來源：https://www.nature.com/articles/d41586-024-00099-4
經(jīng)過訓(xùn)練進(jìn)行醫(yī)學(xué)訪談的人工智能系統(tǒng)在與模擬患者交談和根據(jù)患者病史列出可能的診斷方面的表現(xiàn)與人類醫(yī)生的表現(xiàn)相匹配，甚至超過了人類醫(yī)生的水平。
該聊天機(jī)器人基于谷歌開發(fā)的大型語言模型(LLM)，在診斷呼吸和心血管疾病等方面比委員會(huì)認(rèn)證的初級(jí)保健醫(yī)生更準(zhǔn)確。與人類醫(yī)生相比，它在醫(yī)學(xué)訪談中獲得了相似數(shù)量的信息，并且在同理心方面排名更高。
“據(jù)我們所知，這是對(duì)話式人工智能系統(tǒng)首次被優(yōu)化設(shè)計(jì)用于診斷對(duì)話和獲取臨床病史，”倫敦谷歌健康公司的臨床研究科學(xué)家Alan Karthikesalingam說，他也是該研究的合著者，該研究于1月11日發(fā)表在arXiv預(yù)印本庫中。它尚未經(jīng)過同行評(píng)審。
這款聊天機(jī)器人被稱為“清晰醫(yī)學(xué)智能探索者”(AMIE)，目前仍處于純實(shí)驗(yàn)階段。它還沒有在有真正健康問題的人身上進(jìn)行測(cè)試，只在受過訓(xùn)練的演員身上進(jìn)行了測(cè)試。Karthikesalingam說：“我們希望以謹(jǐn)慎和謙遜的態(tài)度來解釋結(jié)果?！薄?/p>
盡管聊天機(jī)器人遠(yuǎn)未用于臨床護(hù)理，但作者認(rèn)為，它最終可能在醫(yī)療保健民主化方面發(fā)揮作用。馬薩諸塞州波士頓哈佛醫(yī)學(xué)院的內(nèi)科醫(yī)師Adam Rodman說，該工具可能會(huì)有所幫助，但不應(yīng)該取代與醫(yī)生的互動(dòng)。他說：“醫(yī)學(xué)不僅僅是收集信息，而是關(guān)乎人際關(guān)系?！薄?/p>
很少有人試圖利用LLM進(jìn)行醫(yī)學(xué)研究，探討這些系統(tǒng)是否可以模仿醫(yī)生記錄一個(gè)人的病史并利用其進(jìn)行診斷的能力。羅德曼說，醫(yī)學(xué)生為了做到這一點(diǎn)，花了很多時(shí)間進(jìn)行訓(xùn)練?！斑@是向醫(yī)生灌輸?shù)淖钪匾彩亲罾щy的技能之一?！?/p>
加州山景城谷歌健康的人工智能研究科學(xué)家、該研究的合著者Vivek Natarajan表示，開發(fā)人員面臨的一個(gè)挑戰(zhàn)是缺乏可用作訓(xùn)練數(shù)據(jù)的真實(shí)世界醫(yī)學(xué)對(duì)話。為了應(yīng)對(duì)這一挑戰(zhàn)，研究人員為聊天機(jī)器人設(shè)計(jì)了一種訓(xùn)練自己“對(duì)話”的方法。
研究人員利用現(xiàn)有的真實(shí)世界數(shù)據(jù)集，如電子健康記錄和轉(zhuǎn)錄的醫(yī)療對(duì)話，對(duì)基本LLM進(jìn)行了第一輪微調(diào)。為了進(jìn)一步訓(xùn)練該模型，研究人員促使LLM扮演一個(gè)患有特定疾病的人的角色，以及一個(gè)富有同情心的臨床醫(yī)生的角色，目的是了解這個(gè)人的病史并設(shè)計(jì)潛在的診斷。
該團(tuán)隊(duì)還要求該模型再扮演一個(gè)角色：一個(gè)評(píng)論家，他評(píng)估醫(yī)生與被治療者的互動(dòng)，并就如何改善這種互動(dòng)提供反饋。這種批評(píng)被用來進(jìn)一步訓(xùn)練LLM并產(chǎn)生改進(jìn)的對(duì)話。
為了測(cè)試該系統(tǒng)，研究人員招募了20名受過模擬患者培訓(xùn)的人，并讓他們與AMIE和20名委員會(huì)認(rèn)證的臨床醫(yī)生進(jìn)行在線文本咨詢。他們沒有被告知是在和人類聊天還是在和機(jī)器人聊天。
參與者模擬了149個(gè)臨床場(chǎng)景，然后被要求評(píng)估他們的經(jīng)驗(yàn)。一組專家還對(duì)AMIE和醫(yī)生的表現(xiàn)進(jìn)行了評(píng)級(jí)。
人工智能系統(tǒng)在所測(cè)試的所有六個(gè)醫(yī)學(xué)專業(yè)中都達(dá)到或超過了醫(yī)生的診斷準(zhǔn)確性。該機(jī)器人在26項(xiàng)談話質(zhì)量標(biāo)準(zhǔn)中的24項(xiàng)方面優(yōu)于醫(yī)生，包括禮貌、解釋病情和治療、給人的印象誠(chéng)實(shí)以及表達(dá)關(guān)心和承諾。
Karthikesalingam說：“這絕不意味著語言模型在獲取臨床病史方面比醫(yī)生更好?！?。他指出，研究中的初級(jí)保健醫(yī)生可能不習(xí)慣通過基于文本的聊天與患者互動(dòng)，這可能會(huì)影響他們的表現(xiàn)。
Karthikesalingam說，相比之下，LLM有一個(gè)不公平的優(yōu)勢(shì)，那就是能夠快速寫出長(zhǎng)而結(jié)構(gòu)優(yōu)美的答案，讓它能夠始終如一地考慮問題而不感到疲憊。
他說，這項(xiàng)研究的下一個(gè)重要步驟是進(jìn)行更詳細(xì)的研究，以評(píng)估潛在的偏見，并確保該系統(tǒng)在不同人群中是公平的。谷歌團(tuán)隊(duì)也開始研究在有真正醫(yī)療問題的人身上測(cè)試該系統(tǒng)的道德要求。
新加坡杜克大學(xué)-新加坡國(guó)立大學(xué)醫(yī)學(xué)院的臨床醫(yī)生人工智能科學(xué)家Daniel Ting同意，為了確保算法不會(huì)懲罰訓(xùn)練數(shù)據(jù)集中沒有很好代表性的種族群體，調(diào)查系統(tǒng)的偏見至關(guān)重要。
Ting說，聊天機(jī)器人用戶的隱私也是需要考慮的一個(gè)重要方面。他說：“對(duì)于目前許多商業(yè)大型語言模型平臺(tái)，我們?nèi)匀徊淮_定數(shù)據(jù)存儲(chǔ)在哪里以及如何分析?！薄?/p>
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
