तथापि, इष्टतम भविष्यातील वापरासाठी त्यांच्या अचूकतेसाठी संपूर्ण मूल्यमापन आवश्यक आहे.
ओसाका मेट्रोपॉलिटन युनिव्हर्सिटीच्या ग्रॅज्युएट स्कूल ऑफ मेडिसिनमधील डॉ. डायसुके होरियुची आणि सहयोगी प्राध्यापक डायजू उएडा यांनी ChatG च्या निदान अचूकतेची रेडिओलॉजिस्टशी तुलना करण्यासाठी संशोधन पथकाचे नेतृत्व केले.
या अभ्यासात 106 मस्कुलोस्केलेटल रेडिओलॉजी प्रकरणे समाविष्ट आहेत, ज्यात रुग्णाचा वैद्यकीय इतिहास, प्रतिमा आणि इमेजिंग निष्कर्षांचा समावेश आहे.
अभ्यासासाठी, निदान व्युत्पन्न करण्यासाठी AI मॉडेलच्या GPT-4 आणि GPT-4 विथ व्हिजन (GPT-4V) मध्ये केस माहिती इनपुट केली गेली. हीच प्रकरणे रेडिओलॉजी रहिवासी आणि बोर्ड-प्रमाणित रेडिओलॉजिस्ट यांना सादर केली गेली, ज्यांना निदान निश्चित करण्याचे काम देण्यात आले होते.
परिणामांवरून असे दिसून आले की GPT-4 ने GPT-4V ला मागे टाकले आणि रेडिओलॉजी रहिवाशांच्या निदान अचूकतेशी जुळले. तथापि, बोर्ड-प्रमाणित रेडिओलॉजिस्टच्या तुलनेत ChatGPT ची निदान अचूकता कमी असल्याचे आढळून आले.
डॉ. होरिउची यांनी निष्कर्षांवर भाष्य केले, ते म्हणाले: “या अभ्यासाचे परिणाम असे दर्शवतात की ChatG निदान इमेजिंगसाठी उपयुक्त असू शकते, परंतु त्याची अचूकता बोर्ड-प्रमाणित रेडिओलॉजिस्टशी तुलना करू शकत नाही. याव्यतिरिक्त, हा अभ्यास असे सुचवितो की निदान साधन म्हणून त्याचे कार्यप्रदर्शन वापरण्यापूर्वी ते पूर्णपणे समजून घेतले पाहिजे.”
नजीकच्या भविष्यात ते डायग्नोस्टिक इमेजिंगमध्ये सहाय्यक साधन बनू शकेल या अपेक्षेकडे लक्ष वेधून त्यांनी जनरेटिव्ह AI मधील जलद प्रगतीवरही भर दिला.
अभ्यासाचे निष्कर्ष युरोपियन रेडिओलॉजी जर्नलमध्ये प्रकाशित झाले आहेत, वैद्यकीय निदानामध्ये जनरेटिव्ह एआयची क्षमता आणि मर्यादा अधोरेखित करतात आणि व्यापक क्लिनिकल अवलंब करण्यापूर्वी पुढील संशोधनाची आवश्यकता अधोरेखित करतात, जरी या वेगाने वाढणाऱ्या तंत्रज्ञानाच्या युगात हे उद्दिष्ट पूर्ण करते.
ओसाका मेट्रोपॉलिटन युनिव्हर्सिटीच्या ग्रॅज्युएट स्कूल ऑफ मेडिसिनमधील डॉ. डायसुके होरियुची आणि सहयोगी प्राध्यापक डायजू उएडा यांनी ChatG च्या निदान अचूकतेची रेडिओलॉजिस्टशी तुलना करण्यासाठी संशोधन पथकाचे नेतृत्व केले.
या अभ्यासात 106 मस्कुलोस्केलेटल रेडिओलॉजी प्रकरणे समाविष्ट आहेत, ज्यात रुग्णाचा वैद्यकीय इतिहास, प्रतिमा आणि इमेजिंग निष्कर्षांचा समावेश आहे.
अभ्यासासाठी, निदान व्युत्पन्न करण्यासाठी AI मॉडेलच्या GPT-4 आणि GPT-4 विथ व्हिजन (GPT-4V) मध्ये केस माहिती इनपुट केली गेली. हीच प्रकरणे रेडिओलॉजी रहिवासी आणि बोर्ड-प्रमाणित रेडिओलॉजिस्ट यांना सादर केली गेली, ज्यांना निदान निश्चित करण्याचे काम देण्यात आले होते.
परिणामांवरून असे दिसून आले की GPT-4 ने GPT-4V ला मागे टाकले आणि रेडिओलॉजी रहिवाशांच्या निदान अचूकतेशी जुळले. तथापि, बोर्ड-प्रमाणित रेडिओलॉजिस्टच्या तुलनेत ChatGPT ची निदान अचूकता कमी असल्याचे आढळून आले.
डॉ. होरिउची यांनी निष्कर्षांवर भाष्य केले, ते म्हणाले: “या अभ्यासाचे परिणाम असे दर्शवतात की ChatG निदान इमेजिंगसाठी उपयुक्त असू शकते, परंतु त्याची अचूकता बोर्ड-प्रमाणित रेडिओलॉजिस्टशी तुलना करू शकत नाही. याव्यतिरिक्त, हा अभ्यास असे सुचवितो की निदान साधन म्हणून त्याचे कार्यप्रदर्शन वापरण्यापूर्वी ते पूर्णपणे समजून घेतले पाहिजे.”
नजीकच्या भविष्यात ते डायग्नोस्टिक इमेजिंगमध्ये सहाय्यक साधन बनू शकेल या अपेक्षेकडे लक्ष वेधून त्यांनी जनरेटिव्ह AI मधील जलद प्रगतीवरही भर दिला.
अभ्यासाचे निष्कर्ष युरोपियन रेडिओलॉजी जर्नलमध्ये प्रकाशित झाले आहेत, वैद्यकीय निदानामध्ये जनरेटिव्ह एआयची क्षमता आणि मर्यादा अधोरेखित करतात आणि व्यापक क्लिनिकल अवलंब करण्यापूर्वी पुढील संशोधनाची आवश्यकता अधोरेखित करतात, जरी या वेगाने वाढणाऱ्या तंत्रज्ञानाच्या युगात हे उद्दिष्ट पूर्ण करते.
