حتماً تا حالا اسم آزمایش‌های بالینی یا همون clinical trials رو شنیدین، مخصوصاً تو حوزه سرطان. این آزمایش‌ها مثل یه فرصت طلایی‌ان که به بیمارا اجازه میدن درمانای جدید رو امتحان کنن. اما مشکل چیه؟ پیدا کردن مریض مناسب برای هر آزمایش بالینی کلی دردسر داره و معمولاً آدم‌ها باید کلی وقت بذارن و دونه دونه شرطای هر آزمایش رو چک کنن؛ فرآیندی که حسابی خسته‌کننده و پر از خطاست و کلی هم باعث تاخیر تو جذب مریض میشه.
اینجا جاییه که مدل‌های زبانی بزرگ (LLMs) میان وسط – مثلاً همون هوش مصنوعی‌هایی که می‌تونن کلی متن رو بفهمن و خودشون هم تولید کنن. یعنی Generative AI که مثلاً خودش می‌تونه متن، کد یا تصویر بسازه. یه سری دانشمند و محقق اومدن بررسی کردن که این مدل‌ها می‌تونن شغل خسته‌کننده و سخت پیدا کردن مریض برای آزمایش‌ها رو راحت‌تر کنن یا نه. چه طوری؟ چون این مدل‌ها می‌تونن شرایط مریض و آزمایش رو با هم مقایسه کنن و بهترین گزینه رو پیدا کنن!
تو این مقاله درباره یه بررسی جامع (یعنی دقیق همه چی رو گشته) صحبت شده که روی مطالعات منتشرشده بین سال‌های ۲۰۲۰ تا ۲۰۲۵ از چند تا منبع معتبر و سرورهای پیش‌چاپ علمی انجام شده. در کل، ۱۲۶ مقاله بررسی شدن. اما فقط ۳۱ مقاله واقعاً با معیارای بررسی جور در اومدن و تو زمینه تطبیق مریض‌ها با آزمایش‌های بالینی به کمک مدل‌های زبانی بزرگ بودن.
اگه بخوام نتیجه‌ها رو ردیف و قابل فهم بگم:
- بعضیا فقط مریض‌ها رو با معیارهای آزمایش تطبیق می‌دادن (۴تا مقاله)
- بعضیا مریض‌ها رو مستقیم به خود آزمایش‌ها پیشنهاد می‌دادن (۱۰ مقاله)
- بعضیا مسیر بالعکس رو می‌رفتن، یعنی از آزمایش شروع و دنبال مریض مناسب بودن (۲ مقاله)
- یکی از مقاله‌ها فقط تعیین می‌کرد مریض اصلاً واجد شرایط هست یا نه (یعنی Binary Eligibility Classification، یعنی جواب دو گزینه‌ای بله/خیر)
- ۱۴تا هم ترکیبی از کارای بالا رو انجام می‌دادن
تو بحث دیتا، نصفشون از اطلاعات شبیه‌سازی‌شده و ساختگی استفاده کردن (Syntetic Data یعنی داده‌هایی که واقعی نیست، ولی با الگوریتم و مدل ساخته شده)، نصف دیگه‌شون از اطلاعات واقعی مریضا، و فقط یکی از هر دو مدل استفاده کرده.
یه مشکل بزرگ اینه که دیتاست‌ها و معیارایی که برای مقایسه استفاده شده خیلی فرق دارن، واسه همین مقایسه نتیجه‌ها بین این مطالعات کار آسونی نیست.
حالا جالب بدونی تو تحقیقایی که مدل‌ها رو با هم مقایسه مستقیم کردن، همین مدل GPT-4 (که ورژن چهارم یکی از محبوب‌ترین مدل‌های هوش مصنوعی زبانی دنیاست) همیشه از بقیه مدل‌ها، حتی اونایی که مخصوص همین کار آموزش دیده بودن، بهتر عمل کرده. البته هزینه‌ش هم بالاتره.
یه راه‌حل امیدوارکننده که محقق‌ها استفاده میکنن، اینه که با «zero-shot prompting» سراغ کار برن؛ یعنی عملاً به مدل دستور میدن بدون هیچ نمونه راهنما هم وظیفه رو انجام بده. این کار رو با مدل‌هایی مثل GPT-4o (نسخه ارتقایافته GPT-4 از OpenAI) امتحان کردن و جواب گرفتن. بعضیا هم رفتن سراغ روش‌های بازیابی پیشرفته (Advanced Retrieval Methods یعنی پیدا کردن اطلاعات مناسب از بین کلی داده مختلف) یا حتی مدل‌های کوچیک‌تر و اوپن‌سورس (Open-source یعنی مدل‌هایی که همه می‌تونن کدش رو ببینن و استفاده کنن و وابسته به یک شرکت خاص نیست) رو با داده‌های خود بیمارستان آموزش دادن. اینکار واسه جاهایی که نمی‌تونن مدلا رو تو ساختار بیمارستان جا بدن و دغدغه حفظ حریم خصوصی و اطلاعات بیماران رو دارن خیلی مناسبه.
البته خب، مسیر آسون نیست. یه چالش مهم اینه که به داده‌های زیادی از دنیای واقعی دسترسی پیدا کنن تا مدل‌ها واقعا کاربردی و دقیق بشن. یا مثلاً مشکل هزینه اجرایی، احتمال تولید اطلاعات اشتباه توسط مدل (که بهش hallucination میگن؛ یعنی وقتی مدل یه چیز عجیب و دوست‌نداشتنی رو از خودش درمیاره)، نشت دیتا (data leakage یعنی اطلاعات محرمانه ناخواسته فاش بشه)، و بحث تبعیض یا بایاس بودن مدل هم وجود داره.
در مجموع این بررسی نشون میده که استفاده از مدل‌های زبانی بزرگ واسه تطبیق آزمایش‌های بالینی داره پیشرفت می‌کنه و امیدبخشه، ولی باید حواسمون به مشکلات و محدودیت‌هامون هم باشه. اگه بتونیم معیارهای ارزیابی استاندارد، دیتاست‌های نزدیک به واقعیت‌تر، و راه‌حل‌های مقرون‌به‌صرفه‌تر و منصفانه‌تر پیدا کنیم، می‌تونیم این فناوری رو حسابی تو بیمارستان‌ها و مراکز درمانی گسترش بدیم.
خلاصه، دنیای هوش مصنوعی داره حسابی به کمک پزشکا و بیمارا میاد، فقط باید بلد باشیم چجوری بهترین استفاده رو ازش ببریم!
منبع: +
