Sa mabilis na umuusbong na mundo ng medikal na teknolohiya, ang artificial intelligence (AI) ay lumitaw bilang isang kontrobersyal ngunit maaasahang tool. Ang paggamit ng AI sa mga kumplikadong sitwasyong medikal ay nagdulot ng malaking debate sa mga propesyonal sa pangangalagang pangkalusugan. Ang isang kamakailang pag-aaral na nagtutuklas sa kakayahan ng AI na tumulong sa klinikal na paggawa ng desisyon ay nagdala sa talakayang ito sa mas matalas na pagtutok.
Isinagawa ng mga mananaliksik sa Mass General Brigham, sinuri ng pag-aaral ang pagganap ng OpenAI's Chat sa pag-diagnose ng mga kondisyong medikal batay sa mga pag-aaral sa kaso ng textbook. Nakapagtataka, nakamit ng Chat ang 72% na rate ng tagumpay sa klinikal na pagdedesisyon, na nagsasaad ng potensyal nito bilang pansuportang tool sa medikal na pagsusuri.
Habang ang mga sistema ng pangangalagang pangkalusugan sa buong mundo ay nakikipaglaban sa pagtaas ng mga gastos at pagiging kumplikado, ang AI ay maaaring mag-alok ng isang solusyon upang mapabuti ang kahusayan at katumpakan sa mga diagnostic. Sa pagkalkula ng pangangalagang pangkalusugan para sa humigit-kumulang 18% ng GDP ng US noong 2021, halos doble ang average na rate sa mga advanced na ekonomiya, kitang-kita ang pangangailangan para sa mas mabisang pamamaraan ng diagnostic. Maaaring baguhin ng mga tool ng AI tulad ng Chat ang sektor ng pangangalagang pangkalusugan, na ginagawang mas mabilis, mas tumpak, at matipid ang mga diagnostic.
Ang pag-aaral ay isa sa mga unang nagsuri sa mga kakayahan ng malalaking modelo ng wika sa malawak na spectrum ng klinikal na pangangalaga. Sinuri ang pagganap ng Chat mula sa unang pakikipag-ugnayan ng pasyente hanggang sa pamamahala sa pangangalaga pagkatapos ng diagnosis. Nagpakita ang modelo ng AI ng 77% rate ng tagumpay sa panghuling diagnosis ngunit may mas mababang rate ng tagumpay na 60% pagdating sa differential diagnosis, na kinabibilangan ng pag-unawa sa lahat ng posibleng kundisyon na maaaring ipahiwatig ng isang hanay ng mga sintomas.
Bagama't nangangako ang mga resulta, mahalagang tandaan na ang pagiging epektibo ng mga aplikasyon ng AI sa mga klinikal na setting ng totoong mundo ay maaaring mag-iba nang malaki mula sa mga kontroladong kapaligiran ng pananaliksik. Ipinapangatuwiran ng mga kritiko na maraming pag-aaral ng AI ang hindi batay sa aktwal na mga klinikal na pangangailangan at kadalasang nakaligtaan ang mga praktikal na hamon ng pagpapatupad ng AI sa mga setting ng pangangalaga sa kalusugan sa totoong mundo, tulad ng mga panganib sa malpractice.
Marc Succi, executive director sa Mass General Brigham's innovation incubator at co-author ng ulat, kinikilala ang puwang na ito. Itinuturo niya na habang ang AI ay nagpapakita ng malaking potensyal sa maagang yugto ng pangangalaga ng pasyente kapag ang impormasyon ay limitado, kailangan nito ng mga makabuluhang pagpapabuti sa differential diagnosis bago ito ganap na maisama sa sistema ng pangangalagang pangkalusugan.
Inihalintulad ni Succi ang mga kasalukuyang kakayahan ng Chat sa mga kakayahan ng isang bagong nagtapos na doktor. Gayunpaman, nang walang itinatag na mga benchmark para sa mga rate ng tagumpay sa mga doktor sa iba't ibang antas ng seniority, mahirap i-quantify ang halaga na idinaragdag ng AI sa trabaho ng isang doktor.
Sa hinaharap, nananawagan ang Succi para sa higit pang benchmark na pananaliksik, gabay sa regulasyon, at mga pagpapahusay sa mga rate ng tagumpay ng diagnostic. Ito, naniniwala siya, ay mahalaga para sa pagpapadali sa pag-deploy ng mga modelo ng AI tulad ng Chat sa mga ospital. Ang papel ng AI sa pangangalagang pangkalusugan ay umuunlad pa rin, at habang kapansin-pansin ang mga nagawa ng Chat, malinaw na nasa simula pa lamang tayo ng pag-unawa kung paano magagamit ang AI upang baguhin ang pangangalagang pangkalusugan.