Клиническое мышление ИИ: точность диагноза и ошибки рассуждения
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала сопоставляет исследования клинического мышления ИИ и отмечает, что точный диагноз сам по себе не доказывает способность модели рассуждать как врач. В исследовании, опубликованном в Science, OpenAI o1-preview дала верный или близкий диагноз в 82% из 76 случаев из приемного покоя; два терапевта показали 79% и 70%.
В исследовании JAMA Network Open оценки 21 модели по методике PrIME-LLM составили 64–78%, а доля ошибок при дифференциальной диагностике превысила 80% у всех моделей. В тесте на ревматоидный артрит лучшая модель верно определила заболевание примерно в 95% случаев, но врачи сочли неверными почти 68% ее обоснований. Автор указывает, что тестовые клинические виньетки могли уже встречаться моделям в обучающих данных, а единого критерия клинического мышления пока нет. По мнению автора, ИИ может помогать врачу, но решение и ответственность должны оставаться за специалистом.
Главное
- В исследовании Science OpenAI o1-preview дала верный или близкий диагноз в 82% из 76 случаев приемного покоя.
- Результаты двух терапевтов в том же исследовании составили 79% и 70%.
- В исследовании JAMA Network Open оценки 21 модели по методике PrIME-LLM составили 64–78%.
- При диагностике ревматоидного артрита лучшая модель достигла примерно 95% точности, но почти 68% ее обоснований врачи сочли неверными.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация