ოქსფორდის უნივერსიტეტის მეცნიერებმა შეაფასეს ხელოვნური ინტელექტის (AI) ინსტრუმენტების შესაძლებლობა, ავტომატურად დაამუშაონ ინფორმაცია პაციენტების ელექტრონული ჯანდაცვის ჩანაწერებიდან (EHR). ეს არის გადამწყვეტი ნაბიჯი ფართომასშტაბიანი, კონფიდენციალური სამედიცინო კვლევების ჩასატარებლად.
თანამედროვე ციფრულ ეპოქაში, მილიონობით EHR ჩანაწერი უზარმაზარ რესურსს წარმოადგენს კვლევების, განათლებისა და ჯანდაცვის ხარისხის გასაუმჯობესებლად. თუმცა, AI მოდელების გაწვრთნაში EHR-ების გამოყენების მზარდი ინტერესი კითხვებს აჩენს, რამდენად მყარია არსებული მეთოდები პაციენტის კონფიდენციალურობის სრულად დასაცავად.
ოქსფორდის გუნდმა, დოქტორ რეიჩელ კუოს ხელმძღვანელობით, კვლევა ჩაატარა იმის შესამოწმებლად, შეუძლია თუ არა პროგრამულ უზრუნველყოფას დააკმაყოფილოს მონაცემთა დაცვის მისაღები სტანდარტები.
კვლევის ავტორები აღნიშნავენ, რომ პაციენტის კონფიდენციალურობა აუცილებელია ჯანდაცვის კვლევის მიმართ საზოგადოების ნდობის ჩამოსაყალიბებლად. მათ განმარტეს, რომ პერსონალურად იდენტიფიცირებადი ინფორმაციის (როგორიცაა სახელები ან მისამართები) ხელით წაშლა შრომატევადი და ძვირია, ხოლო მანქანური სწავლების მოდელებს შეუძლია შეამსუბუქოს ეს ტვირთი.
კვლევა, რომელიც ჟურნალ iScience-ში გამოქვეყნდა, მიზნად ისახავდა შეეფასებინა დიდი ენობრივი მოდელებისა (LLMs) და სპეციალურად შექმნილი პროგრამული ინსტრუმენტების უნარი, ამოეცნოთ და გამოეყოთ პაციენტის იდენტიფიკატორები (სახელები, თარიღები, სამედიცინო ჩანაწერის ნომრები) რეალური ჩანაწერებიდან ისე, რომ არ შეეცვალათ კლინიკური შინაარსი.
ოქსფორდის გუნდმა ჯერ 3,650 სამედიცინო ჩანაწერი ხელით დაარედაქტირა, რათა მიეღოთ უტყუარი საცნობარო ნაკრები. შემდეგ ისინი შეადარეს ორ სპეციფიკურ დე-იდენტიფიკაციის ინსტრუმენტს (Microsoft Azure და AnonCAT) და ხუთ ზოგადი დანიშნულების LLM-ს (მათ შორის GPT-4, GPT-3.5, Llama-3, Phi-3 და Gemma).
კვლევის შედეგად, Microsoft Azure-ის დე-იდენტიფიკაციის სერვისმა აჩვენა საერთო ჯამში ყველაზე მაღალი შესრულება, რომელიც თითქმის სრულად ემთხვეოდა ადამიანის მიერ ჩატარებულ რედაქტირებას. GPT-4 ასევე ძლიერი იყო, რამაც დაამტკიცა, რომ თანამედროვე ენობრივ მოდელებს შეუძლიათ იდენტიფიკატორების ზუსტად ამოღება მინიმალური წინასწარი მომზადებით.
თუმცა, კვლევამ რისკებიც გამოავლინა. დოქტორმა სოლტანმა განმარტა, რომ მიუხედავად იმისა, რომ ზოგიერთი დიდი ენობრივი მოდელი შთამბეჭდავად მუშაობს, სხვებმა შეიძლება შექმნან ცრუ ან შეცდომაში შემყვანი ტექსტი, ანუ ჰალუცინაციები, რაც კლინიკურ კონტექსტში რისკს ქმნის და გამოყენებამდე აუცილებელია ფრთხილი ვალიდაცია.
მეცნიერები ასკვნიან, რომ დე-იდენტიფიკაციის ავტომატიზაციას შეუძლია მნიშვნელოვნად შეამციროს კლინიკური მონაცემების კვლევისთვის მომზადების დრო და ხარჯები, ამასთან, შეინარჩუნოს პაციენტების კონფიდენციალურობა.
წყარო: iscience
