habari

Muundo Kubwa wa Lugha (LLM) unaweza kuandika makala za kushawishi kulingana na maneno ya papo hapo, kufaulu mitihani ya ustadi wa kitaaluma, na kuandika taarifa za urafiki na huruma kwa mgonjwa. Hata hivyo, pamoja na hatari zinazojulikana za uwongo, udhaifu, na ukweli usio sahihi katika LLM, masuala mengine ambayo hayajatatuliwa yanazingatiwa hatua kwa hatua, kama vile miundo ya AI iliyo na uwezekano wa "maadili ya binadamu" ya kibaguzi katika uundaji na matumizi yao, na hata kama LLM haitengenezi tena maudhui na kuondoa matokeo ya matokeo yenye madhara, "thamani za LLM" bado zinaweza kuharibika.

Mifano nyingi zinaonyesha jinsi data inayotumika kufunza miundo ya AI inavyosimba maadili ya mtu binafsi na ya kijamii, ambayo yanaweza kuimarika ndani ya muundo huo. Mifano hii inahusisha matumizi mbalimbali, ikiwa ni pamoja na ufasiri otomatiki wa X-rays ya kifua, uainishaji wa magonjwa ya ngozi, na kufanya maamuzi ya algoriti kuhusu ugawaji wa rasilimali za matibabu. Kama ilivyoelezwa katika makala ya hivi majuzi katika jarida letu, data ya mafunzo yenye upendeleo inaweza kukuza na kufichua maadili na upendeleo uliopo katika jamii. Kinyume chake, utafiti pia umeonyesha kuwa AI inaweza kutumika kupunguza upendeleo. Kwa mfano, watafiti walitumia mifano ya kujifunza kwa kina kwenye filamu za X-ray za magoti na kugundua mambo ambayo yalikosa viashiria vya ukali wa kawaida (vilivyowekwa na radiologists) ndani ya magoti pamoja, na hivyo kupunguza tofauti zisizoeleweka za maumivu kati ya wagonjwa wa rangi nyeusi na nyeupe.

Ingawa watu zaidi na zaidi wanatambua upendeleo katika mifano ya AI, hasa katika suala la data ya mafunzo, pointi nyingine nyingi za kuingia za maadili ya kibinadamu hazipewi kipaumbele cha kutosha katika mchakato wa maendeleo na uwekaji wa mifano ya AI. AI ya kimatibabu hivi karibuni imepata matokeo ya kuvutia, lakini kwa kiasi kikubwa, haijazingatia kwa uwazi maadili ya binadamu na mwingiliano wao na tathmini ya hatari na mawazo ya uwezekano, wala haijawekwa mfano.

Ili kuhitimisha dhana hizi dhahania, fikiria kuwa wewe ni mtaalamu wa endocrinologist ambaye anatakiwa kuagiza homoni ya ukuaji wa binadamu recombinant kwa mvulana wa miaka 8 ambaye yuko chini ya asilimia 3 ya umri wake. Kiwango cha homoni ya ukuaji wa binadamu kilichochochewa cha mvulana ni chini ya 2 ng/mL (thamani ya marejeleo,>10 ng/mL, thamani ya marejeleo kwa nchi nyingi nje ya Marekani ni>7 ng/mL), na jeni yake ya usimbaji ya homoni ya ukuaji wa binadamu imegundua mabadiliko nadra ya uanzishaji. Tunaamini kwamba utumizi wa tiba ya homoni ya ukuaji wa binadamu ni dhahiri na isiyopingika katika mpangilio huu wa kimatibabu.

Utumizi wa tiba ya homoni ya ukuaji wa binadamu katika hali zifuatazo inaweza kusababisha utata: urefu wa mvulana mwenye umri wa miaka 14 daima umekuwa katika asilimia 10 ya wenzao, na kilele cha homoni ya ukuaji wa binadamu baada ya kusisimua ni 8 ng/mL. Hakuna mabadiliko ya kiutendaji yanayojulikana ambayo yanaweza kuathiri urefu, wala sababu zingine zinazojulikana za kimo kifupi, na umri wa mfupa wake ni umri wa miaka 15 (yaani hakuna kuchelewa kwa ukuaji). Sehemu tu ya utata ni kutokana na tofauti katika maadili ya kizingiti kuamuliwa na wataalamu kulingana na kadhaa ya tafiti kuhusu viwango vya ukuaji wa binadamu homoni kutumika kwa ajili ya kutambua upungufu wa pekee wa ukuaji wa homoni. Angalau utata mwingi unatokana na usawa wa faida ya hatari ya kutumia tiba ya homoni ya ukuaji wa binadamu kutoka kwa mitazamo ya wagonjwa, wazazi wenye subira, wataalamu wa afya, makampuni ya dawa na walipaji. Madaktari wa endokrinolojia kwa watoto wanaweza kupima athari mbaya za nadra za sindano za kila siku za homoni ya ukuaji kwa miaka 2 na uwezekano wa hakuna au ukuaji mdogo tu katika saizi ya mwili wa watu wazima ikilinganishwa na sasa. Wavulana wanaweza kuamini kwamba hata kama urefu wao unaweza kuongezeka kwa cm 2 tu, ni thamani ya kuingiza homoni ya ukuaji, lakini mlipaji na kampuni ya dawa inaweza kushikilia maoni tofauti.

Tunachukua eGFR inayotokana na kretini kama mfano, ambayo ni kiashirio cha utendakazi wa figo kinachotumika sana kwa ajili ya kutambua na kudhibiti ugonjwa sugu wa figo, kuweka masharti ya upandikizaji wa figo au uchangiaji, na kubainisha vigezo vya kupunguza na vizuizi vya dawa nyingi zinazoagizwa na daktari. EGFR ni mlingano rahisi wa urejeshi unaotumiwa kukadiria kiwango cha uchujaji wa glomerular (mGFR), ambacho ni kiwango cha marejeleo, lakini mbinu ya tathmini ni ngumu kiasi. Mlinganyo huu wa urejeshi hauwezi kuchukuliwa kuwa mfano wa AI, lakini unaonyesha kanuni nyingi kuhusu maadili ya binadamu na hoja za uwezekano.

Sehemu ya kwanza ya kuingia kwa thamani za binadamu kuingia eGFR ni wakati wa kuchagua data ya milinganyo inayofaa. Foleni asili iliyotumika kubuni fomula ya eGFR mara nyingi ina washiriki weusi na weupe, na utumikaji wake kwa makabila mengine mengi hauko wazi. Viingizo vilivyofuata vya maadili ya binadamu katika fomula hii ni pamoja na: kuchagua usahihi wa mGFR kama lengo la msingi la kutathmini utendaji wa figo, ni kiwango gani kinachokubalika cha usahihi, jinsi ya kupima usahihi, na kutumia eGFR kama kizingiti cha kuanzisha maamuzi ya kimatibabu (kama vile kubainisha masharti ya kupandikiza figo au kuagiza dawa). Hatimaye, wakati wa kuchagua maudhui ya mtindo wa uingizaji, maadili ya kibinadamu pia yataingia kwenye fomula hii.

Kwa mfano, kabla ya 2021, miongozo inapendekeza kurekebisha viwango vya kretini katika fomula ya eGFR kulingana na umri wa mgonjwa, jinsia na rangi (iliyoainishwa tu kama watu weusi au wasio weusi). Marekebisho hayo kulingana na mbio yanalenga kuboresha usahihi wa fomula ya mGFR, lakini mnamo 2020, hospitali kuu zilianza kutilia shaka matumizi ya eGFR kulingana na rangi, zikitaja sababu kama vile kuchelewesha kustahiki kwa mgonjwa kupandikizwa na kukimbia kama wazo la kibaolojia. Utafiti umeonyesha kwamba kubuni miundo ya eGFR katika suala la mbio inaweza kuwa na athari kubwa na tofauti juu ya usahihi na matokeo ya kimatibabu; Kwa hivyo, kuangazia usahihi au kuzingatia sehemu ya matokeo huonyesha hukumu za thamani na kunaweza kuficha ufanyaji maamuzi wa uwazi. Hatimaye, kikundi kazi cha kitaifa kilipendekeza fomula mpya ambayo iliwekwa upya bila kuzingatia mbio ili kusawazisha masuala ya utendakazi na haki. Mfano huu unaonyesha kwamba hata fomula rahisi ya kliniki ina vidokezo vingi vya kuingia katika maadili ya kibinadamu.

Ikilinganishwa na fomula za kimatibabu zilizo na idadi ndogo tu ya viashirio vya ubashiri, LLM inaweza kujumuisha mabilioni hadi mamia ya mabilioni ya vigezo (uzani wa mfano) au zaidi, na kufanya iwe vigumu kuelewa. Sababu kwa nini tunasema "vigumu kuelewa" ni kwamba katika LLM nyingi, njia kamili ya kupata majibu kupitia kuuliza haiwezi kuchorwa. Idadi ya vigezo vya GPT-4 bado haijatangazwa; Mtangulizi wake GPT-3 alikuwa na vigezo bilioni 175. Vigezo zaidi havimaanishi uwezo thabiti zaidi, kwani miundo midogo inayojumuisha mizunguko zaidi ya hesabu (kama vile mfululizo wa kielelezo cha LLaMA [Muundo wa Lugha Kubwa Meta AI]) au miundo iliyopangwa vyema kulingana na maoni ya binadamu itafanya vyema zaidi kuliko miundo mikubwa zaidi. Kwa mfano, kulingana na wakadiriaji wa kibinadamu, muundo wa InstrumentGPT (mfano wenye vigezo bilioni 1.3) hupita GPT-3 katika kuboresha matokeo ya kielelezo.

Maelezo mahususi ya mafunzo ya GPT-4 bado hayajafichuliwa, lakini maelezo ya miundo ya vizazi vilivyotangulia ikiwa ni pamoja na GPT-3, InstrumentGPT, na LLM nyingine nyingi za huria zimefichuliwa. Siku hizi, mifano mingi ya AI huja na kadi za mfano; Data ya tathmini na usalama ya GPT-4 imechapishwa katika kadi ya mfumo sawa iliyotolewa na kampuni ya kuunda mfano ya OpenAI. Uundaji wa LLM unaweza kugawanywa takriban katika hatua mbili: hatua ya awali ya mafunzo na hatua ya kurekebisha vizuri inayolenga kuboresha matokeo ya pato la mfano. Katika hatua ya awali ya mafunzo, modeli hupewa mkusanyiko mkubwa ikijumuisha maandishi asilia ya mtandao ili kuifunza kutabiri neno linalofuata. Mchakato huu unaoonekana kuwa rahisi wa "kukamilisha kiotomatiki" hutoa muundo wa msingi wenye nguvu, lakini pia unaweza kusababisha tabia mbaya. Maadili ya kibinadamu yataingia katika hatua ya mafunzo ya awali, ikiwa ni pamoja na kuchagua data ya mafunzo ya awali ya GPT-4 na kuamua kuondoa maudhui yasiyofaa kama vile ponografia kwenye data ya mafunzo ya awali. Licha ya juhudi hizi, muundo msingi bado unaweza kuwa sio muhimu au uwezo wa kuwa na matokeo hatari. Katika hatua inayofuata ya kurekebisha vizuri, tabia nyingi muhimu na zisizo na madhara zitatokea.

Katika hatua ya kusawazisha, tabia ya miundo ya lugha mara nyingi hubadilishwa sana kupitia urekebishaji na ujifunzaji wa uimarishaji unaosimamiwa kulingana na maoni ya wanadamu. Katika hatua ya urekebishaji mzuri inayosimamiwa, wafanyikazi wa kontrakta walioajiriwa wataandika mifano ya majibu kwa maneno ya papo hapo na kutoa mafunzo kwa mtindo huo moja kwa moja. Katika hatua ya uimarishaji wa mafunzo kulingana na maoni ya binadamu, wakadiriaji wa kibinadamu watapanga matokeo ya kielelezo kama mifano ya maudhui ya ingizo. Kisha tumia matokeo ya kulinganisha hapo juu ili kujifunza "mfano wa zawadi" na kuboresha zaidi kielelezo kupitia ujifunzaji wa kuimarisha. Uhusika wa ajabu wa kiwango cha chini wa mwanadamu unaweza kurekebisha miundo hii mikubwa. Kwa mfano, muundo wa InstrumentGPT ulitumia timu ya takriban wafanyakazi 40 wa wanakandarasi walioajiriwa kutoka tovuti za watu wengi na kufaulu jaribio la uchunguzi lililolenga kuchagua kundi la wafafanuzi ambao ni nyeti kwa mapendeleo ya vikundi tofauti vya watu.

Kama mifano hii miwili mikali, ambayo ni fomula rahisi ya kimatibabu [eGFR] na LLM [GPT-4] yenye nguvu, inavyoonyesha, kufanya maamuzi ya binadamu na maadili ya kibinadamu yana jukumu muhimu sana katika kuunda matokeo ya matokeo ya kielelezo. Je, aina hizi za AI zinaweza kukamata maadili tofauti ya mgonjwa na daktari? Jinsi ya kuelekeza hadharani matumizi ya AI katika dawa? Kama ilivyotajwa hapa chini, uchunguzi upya wa uchambuzi wa uamuzi wa matibabu unaweza kutoa suluhu la kanuni kwa masuala haya.

Uchanganuzi wa uamuzi wa kimatibabu haujulikani kwa matabibu wengi, lakini unaweza kutofautisha kati ya mawazo yanayowezekana (kwa matokeo yasiyo na uhakika yanayohusiana na kufanya maamuzi, kama vile kusimamia homoni ya ukuaji wa binadamu katika hali tata ya kimatibabu iliyoonyeshwa kwenye Mchoro 1) na vipengele vya kuzingatia (kwa maadili ya kibinafsi yanayoambatanishwa na matokeo haya, ambayo thamani yake inakadiriwa kama vile "thamani ya mfumo wa 2", kutoa suluhu ya mfumo wa 2 kwa maamuzi magumu ya matibabu. Katika uchanganuzi wa uamuzi, matabibu lazima kwanza waamue maamuzi na uwezekano wote unaowezekana unaohusishwa na kila matokeo, na kisha wajumuishe matumizi ya mgonjwa (au wahusika wengine) yanayohusiana na kila matokeo ili kuchagua chaguo sahihi zaidi. Kwa hivyo, uhalali wa uchanganuzi wa uamuzi unategemea ikiwa mpangilio wa matokeo ni wa kina, na pia ikiwa kipimo cha matumizi na makadirio ya uwezekano ni sahihi. Kwa hakika, mbinu hii husaidia kuhakikisha kwamba maamuzi yana msingi wa ushahidi na yanapatana na mapendekezo ya mgonjwa, na hivyo kupunguza pengo kati ya data lengo na maadili ya kibinafsi. Njia hii ilianzishwa katika uwanja wa matibabu miongo kadhaa iliyopita na kutumika kwa uamuzi wa mgonjwa binafsi na tathmini ya afya ya idadi ya watu, kama vile kutoa mapendekezo ya uchunguzi wa saratani ya utumbo mpana kwa idadi ya watu kwa ujumla.

Katika uchambuzi wa uamuzi wa matibabu, mbinu mbalimbali zimetengenezwa ili kupata matumizi. Mbinu nyingi za jadi hupata thamani moja kwa moja kutoka kwa wagonjwa binafsi. Njia rahisi zaidi ni kutumia kipimo cha ukadiriaji, ambapo wagonjwa hutathmini kiwango chao cha upendeleo kwa matokeo fulani kwa kipimo cha dijitali (kama vile kipimo cha mstari kuanzia 1 hadi 10), na matokeo ya afya yaliyokithiri zaidi (kama vile afya kamili na kifo) iko katika ncha zote mbili. Njia ya kubadilishana wakati ni njia nyingine inayotumiwa sana. Kwa njia hii, wagonjwa wanahitaji kufanya uamuzi juu ya muda gani wa afya ambao wako tayari kutumia badala ya kipindi cha afya mbaya. Njia ya kawaida ya kamari ni njia nyingine inayotumiwa sana kuamua matumizi. Kwa njia hii, wagonjwa wanaulizwa ni chaguo gani kati ya hizo mbili wanazopendelea: ama kuishi idadi fulani ya miaka katika afya ya kawaida na uwezekano maalum (p) (t), na kubeba hatari ya kifo na uwezekano wa 1-p; Ama hakikisha unaishi kwa miaka t chini ya hali tofauti za kiafya. Waulize wagonjwa mara nyingi katika viwango tofauti vya p hadi wasionyeshe chaguo lolote, ili matumizi yaweze kuhesabiwa kulingana na majibu ya mgonjwa.
Mbali na mbinu zinazotumiwa kupata mapendekezo ya mgonjwa binafsi, mbinu pia zimetengenezwa ili kupata manufaa kwa idadi ya wagonjwa. Hasa majadiliano ya vikundi lengwa (kuwaleta wagonjwa pamoja ili kujadili uzoefu maalum) yanaweza kusaidia kuelewa mitazamo yao. Ili kujumlisha kikamilifu matumizi ya kikundi, mbinu mbalimbali za majadiliano ya kikundi zimependekezwa.
Katika mazoezi, kuanzishwa kwa moja kwa moja kwa matumizi katika uchunguzi wa kliniki na mchakato wa matibabu ni muda mwingi. Kama suluhu, hojaji za uchunguzi kawaida husambazwa kwa watu waliochaguliwa nasibu ili kupata alama za matumizi katika kiwango cha idadi ya watu. Baadhi ya mifano ni pamoja na dodoso la 5-dimensional EuroQol, fomu fupi ya uzito wa matumizi yenye mwelekeo 6, Kielezo cha Huduma ya Afya, na zana ya Utafiti na Tiba ya Saratani Maalum ya Ulaya ya Ubora wa Hojaji ya Maisha Core 30.