В современных больницах своевременное и точное принятие решений имеет важное значение, особенно в радиологии, где консультации по контрастным веществам часто требуют быстрых ответов, основанных на сложных клинических рекомендациях. Тем не менее, врачи часто вынуждены принимать эти решения под давлением, без немедленного доступа ко всей необходимой информации. Эта проблема особенно важна для учреждений, которые также должны защищать данные пациентов, избегая облачных инструментов.

В новом исследовании, опубликованном в онлайн-издании npj Digital Medicine  , группа исследователей под руководством доцента Акихико Вада из Университета Дзюнтендо (Япония) продемонстрировала, что генерация дополненной реальности (RAG), метод, позволяющий ИИ обращаться к надежным источникам во время генерации ответа, может значительно повысить безопасность, точность и скорость локально развернутых больших языковых моделей (LLM) для консультаций по рентгенологическому контрастному веществу.

Соавторами исследования выступили доктор Юя Танака из Токийского университета, доктор Мицуо Нисидзава из больницы Ураясу при Университете Дзюнтендо и профессор Шигеки Аоки из Высшей медицинской школы Университета Дзюнтендо.

Команда разработала версию модели локального языка, улучшенную с помощью RAG, и протестировала её на 100 смоделированных случаях применения йодированных контрастных веществ, распространённого компонента компьютерной томографии. Такие консультации обычно требуют оценки риска в режиме реального времени на основе таких факторов, как функция почек, аллергии и история приёма лекарств. Улучшенная модель сравнивалась с тремя ведущими облачными системами искусственного интеллекта — GPT-4o mini, Gemini 2.0 Flash и Claude 3.5 Haiku, — а также с её собственной базовой версией — стандартным LLM.

Результаты оказались поразительными. Модель, улучшенная с помощью RAG, полностью устранила опасные галлюцинации (с 8% до 0%) и отреагировала значительно быстрее, чем облачные системы (в среднем 2,6 секунды по сравнению с 4,9–7,3 секунды). Облачные модели показали хорошие результаты, но система, улучшенная с помощью RAG, сократила разрыв в производительности, предоставляя более безопасные и быстрые результаты, при этом сохраняя конфиденциальные медицинские данные на месте.

«Для клинического применения полное отсутствие галлюцинаций — это прорыв в области безопасности», — говорит доктор Вада. «Эти галлюцинации могут привести к неверным рекомендациям по дозировке контрастного вещества или пропуску противопоказаний. Наша система выдавала точные, основанные на рекомендациях ответы, не допуская подобных ошибок».

Примечательно, что модель также эффективно работала на стандартных больничных компьютерах, что делало ее доступной без дорогостоящего оборудования или облачных подписок, что особенно ценно для больниц с ограниченным штатом рентгенологов.

Вдохновение для этой работы пришло непосредственно из клинического опыта. «Мы часто сталкиваемся со сложными решениями относительно контрастных веществ, требующими изучения множества рекомендаций в условиях дефицита времени», — вспоминает доктор Вада.

«Например, случаи с участием пациентов с множественными факторами риска — сниженной функцией почек, взаимодействием с другими препаратами или аллергией в анамнезе. Мы поняли, что ИИ может упростить этот процесс, но только если мы сможем хранить конфиденциальные данные пациентов в пределах нашего учреждения».

Модель, усовершенствованная RAG, работает, динамически извлекая релевантную информацию из тщательно подобранной базы знаний, включая международные рекомендации по радиологии и институциональные протоколы. Это гарантирует, что каждый ответ основан на проверенных и актуальных медицинских знаниях, а не основывается исключительно на предварительно обученных данных.

Помимо радиологии, исследователи предполагают, что эта технология будет применяться в неотложной медицине , кардиологии, терапии и даже в медицинском образовании. Она также может стать революционным решением для сельских больниц и поставщиков медицинских услуг в условиях ограниченных ресурсов, предоставляя мгновенный доступ к рекомендациям экспертов.

В целом, это исследование представляет собой значительный прорыв в области клинического ИИ, доказывающий возможность достижения экспертного уровня эффективности без ущерба для конфиденциальности пациентов. Модель, улучшенная RAG, открывает путь к более безопасным, справедливым и готовым к немедленному внедрению решениям на основе ИИ в здравоохранении. В то время как больницы по всему миру стремятся найти баланс между технологическим прогрессом и этической ответственностью, это исследование предлагает практичный и масштабируемый путь развития.

«Мы считаем, что это открывает новую эру в медицине с использованием искусственного интеллекта», — говорит доктор Вада. «В ней клиническое совершенство и конфиденциальность данных пациентов идут рука об руку».

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.