یک مطالعه آزمایشی نشان میدهد ترکیب چند مدل بزرگ هوش مصنوعی میتواند در بررسی پروندههای پزشکی به دقتی نزدیک به ۸۰ درصد برسد؛ سیستمی که هدف آن کمک به پزشکان در تصمیمگیریهای تشخیصی است.
ایده اصلی این پروژه ایجاد چیزی شبیه یک «تیم تخصصی مجازی» است. به جای آنکه یک مدل واحد پاسخ نهایی بدهد، چند مدل مستقل یک پرونده را بررسی میکنند، استدلالهای خود را ارائه میدهند و سپس نتیجه نهایی از میان این تحلیلها استخراج میشود. این رویکرد تا حدی شبیه فرآیندی است که در بیمارستانها رخ میدهد؛ جایی که چند پزشک یا متخصص درباره یک پرونده پیچیده با هم مشورت میکنند.
در نتایج اولیه این آزمایش، این سیستم ترکیبی توانست در حدود ۸۰ درصد موارد تشخیص صحیح ارائه دهد. در همان شرایط آزمایشی، دقت پزشکان در برخی مراحل اولیه تشخیص حدود ۲۰ درصد گزارش شد. با این حال، محققان تأکید کردهاند که این مقایسه به معنای برتری کامل هوش مصنوعی بر پزشکان نیست، زیرا آزمایش در شرایط کنترلشده و روی مجموعهای محدود از کیسها انجام شده است.
نکته مهم دیگر این است که پزشکان در عمل بالینی به اطلاعات بسیار بیشتری دسترسی دارند؛ از معاینه فیزیکی و آزمایشهای تکمیلی گرفته تا تاریخچه کامل بیمار. بنابراین عملکرد واقعی سیستمهای AI در محیطهای درمانی واقعی هنوز نیازمند ارزیابیهای گستردهتر و طولانیمدت است.
با وجود این محدودیتها، نتایج مطالعه نشان میدهد که مدلهای چندگانه هوش مصنوعی میتوانند نقش مهمی در آینده پزشکی ایفا کنند. چنین سیستمهایی میتوانند به عنوان ابزار پشتیبان تصمیمگیری عمل کنند؛ به این معنا که پیش از تصمیم نهایی پزشک، گزینههای تشخیصی مختلف را بررسی کرده و احتمال هر کدام را پیشنهاد دهند.
پژوهشگران معتقدند اگر این فناوری بهدرستی توسعه پیدا کند، میتواند در مواردی مانند بیماریهای نادر، کیسهای پیچیده یا شرایطی که دسترسی به متخصص محدود است بسیار ارزشمند باشد. در این سناریو، هوش مصنوعی نه جایگزین پزشک، بلکه یک لایه کمکی تحلیلی خواهد بود که خطای انسانی را کاهش داده و روند تشخیص را سریعتر میکند.
به همین دلیل بسیاری از متخصصان حوزه سلامت دیجیتال میگویند آینده پزشکی احتمالاً به سمت مدلی حرکت خواهد کرد که در آن پزشک و هوش مصنوعی در کنار هم کار میکنند؛ مدلی که در آن تصمیم نهایی همچنان با انسان است، اما ابزارهای هوشمند به او کمک میکنند تصویر کاملتر و دقیقتری از وضعیت بیمار داشته باشد.
