที่สำคัญอย่างหนึ่งคือความหลากหลายที่จำกัดในข้อมูลประชากรของผู้ป่วย โดยมีผู้ป่วยชายเป็นส่วนใหญ่และขาดความหลากหลายทางเชื้อชาติ เพื่อให้มั่นใจว่านักศึกษาแพทย์ได้รับการเตรียมพร้อมอย่างเพียงพอในการให้บริการแก่ประชากรผู้ป่วยที่หลากหลาย การรวมความพยายามอย่างมีสติมากขึ้นเพื่อรวมการเป็นตัวแทนของผู้ป่วยที่หลากหลายไว้ในการออกแบบข้อความแจ้งและชุดข้อมูลการฝึกอบรมแบบจำลองจึงเป็นสิ่งสำคัญ การศึกษาในอนาคตควรตรวจสอบแหล่งที่มาและการแสดงออกของอคติที่เป็นระบบในผลลัพธ์ของแบบจำลองด้วย
ข้อจำกัดอีกประการหนึ่งของการศึกษาของเราคือองค์ประกอบของคณะกรรมการให้คะแนนผู้เชี่ยวชาญของเรา ซึ่งรวมถึงแพทย์ผิวหนังเพียงหนึ่งคนควบคู่ไปกับแพทย์ประจำบ้านสองคนจากอายุรศาสตร์และการแพทย์ฉุกเฉิน แม้ว่าผู้ให้คะแนนที่ไม่ใช่แพทย์ผิวหนังจะวินิจฉัยและจัดการภาวะผิวหนังทั่วไปในความเชี่ยวชาญของตนเป็นประจำ แต่ความเชี่ยวชาญของพวกเขาอาจไม่ครอบคลุมโรคผิวหนังอย่างเต็มรูปแบบ การศึกษาในอนาคตจะได้รับประโยชน์จากสัดส่วนที่มากขึ้นของแพทย์ผิวหนังเพื่อให้แน่ใจว่ามีการประเมินกรณีที่สร้างโดย AI ที่มีความเชี่ยวชาญมากขึ้น
แม้จะมีข้อจำกัดเหล่านี้ แต่งานของเราให้หลักฐานที่น่าสนใจว่า LLMs สำเร็จรูป เช่น GPT-4 มีศักยภาพอย่างมากสำหรับการสร้างสถานการณ์ทางคลินิกเพื่อวัตถุประสงค์ในการสอบมาตรฐานและการสอน LLMs ที่เหมาะสมกับวัตถุประสงค์ซึ่งได้รับการฝึกฝนจากชุดข้อมูลที่เฉพาะเจาะจงมากขึ้นอาจเพิ่มขีดความสามารถเหล่านี้ให้ดียิ่งขึ้นไปอีก ความถูกต้องและประสิทธิภาพสูงของ “การศึกษาแบบสังเคราะห์” (Synthetic Education) นำเสนอวิธีแก้ปัญหาที่ promising สำหรับข้อจำกัดในปัจจุบันในวิธีการดั้งเดิมในการสร้างสื่อการศึกษาทางการแพทย์