PG negali pakeisti gydytojų priimant tiesiogines diagnozės ir gydymo sprendimus

Ne taip seniai „Xiehe Taichu“ retas pacientų AI modelis, kurį kartu sukūrė Pekino Union Medical College ligoninė ir Kinijos mokslų akademijos automatizavimo institutas, oficialiai pateko į klinikinio taikymo etapą. Tyrimo komanda mano, kad gebėjimas efektyviai slopinti dirbtinį intelektą „iliuzijas“ yra vienas iš trijų pagrindinių jos pranašumų. Susijusios ataskaitos rodo, kad tradiciniai dirbtinio intelekto modeliai dažnai sukuria „iliuzijas“ dėl duomenų triukšmo ar aklųjų žinių, o tai gali lengvai sukelti klaidingų išvadų. Integruojant autoritetingus duomenis, dinamiškai atnaujindami žinias ir pridedant atsekamumo mechanizmus, „Concordia · Taichu“ veiksmingai slopina „iliuzijų“ atsiradimą modelyje ir padidina klinikinių sprendimų priėmimo patikimumą.

Norėdami slopinti „haliucinacijas“, mes daugiausia naudojame lokalizuotus aukštos kokybės duomenų rinkinius (tokius kaip realios diagnozės ir gydymo įrašai) ir daugybę rankiniu būdu patvirtintų žinių bazių (tokių kaip klinikinės diagnozės ir gydymo gairės, vadovėliai ir viešai prieinama mokslinė literatūra), skirtą modeliui suderinti. „Gong Mengchun paaiškino“, naudojant tokius metodus kaip greitas žodžių inžinerija, veiksminga įrodymų palaikymas, atsekamumo tikrinimas, kriterijaus tikrinimas ir kt. Taikomi samprotavimo procese, o grįžtamasis ryšys ir pataisa yra nuolat teikiami. „Tai gali būti suprantama kaip leidžianti AI išmokti tik„ gerų žinių “ir apriboti samprotavimo„ ribą “arba pridėti„ atsekamumo “mechanizmą, kad būtų galima nuolat peržiūrėti„ švietimą “prieš klinikinį taikymą.

Remiantis atitinkamų profesinių institucijų paskelbta statistika, „Deepseek“ buvo dislokuotas Kinijos aukščiausiose pakopos ligoninėse. Kelios ligoninės, įskaitant Huashano ligoninę, susijusią su Fudano universitetu, Ruijino ligonine ir Shenzheno liaudies ligonine, pradėjo bendrą tyrimų ir plėtrą su geriausiomis vidaus dirbtinio intelekto kompanijomis. Vykdydami kryžminę drausminę integraciją ir doką, jie pagreitino medicininės žvalgybos skatinimą ir išsprendė „kliūčių“ problemą. Pramonė mano, kad naudojant „Deepseek“ unikalią „hierarchinių žinių distiliavimo“ technologiją, 30 proc. Sudėtingų medicinos scenarijų gali sumažinti išvadų ir skaičiavimo darbo krūvį.

Daugybė tyrimų, pagrįstų multimodaliniais klinikiniais duomenimis namuose ir užsienyje, patvirtino, kad dirbtinio intelekto technologijos pateiktos klinikinės įžvalgos gali viršyti žinias ir fizines jutimines ribas, kurias gydytojai gali suvokti, ir pateikdami svarbias pagalbines nuomones klinikinių sprendimų priėmimui. Gong Mengchun teigė, kad kai kalbama apie naujus AI pateiktus įrodymus ir sprendimus, turėtume laikytis „atsargaus patikrinimo ir visiško sprendimo“ požiūrio, sukurti multimodalinį klinikinių duomenų infrastruktūrą, išsiaiškinti aukštos kokybės eiles ir patikrinti įvairius duomenis pagrįstus medicinos atradimus. Klinikinių įrodymų integravimas į diagnozės ir gydymo procesą daugiadisciplininės diagnozės ir gydymo (MDT) pavidalu tarnauti pacientams yra viena iš pagrindinių vystymosi tendencijų pasaulinėje medicinos tyrimų srityje.