病院ではすでに患者ケアを改善するために人工知能 (AI) を導入していますが、新しい研究では、Chat GPT Plus を使用しても、通常のリソースを使用した場合と比較して医師の診断の精度が大幅に向上しないことが判明しました。
とはいえ、チャット GPT だけが両方のグループを上回っており、患者ケアの改善に依然として期待が持てることを示唆しています。しかし、医師がその可能性を活かすには、新たなテクノロジーに関するさらなるトレーニングと経験が必要になるだろうと研究者らは結論付けている。
今のところ、チャット GPT は人間の医師を置き換えるのではなく、増強するために最もよく使われている、と研究者らは述べています。
「私たちの研究は、AI だけでも診断のための効果的かつ強力なツールとなり得ることを示しています」と、バージニア大学医学部で医学生への臨床スキルの教育を監督し、この研究を共同主導するパーソンズ氏は述べました。 臨床推論研究連携。 「人間の医師をチームに加えると、効率は向上するものの、実際には診断精度が低下することに私たちは驚きました。これらの結果は、AI を最適に使用する方法について正式なトレーニングが必要であることを意味している可能性があります。」
病気診断のためのチャット GPT
人間のような応答を生成する「ラージ言語モデル」と呼ばれるチャットボットの人気が高まっており、患者の病歴を記録し、共感を持ってコミュニケーションし、さらには複雑な医療事件を解決するという素晴らしい能力を示しています。しかし、現時点では依然として人間の医師の関与が必要です。
パーソンズ氏と彼の同僚は、このハイテクツールを最も効果的に使用する方法を決定することに熱心であったため、UVA ヘルス、スタンフォード、ハーバード大学のベス イスラエル ディーコネス メディカル センターの 3 つの最先端の病院でランダム化比較試験を開始しました。
参加した医師たちは、実際の患者ケアの事例に基づいて「臨床のビネット」の診断を作成しました。これらのケーススタディには、患者の病歴、身体検査、臨床検査結果に関する詳細が含まれています。次に研究者らは結果を採点し、2 つのグループがどれくらい早く診断を下したかを調べた。
Chat GPT Plusを使用した医師の診断精度の中央値は76.3%でしたが、従来のアプローチを使用した医師の結果は73.7%でした。 Chat GPT グループのメンバーは全体的にわずかに早く診断に到達しました (565 秒と比較して 519 秒)。
研究者らは、Chat GPT Plus 単独のパフォーマンスが非常に優れており、診断精度の中央値が 92% 以上であることに驚きました。彼らは、これは研究で使用されたプロンプトを反映している可能性があり、医師がプロンプトを効果的に使用する方法に関するトレーニングから恩恵を受ける可能性が高いことを示唆していると述べています。あるいは、医療機関が事前定義されたプロンプトを購入して、臨床ワークフローや文書に実装することもできると彼らは述べています。
研究者らはまた、チャット GPT Plus は、臨床推論の他の多くの側面、特に診断や治療決定の下流への影響を判断する際に影響する現実生活ではあまりうまく機能しない可能性が高いと警告しています。彼らは、これらの分野における大規模言語モデルの能力を評価するための追加研究を奨励しており、経営上の意思決定についても同様の研究を実施している。
「AI が医療にさらに組み込まれるようになるにつれ、これらのツールをどのように活用して患者ケアと医師のエクスペリエンスを向上させることができるかを理解することが不可欠です」とパーソンズ氏は述べています。 「この研究は、臨床環境における AI とのパートナーシップを最適化するという点で、やるべきことがたくさんあることを示唆しています。」
この画期的な研究に続き、4 つの研究施設は、ヘルスケアにおける GenAI の成果をさらに評価するために、ARiSE (AI Research and Science Evaluation) と呼ばれる両沿岸 AI 評価ネットワークも立ち上げました。詳細については、 ARiSEウェブサイト。
#は従来の診断リソースよりも医師の診断リソースとして優れているのでしょうか