ChatGPT به دلیل توانایی‌های بیان و استدلال انسان‌مانندش توجه زیادی را به خود جلب کرده است. در این مقاله، ما امکان استفاده از ChatGPT را در آزمایش‌های مربوط به استفاده از ChatGPT برای ترجمه گزارش‌های رادیولوژی به زبان ساده، برای بیماران و ارائه‌دهندگان مراقبت‌های بهداشتی بررسی می‌کنیم تا برای بهبود مراقبت‌های بهداشتی آموزش ببینند.

ارزیابی ChatGPT توسط رادیولوژیست‌ها

گزارش‌های رادیولوژی از ۶۲ اسکن غربالگری سرطان ریه، chest CT با دوز کم و ۷۶ اسکن غربالگری  metastases متاستازهای MRI مغز در نیمه اول فوریه برای این مطالعه جمع آوری شد. بر اساس ارزیابی رادیولوژیست‌ها، ChatGPT می‌تواند با موفقیت گزارش‌های رادیولوژی را با میانگین امتیاز ۴.۲۷ در سیستم پنج امتیازی با ۰.۰۸ مکان اطلاعات گم شده و ۰.۰۷ مکان اطلاعات نادرست، به زبان ساده ترجمه کند. از نظر پیشنهادات ارائه شده توسط ChatGPT، آنها به طور کلی مرتبط هستند مانند پیگیری با پزشکان و نظارت دقیق بر علائم، و برای حدود ۳۷٪ از ۱۳۸ مورد، در کل ChatGPT پیشنهادات خاصی را بر اساس یافته‌های گزارش ارائه می‌دهد. ChatGPT همچنین برخی از موارد تصادفی را در پاسخ‌های خود با اطلاعات بیش از حد ساده شده یا نادیده گرفته شده ارائه می‌کند که می‌توان با استفاده از یک درخواست دقیق‌تر آن را کاهش داد. علاوه بر این، نتایج ChatGPT با یک مدل بزرگ جدید منتشر شده GPT-4 مقایسه می‌شود، که نشان می‌دهد GPT-4 می‌تواند کیفیت گزارش‌های ترجمه‌شده را به طور قابل توجهی بهبود بخشد. نتایج این مقاله نشان می‌دهد که استفاده از مدل‌های زبانی بزرگ مانند ChatGPT در آموزش بالینی امکان‌پذیر است و تلاش‌های بیشتری برای رفع محدودیت‌ها و به حداکثر رساندن پتانسیل آنها مورد نیاز است.

از زمانی که OpenAI ChatGPT، یک مدل پیشرفته پردازش زبان طبیعی (NLP) را در نوامبر ۲۰۲۲ منتشر کرد، ChatGPT با بیش از ۱۰۰ میلیون کاربر به دلیل توانایی‌های بیان و استدلال انسان‌مانندش مورد توجه جهانی قرار گرفته است. چت جی پی تی به سوالات عمومی کاربران پاسخ می دهد که گویی یک انسان است و وظایف مختلفی از جمله سرودن شعر، مقاله نویسی و همچنین کدنویسی از جمله اشکال زدایی را انجام می دهد. در مقایسه با مدل های قبلی NLP مانند BERT ، XLNet  و …، ChatGPT یک جهش کوانتومی است که با چندین ویژگی مشخص مشخص می شود: یک مدل بزرگتر با پارامترهای بیشتر، زنجیره ای از افکار تحریک کننده و آموزش دیده با تقویت یادگیری از بازخورد انسانی  (learning from human feedback :RLHF). ChatGPT بر اساس GPT-3 با ۱۷۵ میلیارد پارامتر و سایر مدل‌های ذکر شده با کمتر از ۲۰۰ میلیون پارامتر توسعه یافته است. یادگیری تشویقی برای القای مؤثر فرآیند استدلال استفاده می شود. RLHF دانش انسانی با کیفیت بالا را تزریق می‌کند و کمک می کند تا نتایج ChatGPT برای جامعه دوستانه و ایمن باشد.

ChatGPT و گزارش‌های رادیولوژی

با توجه به موفقیت عظیم ChatGPT، اخیراً مطالعاتی در مورد تطبیق آن برای کارهای پایین دستی، مانند نوشتن مروری بر ادبیات سیستماتیک، آموزش دانشکده پزشکی، ترجمه زبان، حل مسائل ریاضی و … انجام شده است. علاوه بر این مطالعات جالب، بررسی ChatGPT برای استفاده بالینی به طور گسترده مورد مطالعه قرار گرفته است. پاتل و همکاران (Patel et al) سعی کردند از چت جی پی تی برای نوشتن خلاصه ترخیص بیمار استفاده کنند و برخی نگرانی‌ها را مورد بحث قرار دادند. Biswas با استفاده از ChatGPT برای برنامه‌های نوشتاری پزشکی، از نوشته‌های مربوط به مراقبت از بیمار، انتشارات پزشکی، اسناد اداری پزشکی و خلاصه‌سازی جلسات مورد بررسی قرار گرفت. Jeblick جبلیک و همکاران کیفیت ساده‌سازی گزارش رادیولوژی چت جی پی تی را بررسی کردند و به این نتیجه رسیدند که گزارش‌های ساده‌شده از نظر واقعی درست، کامل هستند و برای بیمار مضر نیستند. Rao و همکاران امکان استفاده از ChatGPT را به عنوان مکملی برای تصمیم گیری رادیولوژی نشان دادند. ساراجو Sarraju و همکاران از ChatGPT برای ارائه توصیه‌های پیشگیری از بیماری‌های قلبی عروقی استفاده کردند و دریافتند که بیش از ۸۰ درصد از پاسخ‌های چت جی پی تی مناسب هستند.

گزارش‌های رادیولوژی، نظرات متخصصان را در مورد تصاویر پزشکی به دست آمده با رادیوگرافی، توموگرافی کامپیوتریcomputed tomography (CT)، تصویربرداری تشدید مغناطیسیmagnetic resonance imaging (MRI)، هسته‌ای، اولتراسوند و روش های تصویربرداری نوری خلاصه می کند. یافته‌های این گزارش‌ها برای تشخیص و درمان مفید است. با این حال، اغلب اصطلاحات پزشکی زیادی در چنین گزارشی وجود دارد که درک آنها برای بیماران بدون هیچ پیشینه پزشکی دشوار است. با چت جی پی تی، اکنون امکان بیان مجدد یک گزارش حرفه ای به زبان ساده وجود دارد تا بیماران بدانند گزارش‌های رادیولوژی آنها چه معنایی دارد، که برای کاهش اضطراب، ارتقای انطباق و بهبود نتایج بسیار ارزشمند خواهد بود. قسمت دوم این مقاله را در اینجا می‌توانید بررسی کنید. همچنین مقاله‌ای که قبلا قرار دادیم در مورد استفاده از هوش مصنوعی در ماموگرافی نشان می‌دهد که AI و رادیولوژیست‌ها در کنار هم تشخیص را بهتر انجام می‌دهند.
مقاله نوآوری‌های اخیر گوگل در healthcare هم تلاش پیشگامان فناوری برای AI در تصویربرداری پزشکی، که بیشترین رده پیاده سازی شده AI، در حوزه مراقبت های پزشکی است، را نشان می‌دهد.

لینک منبع