Yapay zeka modellerinin daha erişilebilir hale gelmesi, sağlık teşhisleri ve tıp alanını dönüştürdü; AI, tanı doğruluğu, kişiselleştirilmiş tedavi planları, tıbbi görüntülerin yorumlanması, operasyonların kolaylaştırılması ve uzaktan hasta izleme gibi birçok alanda kullanılıyor. Florida Eyalet Üniversitesi Bilgi Okulu'ndaki eHealth Laboratuvarı'ndan araştırmacılar, sağlık hizmeti sağlayıcılarına daha doğru hasta teşhisleri koymada yardımcı bir araç olarak AI uygulamalarını değerlendiriyorlar. Bu ilerleme, tedavi yöntemlerini geliştirmeyi ve hasta sonuçlarını iyileştirmeyi potansiyel olarak sağlayabilir.
Çok kurumlu araştırmanın ortak yazarları arasında FSU Başarılı Uzun Ömür Enstitüsü'nün kıdemli yazarı ve direktörü Zhe He ile misafir yardımcı profesör Balu Bhasuran yer alıyor. Digital Medicine dergisinde yayınlanan makale, FSU'nun LabGenie projesini genişletiyor; bu proje, yaşlı yetişkinlerin laboratuvar testi sonuçlarını anlamalarını geliştirmeyi amaçlayan bir hasta katılım aracını içeriyor. Araştırma ekibi, klinisyenlere yardımcı olmak ve diferansiyel tanı doğruluğunu ve verimliliğini artırmak için büyük dil modellerini (LLM'ler) kullanmanın fizibilitesini araştırıyor. Diferansiyel tanı (DDx), benzer semptomlara sahip durumlar arasında ayrım yapmaya yardımcı olan klinik karar verme sürecinde kritik bir adımdır.
Çalışma, klinisyenlerin değerlendirmesi için en iyi bir, beş ve on DDx listelerini oluşturmak üzere LLM'leri kullanmayı içeriyordu. Araştırmacılar, LLM'lerin doğruluğunu ve tahmin gücünü değerlendirdi ve laboratuvar testi sonuçlarını dahil etmenin tanı doğruluğunu nasıl etkilediğini inceledi. Çalışma, 50 vaka raporundan türetilen klinik vinyetler veya anlatısal hasta ilgili vakalar kullanılarak beş LLM'yi (GPT-4, GPT-3.5, Llama-2-70b, Claude-2 ve Mixtral-8x7B) test etti. Bulgular, laboratuvar testi verilerinin tanı doğruluğunu önemli ölçüde iyileştirdiğini ve GPT-4'ün en yüksek performansı gösterdiğini ortaya koyuyor. Özellikle, GPT-4, laboratuvar verileriyle %55 en iyi 1 doğruluk ve %60 en iyi 10 doğruluk elde etti; esnek doğruluk %80'e ulaştı. Karaciğer fonksiyonu, metabolik/toksikoloji panelleri ve seroloji/immün testleri dahil olmak üzere laboratuvar testleri, LLM'ler tarafından genellikle doğru bir şekilde yorumlandı.
Araştırma, hem sağlayıcı hem de hasta perspektifinden sağlık hizmeti ortamlarında sıkça hissedilen iyi bilinen endişe alanlarını ele almayı amaçlıyor. Doğru tanı, etkili hasta yönetimi için çok önemlidir ve tedavi kararlarını ve genel hasta sonuçlarını doğrudan etkiler. Tanı hatalarının azaltılması, hasta bakımını kolaylaştırmaya, aşırı veya tekrarlanan test ihtiyacını ortadan kaldırmaya ve sonuçta hastanede kalış sürelerini ve gereksiz prosedürleri azaltarak sağlık maliyetlerini düşürmeye yardımcı olur. Bu çalışma, yapay zekanın tıp alanında, özellikle de kritik tanı süreçlerinde nasıl devrim yaratabileceğine dair önemli bir adım teşkil ediyor.
