Искусственный интеллект и большие языковые модели (LLM) в медицине
На стыке искусственного интеллекта (ИИ) и здравоохранения появляется новый тренд — улучшение стандартных больших языковых моделей (LLM, от англ. Large Language Models) за счет высококачественных обучающих данных и специализированного программирования. Недавнее исследование, опубликованное в JAMA Network Open, показало, что усовершенствованная LLM успешно сдала все части экзамена на медицинскую лицензию в США (USMLE, United States Medical Licensing Examination), набрав баллы выше, чем большинство врачей и существующих ИИ-инструментов.
Распространение LLM в здравоохранении
Согласно опросу Statista за 2024 год, 18% работников здравоохранения используют LLM для биомедицинских исследований, а каждый пятый применяет медицинские чат-боты для ответов на вопросы пациентов.
«Повышение эффективности LLM в медицине за счет актуальных клинических знаний — ключевой шаг для их внедрения и признания», — отмечает ведущий автор исследования Питер Л. Элкин, доктор медицинских наук.
Как ИИ меняет здравоохранение?
С момента публичного запуска ChatGPT от OpenAI 30 ноября 2022 года ИИ начал стремительно трансформировать медицинскую отрасль. ChatGPT установил рекорды, набрав миллион пользователей за неделю и 100 миллионов — за два месяца. Среди известных LLM — модели от Meta (Llama), Google (BERT, Bard, Gemini, LaMDA, PaLM 2), Anthropic (Claude), Microsoft (Orca) и другие.
Где уже применяется ИИ?
Согласно отчету Future Health Index 2024, 43% больниц используют ИИ для мониторинга пациентов, 37% — для управления лекарствами и планирования лечения, 36% — в радиологии и профилактической медицине.
- Клиника Мэйо разрабатывает ИИ-модели для ранней диагностики тревожности, депрессии, рака и сердечно-сосудистых заболеваний.
- Университет Джонса Хопкинса тестирует ИИ для анализа медицинских карт и ответов пациентам.
- Mass General Brigham исследует ИИ для оценки риска злокачественных опухолей и рекомендаций по диагностике.
Насколько умны LLM на самом деле?
ИИ и машинное обучение «учатся» выявлять закономерности в данных, а не следуют жестким алгоритмам. LLM — это искусственные нейронные сети, предварительно обученные на огромных массивах информации.
Хотя LLM могут казаться разумными, их «интеллект» основан на распознавании паттернов, что скорее напоминает угадывание.
«Для максимальной пользы LLM в медицине необходимы повышенная точность и методы ее поддержания», — подчеркивают исследователи.
Как улучшить точность ИИ?
Способы повышения эффективности LLM включают:
- Увеличение объема и качества обучающих данных.
- Добавление параметров в модель.
- Использование методов инженерии промптов (prompt engineering).
Метод SCAI RAG
В новом исследовании ученые применили Retrieval-Augmented Generation (RAG) — метод обработки естественного языка, который дополняет LLM внешними знаниями. Это позволяет моделям получать актуальные данные из научных статей, медицинских репозиториев и соцсетей, а также указывать источники информации.
Также использовались семантические триплеты (структуры данных «субъект-отношение-объект») для обогащения контекста. Технология получила название SCAI (Semantic Clinical Artificial Intelligence).
Результаты исследования
Улучшенные LLM (Llama 2, Llama 3) показали высокие результаты на экзамене USMLE. Ученые считают, что в будущем ИИ станет не заменой врачей, а их помощником, и симбиоз человека и ИИ войдет в медицинскую практику.
