การเพิ่มขึ้นของ AI แบบ Open-Source ในการวินิจฉัยทางการแพทย์
ภาพรวมของการวินิจฉัยโรคด้วย AI นั้น ถูกครอบงำโดยโมเดล AI ที่เป็นกรรมสิทธิ์ซึ่งพัฒนาโดยยักษ์ใหญ่ด้านเทคโนโลยี เช่น OpenAI และ Google โมเดลแบบปิดเหล่านี้ แม้จะมีประสิทธิภาพ แต่ทำงานบนเซิร์ฟเวอร์ภายนอก ทำให้โรงพยาบาลและคลินิกต้องส่งข้อมูลผู้ป่วยออกนอกเครือข่ายที่ปลอดภัยของตนเอง ทำให้เกิดความกังวลเกี่ยวกับความเป็นส่วนตัวและความปลอดภัยของข้อมูล
ในทางตรงกันข้าม โมเดล AI แบบโอเพนซอร์สนำเสนอทางเลือกที่น่าสนใจ โมเดลเหล่านี้มีให้ใช้งานฟรี และที่สำคัญคือ สามารถปรับแต่งให้เหมาะสมกับความต้องการเฉพาะของสภาพแวดล้อมทางคลินิกที่หลากหลายได้ ความสามารถในการเรียกใช้โมเดลเหล่านี้บนเซิร์ฟเวอร์ภายในของโรงพยาบาลเอง ช่วยเพิ่มระดับความเป็นส่วนตัวของข้อมูลได้อย่างมาก และมีความยืดหยุ่นในการปรับ AI ให้เข้ากับข้อมูลประชากรผู้ป่วยที่เป็นเอกลักษณ์ของการปฏิบัติงานเฉพาะ อย่างไรก็ตาม อุปสรรคสำคัญในอดีตคือช่องว่างด้านประสิทธิภาพระหว่างโมเดลโอเพนซอร์สและโมเดลที่เป็นกรรมสิทธิ์ การวิจัยล่าสุดบ่งชี้ว่าช่องว่างนี้กำลังลดลงอย่างรวดเร็ว
AI แบบ Open-Source เทียบเท่าประสิทธิภาพของ GPT-4
ทีมวิจัยของ Harvard Medical School ได้ประเมิน Llama 3.1 405B ของ Meta ซึ่งเป็นโมเดล AI แบบโอเพนซอร์ส อย่างพิถีพิถัน เทียบกับ GPT-4 ที่น่าเกรงขาม การประเมินเกี่ยวข้องกับการนำโมเดลทั้งสองไปทดสอบอย่างเข้มงวด ซึ่งประกอบด้วยกรณีการวินิจฉัยที่ซับซ้อน 92 กรณีที่เคยตีพิมพ์ใน The New England Journal of Medicine ผลลัพธ์ที่ได้นั้นโดดเด่น:
- ความแม่นยำในการวินิจฉัย: Llama 3.1 ระบุการวินิจฉัยได้อย่างถูกต้องใน 70% ของกรณีที่น่าประทับใจ ซึ่งสูงกว่าอัตราความแม่นยำของ GPT-4 ที่ 64%
- ความแม่นยำของคำแนะนำอันดับต้นๆ: ใน 41% ของกรณี Llama 3.1 จัดอันดับการวินิจฉัยที่ถูกต้องเป็นคำแนะนำหลัก แซงหน้า GPT-4 ซึ่งทำได้ใน 37% ของกรณี
- ประสิทธิภาพในกรณีใหม่กว่า: เมื่อเน้นที่ชุดย่อยของกรณีล่าสุด ความแม่นยำของ Llama 3.1 แสดงให้เห็นถึงการปรับปรุงเพิ่มเติม โดยวินิจฉัยได้อย่างถูกต้อง 73% ของกรณี และวางการวินิจฉัยที่ถูกต้องไว้ที่ด้านบนสุดของคำแนะนำใน 45% ของกรณี
ผลการวิจัยเหล่านี้ชี้ให้เห็นอย่างชัดเจนว่า โมเดล AI แบบโอเพนซอร์สไม่เพียงแต่กำลังตามทัน แต่ในบางแง่มุม ยังมีประสิทธิภาพเหนือกว่าโมเดลที่เป็นกรรมสิทธิ์ชั้นนำ สิ่งนี้ทำให้แพทย์มีทางเลือกที่เป็นไปได้และอาจปลอดภัยกว่าสำหรับการวินิจฉัยโรคด้วย AI
ข้อควรพิจารณาที่สำคัญสำหรับแพทย์: AI แบบ Open-Source กับ AI ที่เป็นกรรมสิทธิ์
การเกิดขึ้นของโมเดล AI แบบโอเพนซอร์สที่มีประสิทธิภาพสูง ทำให้เกิดจุดตัดสินใจที่สำคัญสำหรับแพทย์เวชปฏิบัติทั่วไป เจ้าของสถานพยาบาล และผู้บริหาร การเลือกระหว่าง AI ที่เป็นกรรมสิทธิ์และ AI แบบโอเพนซอร์สขึ้นอยู่กับการประเมินปัจจัยสำคัญหลายประการอย่างรอบคอบ:
ความเป็นส่วนตัวและความปลอดภัยของข้อมูล: ข้อได้เปรียบที่สำคัญที่สุดของโมเดลโอเพนซอร์สคือความสามารถในการโฮสต์ภายในเครื่อง ซึ่งหมายความว่าข้อมูลผู้ป่วยที่ละเอียดอ่อนยังคงอยู่อย่างปลอดภัยภายในขอบเขตของเครือข่ายของโรงพยาบาลหรือสถานพยาบาล แทนที่จะถูกส่งไปยังเซิร์ฟเวอร์ภายนอกที่จัดการโดยผู้ให้บริการบุคคลที่สาม แนวทางที่แปลเป็นภาษาท้องถิ่นนี้ช่วยลดความเสี่ยงของการละเมิดข้อมูลได้อย่างมาก และเพิ่มการปฏิบัติตามกฎระเบียบด้านการคุ้มครองข้อมูล
การปรับแต่งและความสามารถในการปรับตัว: โมเดล AI ที่เป็นกรรมสิทธิ์มักได้รับการออกแบบให้เป็นโซลูชัน ‘หนึ่งขนาดเหมาะกับทุกคน’ แม้ว่าอาจมีความสามารถในวงกว้าง แต่ก็ขาดความยืดหยุ่นในการปรับแต่งให้เข้ากับความต้องการเฉพาะของสถานพยาบาลหรือประชากรผู้ป่วยเฉพาะ ในทางกลับกัน โมเดล AI แบบโอเพนซอร์สสามารถปรับแต่งได้โดยใช้ข้อมูลผู้ป่วยของสถานพยาบาลเอง ซึ่งช่วยให้สามารถสร้างโมเดล AI ที่มีความแม่นยำและเกี่ยวข้องกับบริบททางคลินิกเฉพาะมากขึ้น
การสนับสนุน การผสานรวม และความเชี่ยวชาญด้านเทคนิค: โมเดล AI ที่เป็นกรรมสิทธิ์มักมาพร้อมกับประโยชน์ของการสนับสนุนลูกค้าโดยเฉพาะ และการผสานรวมที่คล่องตัวกับระบบเวชระเบียนอิเล็กทรอนิกส์ (EHR) ที่มีอยู่ ซึ่งสามารถลดความซับซ้อนของกระบวนการนำไปใช้งานและให้ความช่วยเหลืออย่างต่อเนื่อง อย่างไรก็ตาม โมเดลโอเพนซอร์สต้องการความเชี่ยวชาญด้านเทคนิคภายในองค์กรเพื่อตั้งค่า บำรุงรักษา และแก้ไขปัญหา สถานพยาบาลที่พิจารณา AI แบบโอเพนซอร์สต้องประเมินความสามารถภายในของตน หรือเตรียมพร้อมที่จะลงทุนในการสนับสนุนจากภายนอก
ข้อควรพิจารณาด้านต้นทุน: แม้ว่าซอฟต์แวร์โอเพนซอร์สจะสามารถดาวน์โหลดได้ฟรี แต่ต้องพิจารณาต้นทุนทั้งหมด ต้องชั่งน้ำหนักค่าใช้จ่ายของการสนับสนุนภายใน การบำรุงรักษา และการสนับสนุนภายนอกที่อาจเกิดขึ้น กับค่าใช้จ่ายในการสมัครสมาชิกของ AI ที่เป็นกรรมสิทธิ์
การเปลี่ยนแปลงกระบวนทัศน์ในทางการแพทย์ที่ใช้ AI ช่วย
ผู้เขียนอาวุโสของการศึกษา Arjun Manrai, PhD ผู้ช่วยศาสตราจารย์ด้านชีวสารสนเทศศาสตร์ที่ Harvard Medical School เน้นย้ำถึงความสำคัญของการพัฒนานี้ “เท่าที่ทราบ นี่เป็นครั้งแรกที่โมเดล AI แบบโอเพนซอร์สมีประสิทธิภาพเทียบเท่า GPT-4 ในกรณีที่ท้าทายเช่นนี้ตามที่แพทย์ประเมิน” Manrai กล่าว “เป็นเรื่องที่น่าทึ่งจริงๆ ที่โมเดล Llama ตามทันโมเดลที่เป็นกรรมสิทธิ์ชั้นนำได้อย่างรวดเร็ว ผู้ป่วย ผู้ให้บริการดูแล และโรงพยาบาลจะได้รับประโยชน์จากการแข่งขันครั้งนี้”
การวิจัยเน้นย้ำถึงโอกาสที่เพิ่มขึ้นสำหรับสถาบันการดูแลสุขภาพและสถานพยาบาลเอกชนในการสำรวจทางเลือก AI แบบโอเพนซอร์ส ทางเลือกเหล่านี้นำเสนอความสมดุลที่น่าสนใจระหว่างความแม่นยำในการวินิจฉัย ความปลอดภัยของข้อมูล และความสามารถในการปรับแต่ง ในขณะที่โมเดลที่เป็นกรรมสิทธิ์ยังคงให้ความสะดวกและการสนับสนุนที่พร้อมใช้งาน การเพิ่มขึ้นของ AI แบบโอเพนซอร์สที่มีประสิทธิภาพสูงมีศักยภาพในการปรับเปลี่ยนรูปแบบของการแพทย์ที่ใช้ AI ช่วยในอีกไม่กี่ปีข้างหน้า
AI ในฐานะ ‘Copilot’ ไม่ใช่สิ่งทดแทน
สิ่งสำคัญคือต้องเน้นย้ำว่า ในขั้นตอนนี้ AI ควรถูกมองว่าเป็น ‘Copilot’ ที่มีค่าเพื่อช่วยเหลือแพทย์ ไม่ใช่เพื่อแทนที่การตัดสินทางคลินิกและความเชี่ยวชาญของพวกเขา เครื่องมือ AI เมื่อรวมเข้ากับโครงสร้างพื้นฐานด้านการดูแลสุขภาพที่มีอยู่อย่างมีความรับผิดชอบและรอบคอบ สามารถทำหน้าที่เป็นตัวช่วยอันล้ำค่าสำหรับแพทย์ที่ยุ่ง พวกเขาสามารถเพิ่มทั้งความแม่นยำและความเร็วในการวินิจฉัย ซึ่งนำไปสู่การดูแลผู้ป่วยที่ดีขึ้นในที่สุด
นักวิจัยเน้นย้ำถึงความสำคัญของการมีส่วนร่วมของแพทย์ในการขับเคลื่อนการนำ AI มาใช้และการพัฒนาในด้านการดูแลสุขภาพ แพทย์ต้องมีบทบาทสำคัญในการรับรองว่าเครื่องมือ AI ได้รับการออกแบบและนำไปใช้ในลักษณะที่สอดคล้องกับความต้องการของพวกเขาและสนับสนุนขั้นตอนการทำงานทางคลินิกของพวกเขา อนาคตของ AI ในทางการแพทย์ไม่ได้เกี่ยวกับการแทนที่แพทย์ แต่เกี่ยวกับการเสริมศักยภาพพวกเขาด้วยเครื่องมืออันทรงพลังเพื่อเพิ่มขีดความสามารถและปรับปรุงชีวิตของผู้ป่วย การพัฒนาอย่างต่อเนื่องของโมเดลโอเพนซอร์สจะมีส่วนช่วยให้วงการแพทย์ได้รับประโยชน์ และส่งเสริมให้แพทย์นำไปใช้มากขึ้น โดยที่แพทย์ยังคงสามารถควบคุมข้อมูลของผู้ป่วยได้