Большая языковая модель может анализировать огромные объемы данных по безопасности интервенционной радиологии и делать выводы, помогая специалистам по радиологии разрабатывать вмешательства.
Эксперты Университета Торонто подробно описали в своем докладе, что ежедневно накапливаются большие объемы данных о побочных эффектах медицинских устройств. Журнал Канадской ассоциации рентгенологов [1]Только в 2022 году в базах данных Управления по контролю за продуктами и лекарствами США было зарегистрировано около 3 миллионов инцидентов, причем большинство отчетов было собрано в поле для свободного текста.
«При попытке получить значимую информацию из таких баз данных человеческий анализ ограничивается множеством факторов, таких как опыт, необходимое время, отсутствие единообразия и усталость», — написали 21 августа Блэр Э. Уоррен, работавший рентгенологом на кафедре медицинской визуализации университета во время проведения исследования, и его коллеги. «Следовательно, базы данных, содержащие важную информацию о безопасности, могут использоваться недостаточно эффективно».
Для исследования Уоррен и соавторы проанализировали данные FDA о побочных эффектах, связанных с термической абляцией, процедурой IR, которая использует микроволновую энергию для уничтожения раковых и опухолевых клеток. Выборка включала 1189 инцидентов, подсчитанных в период с 2011 по 2021 год в США, при этом три резидента очищали информацию, а научный сотрудник IR анализировал окончательный подсчет.
GPT-4 был обучен на наборе из 25 нежелательных явлений ИР, проверен на 639 и протестирован на 79. Большая языковая модель от OpenAI продемонстрировала высокую точность классификации случаев интервенционной радиологии с точностью 86,4% на большем наборе проверки.
«The [large language model] «Имитация человеческого анализа позволяет предположить возможность использования LLM для обработки больших объемов данных по безопасности IR в качестве инструмента для врачей», — рекомендуют авторы.
Механические поломки были среди наиболее распространенных неисправностей, особенно перелом кончика зонда, частое явление в медицинской литературе по микроволновой абляции. Эти неблагоприятные события часто возникают из-за приложения неправильной или чрезмерной силы через зонд. Почти в половине случаев переломов (42,7%) поставщики услуг оставляли кончик зонда на его первоначальном месте. Однако из-за «ограниченного характера» данных FDA США Уоррен и соавторы не смогли различить долгосрочные результаты.
«Это исследование демонстрирует возможность использования ИИ для создания отчетов по данным, которые в противном случае могли бы быть недооценены», — заключили авторы. «Важно, что автоматизированный анализ этих данных может быть создан экспертами, не являющимися экспертами в области ИИ, и полученные LLM могут выступать в качестве ранних детекторов для выявления важных идей, которые в противном случае могли бы не быть изучены. Эта предлагаемая совместная реализация ИИ и человека будет иметь низкий риск, учитывая, что данные чаще всего уже существуют, и ИИ будет использоваться для дополнения человеческого анализа, с постоянным экспертным надзором человека в качестве окончательной гарантии».
Более подробную информацию, включая возможные ограничения исследования, можно найти по ссылке ниже.
