مطالعه‌ای جدید نشان می‌دهد هوش مصنوعی در تشخیص بیماری‌های پیچیده و حیاتی در محیط اورژانس، دقتی بالاتر از پزشکان متخصص دارد.
مدل زبانی بزرگ o1 شرکت OpenAI در تشخیص بیماری‌های پیچیده و تهدیدکننده‌ی زندگی، به‌ویژه در مراحل اولیه‌ی پذیرش در بخش اورژانس، عملکردی بهتر از پزشکان انسانی از خود نشان داد. این مدل هوش مصنوعی در شرایطی که اطلاعات محدود بود، در حدود ۶۷ درصد از مواقع، تشخیص درست یا بسیار نزدیک به درست ارائه کرد؛ در حالی که نرخ موفقیت پزشکان بین ۵۰ تا ۵۵ درصد بود.

پژوهشگران برای ارزیابی این مدل، پنج آزمون مختلف شامل تحلیل پروفایل‌های پزشکی و پیش‌بینی تغییرات سلامتی را طراحی کردند. نتایج نشان داد که o1 در تمامی این مراحل، مشابه پزشکان یا برتر از آن‌ها عمل کرده است.

آدام رادمن، یکی از پژوهشگران اصلی این مطالعه، اشاره کرد که در یک آزمون خاص، این مدل در ۹۸ درصد موارد نمره‌ی کامل را در استدلال بالینی دریافت کرد. در مقابل، پزشکان متخصص تنها در ۳۵ درصد موارد به این سطح از دقت دست یافتند.

بحرانی‌ترین بخش این مطالعه، بررسی عملکرد مدل در سه مرحله‌ی پذیرش بیمار در اورژانس بود. در این محیط، پزشکان اغلب با فشار کاری زیاد و اطلاعات ناقصی از سوی بیماران مواجه هستند که احتمال خطا را افزایش می‌دهد.

تیم تحقیقاتی از داده‌های واقعی بیماران استفاده کردند تا واکنش مدل را در برابر داده‌های «نامنظم و ناقص» بسنجند. نتایج تایید کرد که حتی با وجود نقص در اطلاعات، هوش مصنوعی ۱۰ درصد دقیق‌تر از پزشکان عمل می‌کند.

توماس باکلی، دانشمند علوم کامپیوتر در دانشگاه هاروارد، این مرحله را مهم‌ترین بخش آزمایش دانست زیرا مستقیماً روی داده‌های دنیای واقعی متمرکز بود.

با وجود این موفقیت، متخصصان هشدار می‌دهند که مدل هنوز برای جایگزینی کامل با انسان آماده نیست. یکی از محدودیت‌های اصلی، عدم توانایی مدل در تحلیل داده‌های طولانی‌مدت مربوط به بیماران بستری‌شده است.

همچنین این مطالعه تنها روی متون نوشتاری متمرکز بود و ورودی‌های غیرمتنی مانند تصاویر رادیولوژی یا MRI که برای تشخیص سرطان و لخته‌های خونی حیاتی هستند، در نظر گرفته نشد.