Проблемы и барьеры применения больших языковых моделей (LLM), таких как ChatGPT, в диагностической медицине с акцентом на цифровую патологию: современный обзор литературы с картированием

Введение: Интеграция больших языковых моделей (LLM), таких как ChatGPT, в диагностическую медицину, особенно в цифровую патологию, привлекла значительное внимание. Однако для успешного внедрения этих технологий необходимо понять связанные с их применением проблемы и барьеры.

Методы: Проведён обзор литературы с картированием для изучения проблем и барьеров применения LLM в диагностической медицине с акцентом на цифровую патологию. Был выполнен комплексный поиск релевантных публикаций, опубликованных за последние четыре года, в электронных базах данных, включая PubMed и Google Scholar. Отобранные статьи подвергли критическому анализу для выявления и обобщения проблем и барьеров, описанных в литературе.

Результаты: Обзор выявил ряд проблем и барьеров, связанных с применением LLM в диагностической медицине. К ним относятся ограничения контекстного понимания и интерпретируемости, смещения в обучающих данных, этические аспекты, влияние на медицинских работников и регуляторные проблемы. Трудности с контекстным пониманием и интерпретируемостью обусловлены отсутствием у этих моделей истинного понимания медицинских концепций, отсутствием специального обучения на медицинских записях, отобранных квалифицированными специалистами, а также непрозрачностью LLM по принципу «чёрного ящика». Смещения в обучающих данных создают риск воспроизведения неравенства и диагностических ошибок. Этические аспекты включают конфиденциальность пациентов, безопасность данных и ответственное применение ИИ. Интеграция LLM может повлиять на самостоятельность медицинских работников и их способность принимать решения. Регуляторные проблемы связаны с необходимостью разработки руководств и нормативных рамок, обеспечивающих безопасное и этичное внедрение технологий.

Выводы: Обзор подчёркивает наличие проблем и барьеров применения LLM в диагностической медицине с акцентом на цифровую патологию. Понимание этих факторов необходимо для устранения ограничений и разработки стратегий преодоления барьеров. Критически важно, чтобы медицинские работники участвовали в отборе данных и дообучении моделей. Для ответственной и эффективной интеграции LLM в диагностическую медицину необходимы дальнейшие исследования, валидация, а также сотрудничество между разработчиками ИИ, медицинскими работниками и регулирующими органами.