כשחולה מגיע לחדר מיון, החלטות מהירות ומדויקות בשלב הטריאז' הראשוני הן קריטיות – הן משפיעות על סדר הטיפול ועל סיכויי ההחלמה. מחקר חדש מאוניברסיטת הרווארד בחן האם מודלי שפה גדולים (LLMs) יכולים לסייע בתהליך זה, והאם הם מסוגלים להתחרות ברופאים מנוסים באבחון ראשוני.
המחקר השווה בין ביצועי שני רופאים בכירים לבין שני מודלים של OpenAI (o1 ו-4o) באבחון 76 מטופלים בבית החולים 'בית ישראל'. התוצאות הראו כי מודל ה-o1 הציג ביצועים שווים או טובים יותר מהרופאים, במיוחד בשלב הטריאז' שבו המידע מוגבל וההחלטות חייבות להתקבל במהירות.
מה משמעות הממצאים האלו למפתחי AI ולמערכות רפואיות? ראשית, ברור כי מודלי שפה גדולים יכולים לספק תוספת משמעותית לתהליך האבחון, בעיקר במצבים שבהם זמן ומידע מוגבלים. עם זאת, חשוב להדגיש שמדובר בנתונים ראשוניים בלבד, ויש צורך בבחינה מעמיקה של האינטגרציה בין ה-AI לצוות הרפואי, כדי למנוע תלות יתר או טעויות במקרים מורכבים.
האם מדובר בבעיה טכנולוגית או בשלות האקוסיסטם? הממצאים מצביעים על כך שהטכנולוגיה עצמה כבר בשלה למדי, אך האתגר האמיתי הוא בשילוב נכון של הכלים במערכות הבריאות, כולל ניהול סיכונים, בקרה אנושית והכשרה מתאימה.
מתי כדאי להשתמש במודלי שפה גדולים באבחון רפואי? הם יכולים להיות כלי עזר יעיל במיוחד בשלב הטריאז', להכוונה ראשונית ולהפחתת עומס על הצוות. מתי לא? במקרים מורכבים או כאשר יש צורך בשיקול דעת קליני מעמיק, ה-AI עדיין לא מחליף רופא.
הלקח המרכזי הוא שמודלי שפה גדולים מציעים פוטנציאל אמיתי לשיפור תהליכי אבחון בחדר מיון, אך יש לגשת אליהם ככלי משלים ולא כתחליף. פיתוח מערכות AI רפואיות חייב לכלול תכנון קפדני, בדיקות שדה מקיפות והטמעה מבוקרת כדי להבטיח בטיחות ויעילות בטיפול בחולים.