Az AI generatív AI modellek megszüntetik a szakadékot a nem szakemberekkel, amikor az orvosi diagnózisról van szó, ám ezek jelentősen pontosak maradnak, mint az emberi szakértők, a . A kutatás, amelyet Dr. Hirotaka Takita és Daiju Ueda egyetemi docens vezette, szisztematikusan felülvizsgálta a 83 tanulmányt az AI teljesítményének összehasonlítására az orvosokkal, feltárva egy átlagos AI-diagnosztikai pontosságot 52,1%. Target=”_ üres”> természet Március 22-én a metaanalízis több mint 18 000 cikkben szitált, 2018. június óta. Statisztikailag hasonló a nem szakértő orvosokhoz, csak 0,6%-os különbséggel jár az emberek. Az orvosi szakemberek azonban egyértelmű élt tartottak fenn, és pontossággal jelentős 15,8%-os margóval felülmúlják az AI modelleket.
Az AI modellek változó sikert mutattak a különböző orvosi tudományágakban. Különös erősséget mutattak a dermatológiában, egy olyan területen, ahol a vizuális minta felismerése-a jelenlegi AI erődje-nagy szerepet játszik. Ugyanakkor a kutatók figyelmeztetik, hogy a dermatológia a vizuális illesztésen túl is összetett érvelést igényel. Általában az elemzés azt mutatta, hogy az AI hajlamos, amikor olyan összetett esetekkel foglalkozik, amelyek megkövetelik a kiterjedt, részletes beteginformációk értelmezését-egy olyan területet, ahol a szakemberek gyakran kitűnőek a tapasztalatok és az árnyalatú klinikai érvelés révén. Az Osaka Metropolitan Egyetem, egy 2025. április 18-i nyilatkozatban, idézte Dr. Takitát a lehetőségekről: „Ez a kutatás azt mutatja, hogy a generatív AI diagnosztikai képességei összehasonlíthatók a nem szakemberek orvosokkal. Használható az orvosi oktatásban, hogy támogassa a nem szakembereket, és segítse a diagnosztikát a korlátozott orvosi erőforrásokkal rendelkező területeken.”Lehet, hogy az emberi képességeket ahelyett, hogy kibővítenék őket, a nézet az AI-ről szóló szélesebb körű megbeszélések során visszhangzott az orvostudományban, ahol a kombinált human-AI teljesítmény gyakran meghaladja az önmagát. Az azonosított kulcsfontosságú kérdés az átláthatóság hiánya a sok kereskedelmi AI modellhez használt képzési adatokkal kapcsolatban. Ez az átlátszatlanság megnehezíti a lehetséges torzítások felmérését vagy annak meghatározását, hogy a modell teljesítményét különféle betegpopulációkban lehet-e általánosítani. Minőségértékelés A ProPast eszköz felhasználásával a mellékelt vizsgálatok 76%-át az elfogultság magas kockázatának minősítették, gyakran az értékelésekből fakadnak kis teszt adatkészletek felhasználásával vagy az AI képzési adatainak nem megfelelő részleteivel. Orvosi AI
Az Oszaka-tanulmány a speciális orvosi AI-felépítésre irányuló erőfeszítésekként érkezik, amelyeket olyan eszközök példáznak, mint a Bioptimus H-optimus-0 patológiájú modellje, amelyet 2024 júliusában adtak ki. A metaanalízis szükséges a szükséges benchmark, az előzetes értékelés, az előzetes dr. A validálás folyamatos követelménye bonyolultabb klinikai forgatókönyvek és egyértelműbb AI folyamatok révén: „További kutatások, például a bonyolultabb klinikai forgatókönyvekben történő értékelések, a teljesítményértékelések tényleges orvosi nyilvántartásokkal, az AI döntéshozatalának átláthatóságának javításával és az ellenőrzésre különféle betegcsoportokban szükségesek, hogy igazolják az AI képességeit.