Zapomnij o wszystkim, co słyszałeś, do końca 2022 roku. Wtedy nastąpił punkt zwrotny. Zanim ChatGPT stał się dostępny dla ogółu społeczeństwa, medyczna sztuczna inteligencja była poważnie ograniczona. Była to „wysoce wyspecjalizowana sztuczna inteligencja” – świetna w jednym konkretnym, powtarzalnym zadaniu, ale całkowicie bezużyteczna we wszystkim innym.
Twórcy trenowali takie modele na oznaczonych danych. Weźmy mammografię. Podajesz algorytmowi tysiące obrazów wyraźnie oznaczonych jako „rak” lub „łagodny nowotwór”, a on uczy się je rozróżniać. Na tej podstawie sporządza ocenę ryzyka dla nowych obrazów. I to działa. Co więcej, duże badanie opublikowane w czasopiśmie Nature wykazało, że sztuczna inteligencja przewyższa przeciętnych radiologów, znacznie zmniejszając liczbę fałszywie pozytywnych i fałszywie negatywnych wyników w amerykańskich zbiorach danych.
Jednak wysoce wyspecjalizowana sztuczna inteligencja ma słaby punkt.
Instrument, który potrafi „odczytać” gruczoły sutkowe, nie jest w stanie „odczytać” płuc. Nie wykryje złamania żebra, nawet jeśli żebro znajduje się tuż obok płuca. Czy jest przydatny? Tak. FDA (amerykańska Agencja ds. Żywności i Leków) zatwierdziła już ponad 1500 takich urządzeń. Jak wygląda wdrożenie w codziennej praktyce? Spóźniony. Wysokie koszty, dziwne systemy zwrotu kosztów i zniechęcające widmo odpowiedzialności prawnej sprawiają, że te narzędzia pozostają na półce.
I wtedy nastąpiła ogromna zmiana. Nadeszła generatywna sztuczna inteligencja.
Zamiast wąskich zadań modele te pochłaniają ocean tekstów. Podręczniki. Artykuły naukowe. Wszystkie fakty medyczne dostępne w Internecie. Ta podstawowa baza pozwala im radzić sobie z chaotyczną, ekspansywną rzeczywistością natury ludzkiej. Wyjaśnij rentgen. Oceń niejasne objawy. Kontroluj choroby przewlekłe. Zrozumienie skutków ubocznych. Najważniejsze, że każdy może z nich skorzystać. Pacjenci, nie tylko lekarze.
Eksperci z OpenAI odkryli, że 55% dorosłych już sprawdza swoje objawy za pośrednictwem ChatGPT. I tak to robią.
„Komercyjne wykorzystanie medycznej sztucznej inteligencji utknęło na poziomie zadań administracyjnych, ignorując ogromny potencjał bezpośredniej pracy z pacjentami.”
Szpitale wykorzystują głównie generatywną sztuczną inteligencję do celów papierowych. Microsoft Dragon Copilot słucha rozmów i robi notatki. Inne narzędzia dostosowują kody rozliczeniowe, aby uniknąć odmów ze strony ubezpieczyciela. Skuteczny. Opłacalne dla ubezpieczycieli.
Niemal zero aplikacji powstaje do samodzielnego użytku przez pacjentów.
Dlaczego? Ponieważ tworzenie wysoce wyspecjalizowanej medycznej sztucznej inteligencji jest drogie. Zbieranie danych. Walidacja. Zatwierdzenie FDA. Kosztuje miliony, przez co cena jest zbyt wysoka dla zwykłych ludzi. Do tego odpowiedzialność prawna. Jeśli sztuczna inteligencja nie postawi diagnozy raka i sprzeda się bezpośrednio Tobie, pozwiesz tę firmę. W przypadku sprzedaży szpitalowi ostateczną decyzję podejmuje lekarz. Znika ryzyko prawne dla dewelopera.
Dlatego niedawne badanie przeprowadzone na Uniwersytecie Nowojorskim (NYU) było bombą.
Naukowcy porównali drogie, wyspecjalizowane narzędzia kliniczne z niedrogimi, uniwersalnymi modelami wielkojęzykowymi (LLM). Wynik? Markowe, „medyczne” instrumenty nie miały przewagi. Bezpłatne lub tanie LLM działały równie dobrze, jeśli nie lepiej.
To zmienia wszystko. Generyczne LLM nie diagnozują konkretnych chorób, dlatego nie podlegają ścisłej kontroli FDA. Brak nadzoru FDA oznacza mniej procesów sądowych. Mniej barier oznacza większą swobodę dla przedsiębiorców.
Następny jednorożec w służbie zdrowia
To właśnie tutaj kryje się szansa. Nie ma sensu tworzyć kolejnego, drogiego, jednofunkcyjnego urządzenia medycznego. Nie ma tam pieniędzy.
Pomóż ludziom korzystać z generatywnej sztucznej inteligencji, która już istnieje. To klucz do stworzenia kolejnego giganta w branży ochrony zdrowia.
Ścieżka nie będzie gładka. Przedsiębiorcy staną przed trudnymi pytaniami. Jaki to będzie produkt? Aplikacja? Rekrutacja agentów? Platforma edukacyjna? Jak monetyzować usługę – poprzez abonamenty, umowy z pracodawcami czy nagrody zależne od wyników?
Bezpieczeństwo to koszmar. Dokładność zależy od tego, jak użytkownik formułuje pytania. Wyjaśnianie pytań jest ważne. Co się stanie, jeśli sztuczna inteligencja wykryje o 3:00 prawdziwą sytuację medyczną? Potrzebujesz infrastruktury wsparcia klinicznego działającego 24 godziny na dobę, 7 dni w tygodniu, w przeciwnym razie ponosisz odpowiedzialność.
To skomplikowane. To ryzykowne.
Ale logika działa. Jeśli leczysz pacjenta w klinice, pomagasz mu przez godzinę. Jeśli nauczysz pacjenta skutecznego korzystania ze sztucznej inteligencji, poprawisz zarządzanie jego zdrowiem na nadchodzące dziesięciolecia.
Rynek jest szeroko otwarty. Kto pospieszy pierwszy?
