Лікарі більше не потрібні? Як штучний інтелект Google може зробити революцію в медицині

Що відомо про Med-PaLM?

Серед розробників мовної моделі є представники британської ЩІ-компанії DeepMind, 一 тепер підрозділу Google, викупленого у 2014-му більш ніж за $500 млн .

Каліфорнійська корпорація також залучила до створення Med-PaLM вчених-медиків та практикуючих лікарів. Препринт результатів дослідження про роботу системи опублікували на порталі arXiv.org.

«Неймовірна нова стаття від Google про медицину та штучний інтелект: лікарі вважають, що чат-бот Google дає від 92,6% до 92,9% правильний відповідей на поширені медичні питання «, 一 прокоментував результати дослідження у себе в Twitter доцент Уортонської школи Пенсільванського університету Ітан Моллік.

Med-PaLM об'єднує один із найпопулярніших в інтернеті наборів даних про медичні питання HealthSearchQA з шістьма іншими наборами даних, які містять відповіді на відкриті питання, професійні медичні огляди, дослідження та запити користувачів.

«MedPaLM відповідає на запитання з кількома варіантами відповідей, вклюно з питаннями від медпрацівників та непрофесіоналів. Ці набори даних отримані з відкритих цифрових систем MedQA, MedMCQA, PubMedQA, LiveQA, MedicationQA та MMLU», 一 пише редактор Interesting Engineering Лукія Пападопулос.

Важливим результатом дослідження став показник у 5,8% відповідей MedPaLM, які можна розглядати як такі, що «потенційно сприяють негативним наслідкам». А реальні медпрацівники, які брали участь в опитуванні, дали 6,5% подібних потенційно небезпечних відповідей на найпопулярніші медичні питання.

Тому у спільноті ШІ-розробників знову обговорюють, чи означає це, що розумний чат-бот Med-PaLM може інформувати людей ефективніше та безпечніше, ніж професійні фахівці. І чи стане технологія повноцінним допоміжним інструментом для медиків.

За словами колишнього топ-менеджера IBM Сергія Карелова, досягнення машинним інтелектом рівня фахівця-профі ніяк не наближає нас до AGI (Artificial general intelligence або «сильний» ШІ).

«Med-PaLM 1 це інтелект, в основі якого лежить механізм „глибокого навчання 2.0“ ( навчання базових моделей); це зовсім інший тип інтелекту, що не передбачає наявності розуму та свідомості (як у людей); це інтелект, який у процесі його вдосконалення здатний перевершувати людський, але чим далі досконалішим він стає一 тим далі він відштовхується від людського», 一 пояснює Карелов.

IT-підприємець упевнений, що Med-PaLM допоможе медпрацівникам отримувати доступ до якісної інформації «швидше і точніше, ніж будь-коли раніше».

Схожі розробки

Навіть Med-PaLM 一 це вдосконалена версія базової мовної моделі Google PaLM, представлена на початку 2022-го.

Тоді представники корпорації заявили, що цей ШІ має 540 млрд параметрів і він перевершив усі існуючі мовні моделі за більшістю показників. PaLM навчали за допомогою 6144 нейронних процесорів Google TPU на платформі паралельних обчислень Pathways.

Дані для навчання включали набори англійських та багатомовних текстів сайтів, книг, статей Wikipedia, чатів та відкритих вихідних програмних кодів із платформ на кшталт GitHub.

«Ми сподіваємося, що наше нове дослідження стане причиною подальшої співпраці між пацієнтами, дослідниками ШІ, докторами, соціологами, фахівцями з етики, політиками та іншими зацікавленими людьми, щоб відповідально використати ці ранні результати для покращення охорони здоров’я», 一 говорили автори нової роботи про Med -PaLM.

У 2019 році інженери Google також надали свої обчислювальні інструменти для масштабного дослідження про глибоке навчання ШІ визначати рак легень на основі аналізу даних комп’ютерної томографії. Експериментальна система тоді змогла досягти точності більш ніж у 94%, проаналізувавши дані майже 7000 пацієнтів.

«Ми використовуємо великі набори даних для навчання, даємо ШІ певні уроки та завдання, щоб він міг почати дізнаватися для себе, що таке рак, і що буде чи не буде раком у майбутньому. Пізніше ми проводимо підсумковий іспит за даними, яких ШІ ніколи не бачив після того. В результаті ШІ склав цей іспит на п’ятірку», 一 говорив проектний менеджер Google Даніель Цзе.

Враховуючи, що у різних країнах пацієнти в середньому отримують близько 30% помилково-негативних результатів під час онкологічних обстежень, подібні системи можуть врятувати багато життів та значно підвищити ефективність роботи медиків.

Серед ризиків масового впровадження машинного інтелекту у системи охорони здоров’я, як і раніше, виділяють помилки ШІ, який неможливо притягнути до відповідальності; загрозу безпеці персональних даних пацієнтів; упередженість програм при аналізі людей різної статі, расової чи етнічної приналежності; ліцензування подібних технологій тощо.

«Без цілісного підходу „хайп“ навколо ШІ продовжуватиметься. І це сумно, тому що технології мають реальний потенціал для покращення клінічних результатів. Ухвалення більш цілісного підходу до розробки та тестування клінічних моделей ШІ призведе до більш тонких дискусій про те, наскільки добре ці моделі можуть працювати. А наприкінці 一 до того, що технологія повністю розкриє свій потенціал, а люди отримають від неї користь», 一 резюмує доцент Інженерного коледжу та Коледжу медичних рішень Університету штату Арізона, а також співзасновник компанії Aural Analytics Візар Беріша.