
Τεχνητή νοημοσύνη της Google ξεπέρασε τους γιατρούς στην ερμηνεία ιατρικών εικόνων
Νέο μοντέλο της Google αναλύει φωτογραφίες καιι ατρικές εξετάσεις για να προσφέρει ακριβείς διαγνώσεις.
Μια αναβαθμισμένη βερσιόν του chatbot Gemini της Google ξεπέρασε τους γιατρούς στη διάγνωση ασθενειών μέσω της ερμηνείας εικόνων, όπως ηλεκτροκαρδιογραφήματα και αρχεία PDF με ιατρικές εξετάσεις.
Το σύστημα τεχνητής νοημοσύνης (ΑΙ), με την ονομασία AMIE, μπορεί επίσης να διαγιγνώσκει δερματικές αλλοιώσεις όπως το έκζεμα σε εικόνες τραβηγμένες με κινητό τηλέφωνο, αναφέρουν οι ερευνητές του εργαστηρίου DeepMind της Google.
Η μελέτη τους αναρτήθηκε ως προδημοσίευση στο αποθετήριο arXiv και δεν έχει υποβληθεί ακόμα σε ανεξάρτητο έλεγχο.
Η ανάπτυξη συστημάτων που συνδυάζουν εικόνες με άλλες πηγές κλινικής πληροφορίας «μας φέρνει πιο κοντά στους βοηθούς ΑΙ που μιμούνται πώς σκέφτεται ένας κλινικός γιατρός» σχολίασε στο περιοδικό Nature η Ελένη Λινού, διευθύντρια του Κέντρου Ψηφιακής Υγείας στο Πανεπιστήμιο Στάνφορντ της Καλιφόρνια.
Για τη δοκιμή του συστήματος, 25 ηθοποιοί που υποδύονταν τους ασθενείς εξετάστηκαν προφορικά από το chatbot και έναν γιατρό πρωτοβάθμιας υγείας και παρέδωσαν επίσης αρχεία ιατρικών εξετάσεων. Οι προσομοιώσεις κάλυψαν συνολικά 105 ιατρικά σενάρια.
Έπειτα από κάθε συνεδρία, τόσο το AMIE όσο και ο γιατρός που συμμετείχε έδιναν μια διάγνωση και ένα θεραπευτικό πλάνο. Οι επιδόσεις τους αξιολογήθηκαν από μια ομάδα 18 ειδικών στη δερματολογία, την καρδιολογία και την εσωτερική παθολογία, οι οποίοι εξέτασαν τους διαλόγους με τους ασθενείς και τις εκθέσεις που υποβλήθηκαν για κάθε υποθετικό ασθενή.
Σε γενικές γραμμές, αναφέρουν οι ερευνητές της DeepMind, το AMIE πέτυχε μεγαλύτερη διαγνωστική ακρίβεια από ό,τι οι γιατροί και ήταν καλύτερο στην ερμηνεία εικόνων χαμηλής ανάλυσης.
Το AMIE βασίζεται στο μεγάλο γλωσσικό μοντέλο Gemini 2.0 Flash της Google, το οποίο έχει την ικανότητα να αναλύει εικόνες. Δύο επιπλέον αλγόριθμοι τού έδωσαν δυνατότητες κλινικής συλλογιστικής και διαγνωστικών συνεντεύξεων.
Είναι μια διαφορετική προσέγγιση σε σχέση με προηγούμενες προσπάθειες της ερευνητικής ομάδας, οι οποίες αφορούσαν την επανεκπαίδευση του μοντέλου με σετ εξειδικευμένων ιατρικών δεδομένων.
Η νέα προσέγγιση «είναι πολύ φθηνότερη» είπε ο Ριουτάρο Τάνο της DeepMind, μέλος της ομάδας, η οποία πάντως δεν αποκάλυψε λεπτομέρειες για τον κώδικα του συστήματος ή τις οδηγίες που του δόθηκαν.
Τα αποτελέσματα είναι ενθαρρυντικά, ωστόσο οι προσομοιώσεις δεν μπορούν να μιμηθούν την πολυπλοκότητα της αλληλεπίδρασης των ανθρώπινων γιατρών με τους ασθενείς τους, σχολίασε η Λινού του Στάνφορντ.
Η αξιοποίηση τέτοιων συστημάτων σε πραγματικές συνθήκες θα είναι μεγάλη πρόκληση, συμφώνησε η Σουεγιάν Μέι, ειδικός της ΑΙ στη Σχολή Ιατρικής Icahn στο Mount Sinai της Νέας Υόρκης.
«Παρόλα αυτά», πρόσθεσε, «πιστεύουμε ότι τα μεγάλα γλωσσικά μοντέλα είναι η κατεύθυνση στην οποία θα κινηθούν οι διαγνώσεις στο μέλλον».
- Λίβανος: Συνέλαβαν άτομο που φέρεται να είναι ο ηγέτης του Ισλαμικού Κράτους στη χώρα
- Ο Νετανιάχου απειλεί το Ιράν με νέες επιθέσεις εάν συνεχίσει το πρόγραμμα πυρηνικής ενέργειας
- ΝΑΤΟ: Η Βρετανία αποκτά εκ νέου αεροπορικά μέσα «πυρηνικής αποτροπής» με την αγορά 12 F-35
- Ο MSCI ανοίγει παράθυρο αναβάθμισης του Χρηματιστηρίου Αθηνών σε αναπτυγμένη αγορά
- Ιράν: Οι βομβαρδισμοί των ΗΠΑ είχαν περιορισμένα αποτελέσματα, αποκαλύπτουν ΜΜΕ
Ακολουθήστε το in.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις