Οι μεγάλες εταιρείες που χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης (AI) συζητούν ενεργά εάν ο κώδικας και τα δεδομένα πίσω από τα μοντέλα AI θα πρέπει να είναι διαθέσιμα σε όλους (ανοικτά μοντέλα) ή εάν η πρόσβαση πρέπει να είναι περιορισμένη (κλειστά).
Η Google κλίνει ανοιχτά προς την πρώτη περίπτωση στη στρατηγική της για την τεχνητή νοημοσύνη, καθιστώντας την τεχνολογία πίσω από το εμβληματικό της σύστημα Gemini ευρέως διαθέσιμη νωρίτερα αυτό το έτος. Στις 25 Νοεμβρίου, η εταιρεία ανακοίνωσε ότι θα ανοίξει τα μοντέλα Health AI Developer Foundation (HAI-DEF) για τρεις τύπους ιατρικών κατηγοριών: ακτινογραφία θώρακος, δερματολογία και παθολογία.
Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει σε κλινικά περιβάλλοντα με εργασίες όπως η παροχή εξατομικευμένης διάγνωσης ή προτάσεων πρόγνωσης ή η βοήθεια με τη διαλογή των ασθενών.
Γεγονός είναι, όμως, πως θα είναι δύσκολο να δημιουργηθούν μοντέλα τεχνητής νοημοσύνης από την αρχή, επειδή ο όγκος των δεδομένων υγείας που απαιτούνται για την εκπαίδευση και τη δοκιμή τους συνήθως δεν μπορεί να παρασχεθεί από έναν μόνο οργανισμό. Αυτός είναι ο λόγος για τον οποίο πολλά μοντέλα τείνουν να έχουν καλή απόδοση στο εργαστήριο, αλλά αποτυγχάνουν στα κλινικά περιβάλλοντα.
Η Google έχει ήδη «ανοίξει» τα απεικονιστικά δεδομένα στους ερευνητές
Η Google έχει συγκεντρώσει ένα ευρύ φάσμα ιατρικών απεικονιστικών δεδομένων και άλλων κλινικά σχετικών πληροφοριών από τους συνεργάτες της και το έχει προσαρμόσει σε ένα βασικό μοντέλο λειτουργίας.
Για παράδειγμα, το μοντέλο της δερματολογίας έχει εκπαιδευτεί σε εικόνες δερματικών παθήσεων και σχετικές πληροφορίες που προέρχονται από το Διαδίκτυο, σύμφωνα με μια τεχνική εργασία που δημοσιεύτηκε από ερευνητές της Google στο περιοδικό arXiv. Σύμφωνα με τους συγγραφείς, σε μία περίπτωση χρήσης της έρευνας, το μοντέλο παθολογίας της Google βοήθησε τους ερευνητές του University College του Λονδίνου να διακρίνουν διαφορετικούς τύπους σαρκωμάτων.
«Η πρόθεση πίσω από αυτό είναι, ουσιαστικά, να επιτραπεί στους προγραμματιστές να επιταχύνουν την ανάπτυξη λύσεων τεχνητής νοημοσύνης», σημείωσε ο Shravya Shetty, διευθυντής μηχανικής της Google, στο Healthcare Brew.
Οργάνωση δεδομένων ειδικά για την υγειονομική περίθαλψη
Σύμφωνα με τον Δρ. Shetty, αυτό το αποτέλεσμα ήταν το αποκορύφωμα σχεδόν μιας δεκαετίας δουλειάς. Η Google Research δοκιμάζει και αναπτύσσει εργαλεία τεχνητής νοημοσύνης με συνεργάτες σε οργανισμούς υγειονομικής περίθαλψης και φαρμακευτικές εταιρείες όπως η Apollo Radiology στην Ινδία, το ερευνητικό νοσοκομείο National Institutes of Health Clinical Center με έδρα το Μέριλαντ και η εταιρεία τεχνολογίας υγείας DeepHealth.
Μοντέλο τεχνητής νοημοσύνης συμβάλλει στην παθολογική ανάλυση και διάγνωση του καρκίνου
Από τις πρώτες δοκιμές, τα μοντέλα έχουν εξελιχθεί από βαθιάς αναγνώρισης κειμένου ή εικόνας μόνο για να γίνουν πιο εξελιγμένα και πολυτροπικά.
Αυτά τα μοντέλα ήταν αρχικά διαθέσιμα γύρω στο 2022 ως API ή διεπαφή προγραμματισμού εφαρμογών, που επέτρεπαν την πρόσβαση στην έρευνα. Αλλά η πρόσβαση μόνο για έρευνα δημιούργησε «συμφόρηση» που εμπόδισε τους ανθρώπους να μεγιστοποιήσουν τη χρησιμότητα των μοντέλων, σύμφωνα με τον Δρ. Shetty.
Τα ανοιχτά μοντέλα, από την άλλη, θα έλυναν τον περιορισμό και τα όρια γύρω από την πρόσβαση, καθώς μπορούν να παρέχουν στους προγραμματιστές περισσότερη διαφάνεια και έλεγχο, ειδικά σε ευαίσθητες πληροφορίες, όπως δεδομένα υγείας, που θα μπορούσαν να τροφοδοτηθούν στο μοντέλο.
«Αυτό σημαίνει ότι μπορείτε να πάρετε τα μοντέλα ως έχουν και να τα συντονίσετε στα δεδομένα σας. Οι άνθρωποι είναι ελεύθεροι να δημιουργήσουν λύσεις πάνω σε αυτό, να κάνουν τη δική τους έρευνα και να την αναπτύξουν με τον τρόπο της επιλογής τους», τόνισε ο ειδικός.
Επιπλέον, τα μοντέλα δεν είναι εξειδικευμένα σε ασθένειες. Για παράδειγμα, το μοντέλο ακτινογραφίας θώρακα μπορεί να χρησιμοποιηθεί για τον εντοπισμό χιλιάδων παθήσεων, από τη φυματίωση έως τις σπάνιες πνευμονικές παθήσεις.
«Δεν νομίζω ότι θα υπάρξει ποτέ ένα ενιαίο μοντέλο που θα ικανοποιεί όλες τις διάφορες πτυχές στην υγειονομική περίθαλψη. Υπάρχουν τόσες πολλές προϋποθέσεις, τόση εξειδίκευση για τα άτομα. Ο μόνος τρόπος που μπορεί να κλιμακωθεί για να φτάσει τις δυνατότητές του, είναι εάν ο κλάδος στο σύνολό του κινηθεί προς αυτή την κατεύθυνση», κατέληξε ο Δρ. Shetty.