開源 AI 在醫療診斷領域的崛起
一直以來，AI 輔助診斷領域主要由 OpenAI 和 Google 等科技巨頭開發的專有 AI 模型主導。這些閉源模型雖然功能強大，但都在外部伺服器上運行。這意味著醫院和臨床醫生必須將患者數據傳輸到其安全網絡之外，引發了對數據隱私和安全的擔憂。
相比之下，開源 AI 模型提供了一個引人注目的替代方案。這些模型可以免費使用，最重要的是，可以根據不同臨床環境的特定需求進行定制。由於這些模型可以在醫院自己的內部伺服器上運行，因此大大提高了數據隱私水平，並可以靈活地調整 AI 以適應特定診所的獨特患者群體。然而，過去開源模型和專有模型之間存在著顯著的性能差距。最近的研究表明，這一差距正在迅速縮小。
開源 AI 媲美 GPT-4 的性能
哈佛醫學院的研究團隊仔細評估了 Meta 的 Llama 3.1 405B（一種開源 AI 模型）與強大的 GPT-4 的性能。評估包括讓這兩個模型接受一項嚴格的測試，測試內容包括先前發表在 The New England Journal of Medicine 上的 92 個複雜診斷病例。結果令人震驚：
- 診斷準確性： Llama 3.1 在 70% 的病例中正確識別出診斷結果，超過了 GPT-4 的 64% 準確率。
- 首選建議準確性： 在 41% 的病例中，Llama 3.1 將正確診斷列為其主要建議，略勝於 GPT-4（在 37% 的病例中實現）。
- 對較新病例的表現： 當專注於較新病例的子集時，Llama 3.1 的準確性進一步提高，正確診斷出 73% 的病例，並在 45% 的情況下將正確診斷置於其建議的首位。
這些發現強烈表明，開源 AI 模型不僅在追趕，而且在某些方面超越了領先的專有模型。這為醫生提供了一個可行且可能更安全的 AI 輔助診斷替代方案。
醫生需考慮的關鍵因素：開源與專有 AI
高性能開源 AI 模型的出現為基層醫療醫生、診所所有者和管理者帶來了一個關鍵的決策點。選擇專有 AI 還是開源 AI 取決於對幾個關鍵因素的仔細評估：
數據隱私和安全： 開源模型最顯著的優勢或許是它們能夠在本地託管。這意味著敏感的患者信息可以安全地保留在醫院或診所的網絡範圍內，而不是傳輸到由第三方提供商管理的外部伺服器。這種本地化方法顯著降低了數據洩露的風險，並增強了對數據保護法規的遵從性。
定制和適應性： 專有 AI 模型通常被設計為’一體適用’的解決方案。雖然它們可能提供廣泛的功能，但它們缺乏針對特定診所或患者群體的特定需求進行微調的靈活性。另一方面，開源 AI 模型可以使用診所自己的患者數據進行定制。這允許創建更準確且與特定臨床環境相關的 AI 模型。
支持、整合和技術專業知識： 專有 AI 模型通常具有專門的客戶支持和與現有電子健康記錄 (EHR) 系統的簡化整合的優勢。這可以簡化實施過程並提供持續的協助。然而，開源模型需要內部的技術專業知識來設置、維護和排除故障。考慮使用開源 AI 的診所必須評估其內部能力，或準備投資於外部支持。
成本考量： 雖然開源軟體可以免費下載，但必須考慮總成本。 內部支持、維護和潛在外部支持的費用必須與專有 AI 的訂閱成本進行權衡。
AI 輔助醫療的典範轉移
該研究的資深作者、哈佛醫學院生物醫學信息學助理教授 Arjun Manrai 博士強調了這一發展的重要性。Manrai 說：’據我們所知，這是開源 AI 模型首次在如此具有挑戰性的病例上與 GPT-4 的表現相媲美，並由醫生進行評估。’ ‘Llama 模型如此迅速地趕上了領先的專有模型，這真是令人震驚。患者、護理提供者和醫院都將從這場競爭中受益。’
該研究強調了醫療機構和私人診所探索開源 AI 替代方案的日益增長的機會。這些替代方案在診斷準確性、數據安全性和定制能力之間提供了引人注目的平衡。雖然專有模型繼續提供便利性和現成的支持，但高性能開源 AI 的興起有可能在未來幾年重塑 AI 輔助醫療的格局。
AI 作為’副駕駛’，而非替代品
必須強調的是，在現階段，AI 應被視為協助醫生的寶貴’副駕駛’，而不是取代他們的臨床判斷和專業知識。AI 工具在負責任地、周到地整合到現有醫療保健基礎設施中時，可以作為忙碌的臨床醫生的寶貴助手。它們可以提高診斷的準確性和速度，最終改善患者護理。
研究人員強調了醫生參與推動 AI 在醫療保健領域的採用和發展的重要性。醫生必須在確保 AI 工具的設計和實施方式符合其需求並支持其臨床工作流程方面發揮核心作用。AI 在醫學領域的未來不是要取代醫生，而是要為他們提供強大的工具來增強他們的能力並改善患者的生活。開源模型的持續進步只會有利於醫學領域，並鼓勵尋求保持對患者數據控制權的醫生更廣泛地採用。