Sztuczna inteligencja staje się istotnym narzędziem w obszarze medycyny, wprowadzając nowe możliwości w diagnostyce i podejmowaniu decyzji klinicznych. Najnowsze badania z Harvard Medical School wykazują, że modele AI o otwartym kodzie źródłowym mogą skutecznie konkurować z wiodącymi systemami komercyjnymi w rozwiązywaniu skomplikowanych przypadków medycznych.
Zespół naukowców z Harvard Medical School we współpracy z klinicystami ze szpitali afiliowanych przy Harvardzie przeprowadził analizę porównawczą modelu open-source Llama 3.1 405B z GPT-4, jednym z czołowych modeli komercyjnych. Badanie, sfinansowane przez National Institutes of Health, objęło 92 skomplikowane przypadki medyczne. Wyniki badania wskazują, że model Llama osiągnął poprawną diagnozę w 70% przypadków, podczas gdy GPT-4 uzyskał wynik 64%. Model Llama wskazał właściwą diagnozę jako pierwszą sugestię w 41% przypadków, przewyższając GPT-4, który osiągnął wynik 37%.
Wyniki te mają istotne znaczenie dla rozwoju AI w medycynie. Porównywalna skuteczność modelu open-source względem wiodącego modelu komercyjnego wskazuje na rosnący potencjał narzędzi AI o otwartym kodzie źródłowym. Dla instytucji medycznych, które muszą zapewnić ochronę prywatności danych i dostosować narzędzia do specyficznych potrzeb, modele open-source mogą stanowić praktyczne rozwiązanie. Modele o otwartym kodzie źródłowym oferują możliwość hostowania na własnej infrastrukturze, co pozwala szpitalom utrzymać dane pacjentów w ramach wewnętrznych sieci.
Mimo obiecujących wyników, implementacja systemów AI w środowiskach medycznych wiąże się z określonymi trudnościami. Modele komercyjne oferują gotową infrastrukturę i wsparcie techniczne, podczas gdy modele open-source wymagają od użytkowników samodzielnej konfiguracji i utrzymania. Istotnym wyzwaniem pozostaje również integracja tych narzędzi z istniejącymi systemami informatycznymi placówek medycznych.
Badanie z Harvard Medical School wskazuje na istotną zmianę w obszarze AI w sektorze opieki zdrowotnej. Zdolność modelu open-source takiego jak Llama do osiągania wyników porównywalnych z wiodącym modelem komercyjnym stanowi znaczący postęp i zmienia postrzeganie relacji między systemami o otwartym i zamkniętym kodzie źródłowym. W perspektywie przyszłości, współpraca systemów AI – zarówno open-source, jak i komercyjnych – z zespołami medycznymi może przynieść poprawę w obszarze diagnostyki. Wykorzystanie mocnych stron obu podejść może przyczynić się do poprawy wyników leczenia pacjentów i zwiększyć dokładność diagnostyki.
Na podstawie: Open-Source AI Rivals Leading Proprietary Models in Tackling Complex Medical Cases