Το AI δεν μπορεί να αντικαταστήσει τους γιατρούς στη λήψη αποφάσεων άμεσης διάγνωσης και θεραπείας

Πριν από λίγο καιρό, το μοντέλο AI που αναπτύχθηκε από κοινού το μοντέλο AI που αναπτύχθηκε από κοινού από το Peking Union Medical College Hospital και το Ινστιτούτο Αυτοματισμού της Κινεζικής Ακαδημίας Επιστημών εισήλθε επίσημα στο στάδιο της κλινικής εφαρμογής. Η ερευνητική ομάδα θεωρεί την ικανότητα να καταστέλλει αποτελεσματικά την τεχνητή νοημοσύνη ως ένα από τα τρία βασικά πλεονεκτήματα της. Οι σχετικές αναφορές δείχνουν ότι τα παραδοσιακά μοντέλα τεχνητής νοημοσύνης συχνά παράγουν «ψευδαισθήσεις» λόγω θορύβου ή τυφλών σημείων γνώσεων, τα οποία μπορούν εύκολα να οδηγήσουν σε λανθασμένα συμπεράσματα. Με την ενσωμάτωση των έγκυρων δεδομένων, την ενημέρωση της γνώσης και την προσθήκη μηχανισμών ιχνοστοιχείων, το "Concordia · Taichu" καταστέλλει αποτελεσματικά την εμφάνιση "ψευδαισθήσεων" στο μοντέλο και ενισχύει την αξιοπιστία της κλινικής λήψης αποφάσεων.

Για την καταστολή των «ψευδαισθήσεων», χρησιμοποιούμε κυρίως εντοπισμένα σύνολα δεδομένων υψηλής ποιότητας (όπως αρχεία πραγματικής διάγνωσης και θεραπείας) και μεγάλου αριθμού βασικών γνώσης με χειροκίνητα επικυρωμένα (όπως κλινικές κατευθυντήριες γραμμές διάγνωσης και θεραπείας, εγχειρίδια και δημόσια διαθέσιμη επιστημονική βιβλιογραφία) για την τελειοποίηση του μοντέλου. "Ο Gong Mengchun εξήγησε", μέσω τεχνικών όπως η άμεση μηχανική λέξεων, η αποτελεσματική υποστήριξη αποδεικτικών στοιχείων, η επαλήθευση της ανιχνευσιμότητας, η επαλήθευση κριτηρίων κ.λπ. εφαρμόζονται στη διαδικασία συλλογιστικής και παρέχονται συνεχώς ανατροφοδότηση και διόρθωση. "Αυτό μπορεί να γίνει κατανοητό ότι επιτρέπει στο AI να μάθει μόνο" καλή γνώση "και να περιορίσει το" όριο "της συλλογιστικής ή να προσθέσει έναν μηχανισμό" ιχνηλασιμότητας "για να αναθεωρήσει συνεχώς την" εκπαίδευση "πριν από την κλινική εφαρμογή.

Σύμφωνα με στατιστικά στοιχεία που δημοσίευσε τα σχετικά επαγγελματικά ιδρύματα, η Deepseek έχει αναπτυχθεί σε κορυφαία νοσοκομεία στην Κίνα. Αρκετά νοσοκομεία, όπως το νοσοκομείο Huashan που συνδέεται με το Πανεπιστήμιο Fudan, το νοσοκομείο Ruijin και το λαϊκό νοσοκομείο Shenzhen, έχουν ξεκινήσει κοινή έρευνα και ανάπτυξη με κορυφαίες εταιρείες τεχνητής νοημοσύνης. Μέσω της διασταυρούμενης πειθαρχικής ολοκλήρωσης και της σύνδεσης, έχουν επιταχύνει την προώθηση της ιατρικής νοημοσύνης και επιλύουν το πρόβλημα "σημείων συμφόρησης". Η βιομηχανία πιστεύει ότι η χρήση της μοναδικής τεχνολογίας "ιεραρχικής γνώσης" της Deepseek μπορεί να μειώσει το συμπέρασμα και τον υπολογισμό του φόρτου εργασίας σε σύνθετα ιατρικά σενάρια κατά 30%.

Μια μεγάλη ποσότητα έρευνας που βασίζεται σε πολυτροπικά κλινικά δεδομένα στο εσωτερικό και στο εξωτερικό επιβεβαίωσε ότι οι κλινικές γνώσεις που παρέχονται από την τεχνολογία τεχνητής νοημοσύνης μπορούν να υπερβούν τα όρια της γνώσης και των φυσικών αισθητήριων που μπορούν να κατανοήσουν οι γιατροί, παρέχοντας σημαντικές βοηθητικές απόψεις για τη λήψη κλινικών αποφάσεων. Ο Gong Mengchun δήλωσε ότι όταν πρόκειται για νέα στοιχεία και κρίσεις που παρέχονται από την AI, θα πρέπει να υιοθετήσουμε μια "προσεκτική επαλήθευση και πλήρη κρίση", να οικοδομήσουμε μια πολυτροπική κλινική υποδομή δεδομένων, να διαλέξουμε τις ουρές υψηλής ποιότητας και να επαληθεύσουμε διάφορες ιατρικές ανακαλύψεις που βασίζονται σε δεδομένα. Η ενσωμάτωση κλινικών στοιχείων που παρέχεται από την AI στη διαδικασία διάγνωσης και θεραπείας με τη μορφή πολυεπιστημονικής διάγνωσης και θεραπείας (MDT) για την εξυπηρέτηση των ασθενών είναι μία από τις βασικές τάσεις ανάπτυξης στον τομέα της παγκόσμιας ιατρικής έρευνας.