மருத்துவ நோயறிதலைப் பொறுத்தவரை, சிறப்பு மருத்துவர்களுடனான இடைவெளியை ஜெனரேட்டிவ் AI மாதிரிகள் நிரப்புகின்றன, ஆனால் அவை மனித நிபுணர்களை விட கணிசமாக குறைவான துல்லியமாகவே இருக்கின்றன என்று ஒசாகா மெட்ரோபொலிட்டன் பல்கலைக்கழகத்தின் பெரிய அளவிலான பகுப்பாய்வு தெரிவிக்கிறது. டாக்டர் ஹிரோடகா டகிடா மற்றும் இணைப் பேராசிரியர் டைஜு உடேடா தலைமையிலான இந்த ஆராய்ச்சி, மருத்துவர்களுடன் AI செயல்திறனை ஒப்பிட்டுப் பார்க்க 83 ஆய்வுகளை முறையாக மதிப்பாய்வு செய்து, சராசரியாக 52.1% AI நோயறிதல் துல்லியத்தை வெளிப்படுத்தியது.
மார்ச் 22 அன்று Nature இல் வெளியிடப்பட்ட இந்த மெட்டா பகுப்பாய்வு, ஜூன் 2018 முதல் வெளியிடப்பட்ட 18,000 க்கும் மேற்பட்ட ஆய்வுக் கட்டுரைகளை ஆராய்ந்தது. இது GPT-4 போன்ற பெரிதும் ஆய்வு செய்யப்பட்ட மாதிரிகள் மற்றும் Llama3 70B, Gemini 1.5 Pro மற்றும் Claude 3 Sonnet போன்ற குறிப்பாகக் குறிப்பிடப்பட்ட பிறவற்றை உள்ளடக்கிய பல்வேறு AI மாதிரிகளை மதிப்பீடு செய்தது.
மைய ஒப்பீடு, AI இன் நோயறிதல் செயல்திறன் நிபுணர் அல்லாத மருத்துவர்களின் செயல்திறன் புள்ளிவிவர ரீதியாக ஒத்ததாகவும், மனிதர்களுக்கு சாதகமாக 0.6% வித்தியாசம் மட்டுமே இருப்பதாகவும் காட்டியது. இருப்பினும், மருத்துவ நிபுணர்கள் தெளிவான ஒரு முனைப்பைப் பராமரித்து, துல்லியத்தில் கணிசமான 15.8% வித்தியாசத்தில் AI மாதிரிகளை விஞ்சியுள்ளனர்.
செயல்திறன் புலம் மற்றும் சிக்கலான தன்மையால் மாறுபடும்
AI மாதிரிகள் வெவ்வேறு மருத்துவத் துறைகளில் மாறுபட்ட வெற்றியைக் காட்டின. அவர்கள் தோல் மருத்துவத்தில் குறிப்பிட்ட வலிமையைக் காட்டினர், இந்த துறையில் காட்சி வடிவ அங்கீகாரம் – தற்போதைய AI இன் ஒரு பலம் – ஒரு பெரிய பங்கை வகிக்கிறது. இருப்பினும், தோல் மருத்துவமும் காட்சி பொருத்தத்திற்கு அப்பால் சிக்கலான பகுத்தறிவைக் கோருகிறது என்று ஆராய்ச்சியாளர்கள் எச்சரிக்கின்றனர்.
மாறாக, சிறுநீரக மருத்துவத்தில் AI புலமையை பரிந்துரைக்கும் கண்டுபிடிப்புகள், அவை முதன்மையாக ஒரு பெரிய ஆய்விலிருந்து உருவானவை என்பதன் மூலம் மென்மையாக்கப்பட்டன, அந்த முடிவுகளை எவ்வளவு பரவலாகப் பயன்படுத்தலாம் என்பதைக் கட்டுப்படுத்துகின்றன. பொதுவாக, விரிவான, விரிவான நோயாளி தகவல்களை விளக்க வேண்டிய சிக்கலான நிகழ்வுகளைக் கையாளும் போது AI தடுமாறுகிறது என்பதை பகுப்பாய்வு சுட்டிக்காட்டியது, நிபுணர்கள் பெரும்பாலும் அனுபவம் மற்றும் நுணுக்கமான மருத்துவ பகுத்தறிவு மூலம் சிறந்து விளங்கும் ஒரு பகுதி.
உதவியாளராக AI, மாற்றாக அல்ல
நிபுணர்களுடன் ஒப்பிடும்போது துல்லியம் பற்றாக்குறை இருந்தபோதிலும், சுகாதார ஆதரவு மற்றும் பயிற்சியில் AI இன் சாத்தியமான பாத்திரங்களை இந்த ஆய்வு எடுத்துக்காட்டுகிறது. ஒசாகா பெருநகர பல்கலைக்கழகம், ஏப்ரல் 18, 2025 அன்று வெளியிட்ட அறிக்கையில், சாத்தியக்கூறுகள் குறித்து டாக்டர் டகிடாவை மேற்கோள் காட்டியது: “உருவாக்கும் AI இன் நோயறிதல் திறன்கள் சிறப்பு அல்லாத மருத்துவர்களுடன் ஒப்பிடத்தக்கவை என்பதை இந்த ஆராய்ச்சி காட்டுகிறது. மருத்துவக் கல்வியில் சிறப்பு அல்லாத மருத்துவர்களை ஆதரிக்கவும், வரையறுக்கப்பட்ட மருத்துவ வளங்களைக் கொண்ட பகுதிகளில் நோயறிதலில் உதவவும் இதைப் பயன்படுத்தலாம்.”
இது எதிர்காலத்தை AI ஒரு துணை கருவியாகச் செயல்படும், ஒருவேளை அவற்றை மாற்றுவதற்குப் பதிலாக மனித திறன்களை அதிகரிக்கும் ஒரு பார்வையை இது குறிக்கிறது, ஒருங்கிணைந்த மனித-AI செயல்திறன் பெரும்பாலும் இரண்டையும் விட அதிகமாக இருக்கும் மருத்துவத்தில் AI பற்றிய பரந்த விவாதங்களில் எதிரொலிக்கிறது.
தொடர்ச்சியான தடைகள்: சார்பு மற்றும் வெளிப்படைத்தன்மை
AI இன் ஆற்றலுக்கான உற்சாகம் பகுப்பாய்வில் அடையாளம் காணப்பட்ட குறிப்பிடத்தக்க சவால்களால் சமநிலைப்படுத்தப்படுகிறது. பல வணிக AI மாதிரிகளுக்குப் பயன்படுத்தப்படும் பயிற்சித் தரவு தொடர்பான வெளிப்படைத்தன்மை இல்லாதது ஒரு முக்கிய பிரச்சினையாக அடையாளம் காணப்பட்டுள்ளது. இந்த ஒளிபுகாநிலை சாத்தியமான சார்புகளை மதிப்பிடுவதையோ அல்லது வெவ்வேறு நோயாளி மக்கள்தொகையில் ஒரு மாதிரியின் செயல்திறனைப் பொதுமைப்படுத்த முடியுமா என்பதைத் தீர்மானிப்பதையோ கடினமாக்குகிறது.
ஒரு மாதிரியின் அறிவு மற்றும் வரம்புகளைப் புரிந்துகொள்வதற்கு வெளிப்படைத்தன்மை அவசியம் என்று ஆராய்ச்சியாளர்கள் குறிப்பிட்டனர். PROBAST கருவியைப் பயன்படுத்தி தர மதிப்பீடு, சேர்க்கப்பட்ட ஆய்வுகளில் 76% சார்பு அபாயத்தைக் கொண்டிருப்பதாக மதிப்பிட்டது, இது பெரும்பாலும் சிறிய சோதனை தரவுத்தொகுப்புகளைப் பயன்படுத்தி மதிப்பீடுகள் அல்லது வெளிப்புற சரிபார்ப்பு மதிப்பீடுகளைப் பாதிக்கும் AI இன் பயிற்சித் தரவு பற்றிய போதுமான விவரங்கள் இல்லாததால் உருவாகிறது.
பொது சுகாதார பதிவுகளில் பயிற்சி பெற்ற AI, தரவுகளில் உள்ள வரலாற்று மனித நோயறிதல் பிழைகளை கவனக்குறைவாகக் கற்றுக்கொண்டு நகலெடுக்கக்கூடும் என்றும் சில நிபுணர்கள் கவலைப்படுகிறார்கள்.
மருத்துவ AI-க்கான முன்னோக்கிய பாதை
ஜூலை 2024 இல் வெளியிடப்பட்ட பயோப்டிமஸின் H-optimus-0 நோயியல் மாதிரி போன்ற கருவிகளால் எடுத்துக்காட்டும் வகையில், சிறப்பு மருத்துவ AI-ஐ உருவாக்குவதற்கான முயற்சிகள் தொடர்வதால் ஒசாகா ஆய்வு வருகிறது. மனித பயிற்சியாளர்களுடன் ஒப்பிடும்போது இந்த கருவிகள் அடையும் பொதுவான கண்டறியும் திறன் அளவை மதிப்பிடும் மெட்டா பகுப்பாய்வு ஒரு தேவையான அளவுகோலை வழங்குகிறது.
எதிர்காலத்தைப் பார்க்கும்போது, மிகவும் சிக்கலான மருத்துவ சூழ்நிலைகள் மற்றும் தெளிவான AI செயல்முறைகள் மூலம் சரிபார்ப்புக்கான தொடர்ச்சியான தேவையை டாக்டர் டகிடா வலியுறுத்தினார்: “மிகவும் சிக்கலான மருத்துவ சூழ்நிலைகளில் மதிப்பீடுகள், உண்மையான மருத்துவ பதிவுகளைப் பயன்படுத்தி செயல்திறன் மதிப்பீடுகள், AI முடிவெடுப்பதில் வெளிப்படைத்தன்மையை மேம்படுத்துதல் மற்றும் பல்வேறு நோயாளி குழுக்களில் சரிபார்ப்பு போன்ற கூடுதல் ஆராய்ச்சி, AI-யின் திறன்களைச் சரிபார்க்கத் தேவை.”
மூலம்: Winbuzzer / Digpu NewsTex