Хиймэл оюун ухаан нь, ердийн эмч нарын өвчтнүүдтэй харьцах чадвараас давсан ярилцлага хийх болон өвчний түүх дээр үндэслэн оношлогоо хийхэд сургагдсан талаар Nature мэдээлэв.

Google-ийн Large Language Model (LLM) дээр суурилсан чатбот нь, амьсгалын замын болон зүрх судасны өвчнийг, эмч нараас илүү нарийвчлалтай оношилдог нь тогтоогдсон бөгөөд өвчтөнүүдтэй хийсэн ярилцлагад эмпатигийн хувьд эмч нараас илүү өндөр оноо авсан байна.

Лондон дахь Google Health-ийн эмнэлзүйн судалгааны ажилтан, уг судалгааны хамтран зохиогч Алан Картикесалингам, "Хиймэл оюун ухааныг оношилгоо тогтоох ярилцлага хийх, өвчний түүхийг цуглуулах зорилгоор анх удаа маш оновчтой зохион бүтээлээ." гэж ярьсан нь, 1-р сарын 11-нд Xiv preprint repository-д хэвлэгдсэн боловч, Articulate Medical Intelligence Explorer (AMIE) нэртэй энэхүү чатбот одоогоор туршилтын шатандаа байгаа бөгөөд жинхэнэ эрүүл мэндийн асуудалтай хүмүүс дээр туршаагүй, харин өвчтэй хүмүүсийг дуурайж, бэлтгэгдсэн жүжигчидийн тусламжтай уг туршилтыг явуулсан ажээ.

Массачусетс мужийн Бостон дахь Харвардын Анагаах Ухааны Сургуулийн эмч Адам Родман, “Энэ хэрэгсэл нь ашигтай байж болох ч, өвчтөнүүдтэй харилцах эмч нарын харилцааг орлохгүй. Анагаах ухаан нь зөвхөн мэдээлэл цуглуулахаас илүү, хүмүүсийн харилцаатай холбоотой чухал зүйл. Хүний өвчний түүхийг авч, онош тавихдаа ашигладаг эмчийн чадварыг уг систем дуурайж чадах эсэхийг судлах хэдхэн оролдлого хийгдсэн. Анагаахын оюутнууд үүнийг судлахад маш их цаг зарцуулдаг. Энэ бол эмч нарт заах хамгийн чухал бөгөөд хэцүү чадваруудын нэг" гэж ярьсан байна.

Системийг туршихын тулд судлаачид, өвчтөний дүрийг бүтээхээр бэлтгэгдсэн 20 хүнийг сонгон, хүн эсвэл роботтой харьцаж байгааг хэлэхгүйгээр, онлайн зөвлөгөө авахыг хүссэн. Жүжигчид эмнэлзүйн 149 хувилбараар харилцсан бөгөөд тэд нараар AMIE болон эмч нарын ажлыг үнэлүүлжээ.

Хиймэл оюун ухааны оношилгоо, уг судалгаанд хамрагдсан зургаан мэргэжлийн эмч нарын оношилгооны нарийвчлалтай таарч, бүр давж гарсан бөгөөд эелдэг байдал, нөхцөл байдал, эмчилгээний талаархи тайлбар, үнэнч шударга байдал, анхаарал халамж, үүрэг хариуцлагыг илэрхийлэх зэрэг ярианы чанарын 26 үзүүлэлтээс 24-т нь эмч нараас илүү байсан байна.

Картикесалингам, "Энэ загвар нь, эмч нараас илүү өвчний түүх авахдаа сайн гэсэн үг биш юм. Судалгаанд хамрагдсан анхан шатны тусламж үйлчилгээний эмч нар өвчтөнүүдтэй текст чатаар харьцаж дасаагүй нь гүйцэтгэлд нь нөлөөлсөн байж магадгүй” гэж тайлбарлажээ.

Судалгааны дараагийн чухал алхам бол, боломжит гажуудлыг үнэлэхийн тулд илүү нарийвчилсан судалгаа хийх, хүн амын янз бүрийн бүлгийн иргэдэд шударга байх явдал юм. Google-ийн баг, эрүүл мэндийн бодит асуудалтай хүмүүст системийг турших ёс зүйн шаардлагуудыг судалж эхэлжээ. Сингапурын Duke-NUS Анагаах Ухааны Сургуулийн хиймэл оюун ухааны мэргэжилтэн Даниел Тинг, сургалтын өгөгдлийн багцад бага орсон арьс өнгөөр өөр хүмүүсийг ​​ялгаварлах эсэхэд системийг турших шаардлагатай гэдэгтэй санал нэг байгаагаа илэрхийлээд, "Өгөгдөл хаана хадгалагдаж, арилжааны томоохон хэлний платформ дээр хэрхэн дүн шинжилгээ хийж байгааг бид мэдэхгүй хэвээр байгаа нь зовнил дагуулдаг" гэж нэмж дурджээ.