ChatGPT, dapatkah ini menambah bahan bakar pada “AI + perawatan medis”?

Sumber: Yioujiantan

Sumber gambar: Dihasilkan oleh AI Tanpa Batas

Selama delapan bulan terakhir tahun 2023, peningkatan AI generatif tidak diragukan lagi.

Raksasa besar seperti Baidu, Alibaba Cloud, iFlytek, dan JD Health semuanya telah mencapai akhir dan meluncurkan model besar mereka sendiri dengan meriah. Tidak ingin membiarkan satu keluarga mendominasi, "pertempuran ratusan model" akan segera terjadi. Tren ini segera menyebar ke bidang medis yang serius dan sangat diatur.

Nasib farmasi AI kembali berputar.Pada 12 Juli, Nvidia, yang berada di puncak, menginvestasikan US$50 juta di perusahaan bioteknologi Recursion untuk mempercepat terobosan model dasar di bidang penemuan obat dengan kecerdasan buatan. Langkah ini ditafsirkan oleh industri sebagai taruhan lebih lanjut pada obat-obatan AI oleh Nvidia, yang telah menghasilkan banyak uang.

"Guru berlapis kulit" Huang Renxun bahkan membuat pernyataan penting: "AI Generatif adalah alat revolusioner untuk menemukan obat dan perawatan baru." Di mata dunia luar, setiap gerakan Nvidia, yang telah kapitalisasi pasar triliunan dolar, patut dipelajari. Saat ini, obat-obatan AI pada tahap awal mungkin masih berada dalam depresi nilai.

Capital sekali lagi mendengar pukulan keras dari usaha yang putus asa.Pada tanggal 21 Agustus, Genesis Therapeutics, sebuah perusahaan farmasi AI yang berasal dari Universitas Stanford, mengumumkan penyelesaian pembiayaan Seri B yang kelebihan permintaan sebesar US$200 juta. Platform penelitian dan pengembangan simulasi obat dalam negeri "Teknologi Shenshi" telah menyelesaikan putaran baru pembiayaan lebih dari 700 juta yuan, dan Yingsi Intelligence juga sedang berlari untuk "stok farmasi AI pertama"...

Perusahaan seperti konsultasi medis, diagnosis tambahan, pemasaran digital medis, dan pengobatan tradisional Tiongkok semuanya terlibat, bersaing untuk mendapatkan kesempatan untuk melayani.

Di tengah kemakmuran, Komisi Kesehatan Kota Beijing baru-baru ini mengeluarkan dokumen yang mengklarifikasi bahwa mereka akan memperkuat pengawasan kegiatan diagnosis dan pengobatan melalui Internet dan dengan tegas melarang penggunaan kecerdasan buatan dan metode lain untuk menghasilkan resep secara otomatis; perangkat lunak kecerdasan buatan, dll., harus tidak digunakan secara curang atau menggantikan dokter dalam memberikan pelayanan diagnosa dan pengobatan.

Fanatisme dan kebingungan saling terkait, dan orang-orang bertanya-tanya: **ChatGPT, dapatkah ini menambah semangat "AI+perawatan medis"? Skenario segmentasi medis dan kesehatan apa yang dapat diterapkan? Tingkat pemberdayaan apa yang dicapai? **

01 Pedang Yitian AI, sulit ditembus dalam rangkaian penelitian dan pengembangan obat

Ada aturan sepuluh ganda yang menakutkan dalam penelitian dan pengembangan obat: dibutuhkan setidaknya sepuluh tahun dan satu miliar dolar AS untuk mengembangkan obat baru. Kemunculan obat-obatan AI memungkinkan orang untuk melihat kemungkinan menghasilkan molekul baru dalam satu klik, namun verifikasi nilai dan kegelisahan bisnis telah menjadi siksaan yang berkepanjangan bagi perusahaan terkait.

**Ketika AI berevolusi menjadi model universal ChatGPT, dapatkah pedang surgawi ini, yang memiliki harapan besar, benar-benar menyelesaikan masalah biaya dan tingkat kegagalan penelitian dan pengembangan obat? **Jawabannya mungkin tidak optimis.

Dalam imajinasi kebanyakan orang, teknologi kecerdasan buatan dapat membantu pengembang dengan cepat menyaring molekul obat potensial melalui algoritma seperti pemrosesan bahasa alami dan pembelajaran mesin. Pada saat yang sama, dengan bantuan sejumlah besar data penelitian dan pengembangan obat, tidak hanya "molekul bernilai miliaran dolar" berikutnya dapat ditemukan dengan cepat, tetapi juga efek samping dan metabolisme obat dari obat dapat diprediksi.

Sebuah laporan penelitian pialang pernah menguraikan gambaran yang menarik: memberdayakan penemuan target obat, penyaringan senyawa, dan aspek lainnya melalui pembelajaran mesin, pembelajaran mendalam, dan metode lainnya dapat meningkatkan tingkat keberhasilan penelitian dan pengembangan obat baru dari 12% menjadi 14%.Hal ini menghemat sekitar Biaya skrining gabungan dan uji klinis sebesar US$55 miliar di seluruh dunia setiap tahunnya.

Perubahan teknologi AI ibarat kebakaran hutan yang tiba-tiba, mencoba membakar “dinding pagar” dilema Sepuluh Ganda dalam penelitian dan pengembangan biomedis. Pada tahun 2021, perusahaan farmasi AI akan mengikuti tren tersebut dan menampilkan kisah mengejar kekayaan di pasar modal global. Lebih dari 270 perusahaan yang terlibat dalam penelitian dan pengembangan obat AI bermunculan, mencakup penemuan target hingga pelacakan obat pasca-pasar. Melalui pembiayaan, transaksi, dan kerja sama dengan uang riil, masyarakat telah melihat pasar farmasi AI yang sepenuhnya aktif.

Namun, verifikasi nilai juga menyebabkan gelembung yang pernah digulung oleh farmasi AI tiba-tiba pecah. Pada tahun 2022, molekul pertama di dunia yang dirancang oleh kecerdasan buatan, DSP-1181, dihentikan oleh Sumitomo Pharmaceutical Jepang karena studi klinis fase I tidak memenuhi standar yang diharapkan. Exscientia sebelumnya telah membuat klaim besar bahwa keseluruhan proyek memakan waktu kurang dari satu tahun mulai dari pengajuan konsep hingga penentuan molekul, sedangkan rata-rata industri adalah 4,5 tahun.

BenevolentAI, sebuah perusahaan farmasi AI yang terdaftar di Inggris, juga mengumumkan bahwa mereka akan memberhentikan hampir 180 orang, hampir setengah dari perusahaan, karena kegagalan uji klinis Fase IIa BEN-2293. Banyak jaringan farmasi AI yang menghilang secara diam-diam setelah memasuki tahap klinis. Nilai pasar dari banyak obat-obatan AI telah anjlok, dan banyak perusahaan yang mengembangkan obat baru AI+ hampir kehabisan uang tunai, dengan harga saham mereka kurang dari US$1. Kebaruan jalur farmasi AI juga telah dipertanyakan oleh industri.

Ketika semua hasil dari obat-obatan inovatif telah dipetik, dapatkah ChatGPT menjadi alat yang ampuh untuk melanggar Hukum anti-Moore mengenai pengembangan obat baru? “Faktanya, kekurangan kita saat ini mungkin bukan pada kekuatan komputasi, namun kita tidak memiliki banyak data efektif berkualitas tinggi.” Ma Jian, CEO Jingtai Technology, menyatakan pada Global Biomedical ke-4 Konferensi dan Pameran Teknologi.

Faktanya, daya komputasi, algoritme, dan data adalah tiga faktor penting yang membentuk pembelajaran mesin kecerdasan buatan. Laporan Penelitian Soochow Securities menunjukkan bahwa data menentukan kedalaman model pelatihan, algoritma menentukan efisiensi dan output, dan daya komputasi menentukan dimensi yang dapat dicapai AI. **Meskipun GPT cukup subversif, GPT lebih berfokus pada peningkatan sumber daya komputasi dan gagal memecahkan kesulitan terbesar yang menghambat obat-obatan baru – kesenjangan dalam data penelitian dan pengembangan berkualitas tinggi. **

Data penelitian dan pengembangan obat yang inovatif sangat sensitif dan berharga bagi perusahaan farmasi, dan mereka umumnya tidak mau membagikannya. Hal ini juga menciptakan situasi di mana data berkualitas tinggi jarang ditemukan. Selain itu, literatur akademis dan penelitian juga menghadapi kendala tersembunyi seperti kurangnya sampel negatif.

Setidaknya untuk saat ini, meskipun ChatGPT diberkati, farmasi AI lebih berperan sebagai pendukung, dan kami menantikan lebih banyak terobosan di masa depan.

02 Pisau pembunuh naga multi-modal, mengubah diagnosis tambahan

Bayangkan sebuah skenario di mana ketika Anda perlu mengetahui fungsi dan penggunaan obat tertentu, orang digital dengan hati-hati menginstruksikan Anda tentang tindakan pencegahan di depan layar lebar.Tidak perlu membaca manual dengan cermat kata demi kata.

Inilah daya tarik model besar seperti GPT. Peng Tao, kepala ilmuwan data Yidu Cloud, sebelumnya telah menyatakan dengan jelas bahwa hampir semua produk/jalur medis dapat diatur ulang menggunakan model bahasa besar untuk benar-benar mengerahkan kemampuannya.

Meskipun hot spot investasi masih terfokus pada model dan database besar, dalam proses pertumbuhan GPT yang meningkat, interpretasi laporan, kontrol kualitas rekam medis, diagnosis tambahan, tanya jawab pengetahuan, dan aspek lainnya dapat diubah.

Pada tanggal 12 Juli, tim peneliti konsultasi medis Google AI Med-PaLM merilis hasil penelitian di jurnal Nature Sekelompok dokter mencetak jawaban model medis besar Google dan DeepMind Med-PaLM setinggi 92,6%., yang sebanding hingga tingkat dokter manusia sebenarnya (92,9%).

Selanjutnya, makalah "Menuju AI Biomedis Generalis" menunjukkan potensi mode multitugas dari model generatif multimodal skala besar. Tim peneliti Google Research dan Google DeepMind menemukan bahwa Med-PaLM M sudah dapat melakukan 14 tugas biomedis yang berbeda seperti klasifikasi gambar medis, menjawab pertanyaan medis, menjawab pertanyaan visual, pembuatan dan ringkasan laporan radiologi, dan pemanggilan varian genom.

Di antara 246 rontgen dada yang sebenarnya, dokter mengatakan bahwa hingga 40,50% kasus, laporan yang dihasilkan oleh Med-PaLM M lebih diterima dibandingkan dengan ahli radiologi profesional.

** "Saat ini, kita harus beralih ke struktur tripartit dan memasukkan entitas AI yang mirip dengan GPT-4 sebagai pilar ketiga dari hubungan segitiga ini." ** Buku "GPT Medical Beyond Imagination" menunjukkan bahwa Pengobatan tradisional biasanya mengacu pada ikatan suci antara dokter dan pasien - hubungan dua arah, dan GPT dapat berfungsi sebagai pihak ketiga, serupa dengan peran pembantu dokter.

Di bawah model medis tripartit yang baru, dokter dan GPT bersama-sama merupakan badan utama diagnosis dan pengobatan. Saat pasien diperiksa, AI dan dokter berpartisipasi dalam diagnosis dan pengobatan bersama untuk memastikan keakuratan diagnosis dan pengobatan. Apa pun peran GPT dalam bidang medis, selalu perlu melibatkan manusia dalam meninjau semua keluaran yang dihasilkannya untuk menghindari risiko dan kekurangan teknologi semaksimal mungkin.

Baru-baru ini, Komisi Kesehatan Kota Beijing mengeluarkan "Langkah-langkah Implementasi Beijing untuk Pengawasan Diagnosis dan Perawatan Internet (Percobaan)". Institusi medis yang melakukan aktivitas diagnosis dan pengobatan Internet harus memperkuat pengelolaan obat. Dilarang keras menggunakan kecerdasan buatan untuk secara otomatis membuat resep, dan dilarang keras memberikan obat kepada pasien sebelum resep dikeluarkan. . Langkah ini dimaksudkan untuk menstandardisasi aktivitas diagnosis dan pengobatan melalui Internet, serta menghilangkan sebanyak mungkin risiko kecerdasan buatan.

JD Health, Baidu Health, Shenrui Medical, Medical Alliance, Neusoft, Left Hand Doctor dan perusahaan lain telah meluncurkan model vertikal medis berskala besar mereka sendiri. Skenario aplikasi sebagian besar berfokus pada konsultasi tambahan, diagnosis tambahan, konsultasi kesehatan, pencitraan cerdas medis, dll.

“Perusahaan teknologi medis secara aktif bekerja sama dengan perusahaan model besar dasar, dan ekosistem medis dan kesehatan model besar AI secara bertahap sedang dibangun. Industri ini berkembang sangat pesat, sehingga hanya menyisakan sedikit waktu untuk observasi, pembelajaran, dan pemikiran industri. Ada lebih banyak sumber daya dan kemampuan ekologi yang lebih kuat. Perusahaan, institusi, dan pemerintah dapat berpartisipasi lebih aktif.” Gao Gao, Managing Director EO dan President EO Health, menekankan dengan tajam.

Meskipun kinerja ChatGPT memuaskan, fungsi-fungsi baru sering kali muncul sesuai harapan, dan GPT cenderung memalsukan informasi, yang terkadang menjadi "ilusi". Informasi model bahasa besar perlu diperbarui secara berkala untuk menjaga keakuratan dan ketepatan waktu, jika tidak maka akan mudah menyesatkan pengguna.

03 Subversi penulisan rekam medis

Dibandingkan dengan "gunung yang sulit diatasi" di bidang penelitian dan pengembangan obat, penulisan rekam medis atau salah satu sub-skenario di mana ChatGPT dapat mencapai subversi.

"Bagi banyak perusahaan yang berfokus pada pengembangan produk dokumentasi klinis otomatis, GPT-4 tampaknya merupakan teknologi yang disruptif." "GPT Healthcare Beyond Imagination" pernah menyimpulkan.

Ketika penulis menulis paragraf ini pada awal tahun 2023, mereka mungkin telah memperkirakan potensi GPT-4 dalam menangani bagian paling rumit dan memberatkan dari pekerjaan sehari-hari perawatan medis di masa mendatang.

Pada bulan Maret tahun ini, anak perusahaan pengenalan suara Microsoft, Nuance Communications, merilis alat yang digerakkan oleh AI GPT-4 untuk secara otomatis merekam dan menghasilkan catatan klinis untuk staf medis. Hal ini diharapkan dapat mengurangi proses mengubah kunjungan pasien secara lisan menjadi catatan klinis dari aslinya 4 jam. Secara otomatis menghasilkan draf rekam medis dalam hitungan detik, sangat mengurangi beban administrasi dokter.

Seperti yang kita ketahui bersama, ada banyak dokumen yang terlibat dalam proses diagnosis dan pengobatan. Sebuah studi tahun 2016 yang didanai oleh American Medical Association menemukan bahwa untuk setiap jam yang dihabiskan dokter dengan pasien, mereka menghabiskan dua jam tambahan untuk mengurus dokumen rekam medis. Studi tersebut menunjukkan bahwa dokter harus menghabiskan satu atau dua jam ekstra setelah jam kerja untuk memproses dokumen rekam medis. Survei tahun 2017 yang dilakukan oleh Journal of Association of American Medical Colleges menemukan bahwa lebih dari dua pertiga dokter yang disurvei mengakui bahwa mereka terlalu terbebani dengan dokumen rekam medis.

Di negara kita, situasinya tidak optimis. Staf medis di rumah sakit tersier di banyak tempat telah menerima "tiket denda" dari komisi kesehatan setempat karena penulisan rekam medis yang tidak teratur. Meskipun rekam medis elektronik yang terkenal telah menggantikan rekam medis kertas yang ditulis tangan, staf medis menghabiskan lebih banyak waktu menghadapi layar.

Munculnya GPT memungkinkan masyarakat melihat kemungkinan pengurangan beban tenaga medis. Dalam hal ekstraksi informasi, ChatGPT dapat menyusun sebagian besar teks klinis; dalam hal pembersihan data, ChatGPT dapat memberikan pekerjaan verifikasi konsistensi dalam rentang tertentu. Tingkatkan efisiensi dan kualitas layanan kesehatan dengan mengintegrasikan data dari berbagai sumber dan format.

Rumah Sakit Perdamaian Internasional Wenzhou pernah melakukan pengujian, dalam test case tersebut mereka memasang beberapa "perangkap", antara lain format yang tidak teratur, tanda baca yang salah, nama obat yang salah, dan penggunaan obat yang hilang. Setelah secara langsung meminta ChatGPT untuk membuat laporan, saya sangat senang karena berhasil menghasilkan laporan medis yang relevan, secara aktif memperbaiki kesalahan format dan tanda baca, dan menambahkan ringkasan dua kalimat.

** "Aplikasi AI pertama-tama harus dimulai dengan area aplikasi yang 'berdampak tinggi dan berisiko rendah', misalnya, menyederhanakan beban kerja administratif staf medis." ** David Rhew, kepala petugas medis global Microsoft, dengan tegas menyatakan.

Bidang medis berkaitan erat dengan kehidupan dan kesehatan manusia, dan pengawasannya sangat ketat. Jika perusahaan secara langsung menggunakan ChatGPT untuk mengembangkan layanan diagnosis dan perawatan untuk diagnosis klinis dan pasien, risiko dan tantangan yang akan mereka hadapi mungkin tidak dapat diprediksi, dan mendapatkan persetujuan mungkin merupakan perjalanan yang panjang. Sebaliknya, dokumentasi rekam medis atau tugas “back-office” lainnya tidak memerlukan kontrol peraturan keamanan yang rumit, namun kebutuhan tersebut nyata dan menjadi sumber frustrasi.

Perusahaan seperti Microsoft, Google dan Amazon semuanya mencari di sini. Dalam pandangan David Rhew, penerapan awal kecerdasan buatan itu seperti, semua orang hanya punya mobil, namun langkah pengelolaannya seperti rambu berhenti dan lampu lalu lintas belum siap. **"Kita masih perlu memikirkan lebih jauh bagaimana melakukan hal ini dengan baik bersama-sama," tambahnya.

Yang jelas ChatGPT sendiri bukanlah tujuan akhir dari kecerdasan buatan, melainkan hanya salah satu dari serangkaian tonggak sejarah AI yang lebih besar di masa depan. Pada saat itu, gangguannya di bidang medis akan semakin dinantikan.