Süni intellekt qaraciyər xərçənginin müalicəsinin nəticəsini proqnozlaşdırmağı öyrəndi

Böyük dil modelləri təcrübəli həkimin dəqiqliyi ilə hepatosellüler karsinoma (qaraciyər xərçəngi) müalicəsinin effektivliyini proqnozlaşdıra bilir. Çin Elmlər Akademiyasının Hefei Fizika Elmləri İnstitutunun alimləri belə qənaətə gəliblər.
Oxumani.Az xəbər verir ki, nəticələr “Journal of Medical Systems” jurnalında dərc olunub.
Hepatosellüler karsinoma xərçəngin ən aqressiv növlərindən biridir. Gecikmiş mərhələlərdə kombinasiya terapiyası (immunoterapiya və məqsədyönlü dərmanlar) xəstələrin yalnız təxminən 30%-nə kömək edir, ona görə də onun uğurunu proqnozlaşdırmaq onkoloqlar üçün əsas vəzifədir.
Komanda dörd modeli - GPT-4, GPT-4o, Google Gemini və DeepSeek-i əməliyyat olunmayan xərçəngi olan 186 xəstənin məlumatları üzərində sınaqdan keçirib. Modellər sıfır atışlı öyrənmə rejimində işləyirdilər, yəni ilkin təlim keçmədən tapşırığı həll edirdilər. Dəqiqliyi artırmaq üçün alimlər səsvermə və məntiqi birləşmələr də daxil olmaqla müxtəlif qərar qəbuletmə strategiyalarından istifadə ediblər. Ən yaxşı nəticə hibrid Gemini-GPT alqoritmi ilə göstərilmişdir.
Proqnozların dəqiqliyi baxımından 15 illik təcrübəyə malik həkimin işi ilə müqayisə oluna biləcəyi ortaya çıxdı. Model eyni zamanda daha az təcrübəli mütəxəssisləri, xüsusən də müalicədən faydalanacaq xəstələrin müəyyən edilməsində “üstün oldu”. Eyni zamanda, nəticələr xəstəliyin müxtəlif mərhələləri və terapiya növləri üçün sabit qaldı.
Tədqiqatçıların fikrincə, süni intellekt modelləri həkimləri tamamilə əvəz edə bilməz. Bununla belə, onlar həkimlərin iş yükünü azaldacaq, müvafiq terapiya üçün xəstələrin seçilməsini sürətləndirəcək və təcrübəli onkoloqların olmadığı bölgələrdə həll yollarının standartlaşdırılmasına kömək edəcək vasitəyə çevrilə bilər.
İşin əsas məhdudiyyəti kiçik nümunə idi: tapıntıları təsdiqləmək üçün minlərlə iş, həmçinin müxtəlif klinikalardan alınan məlumatların yoxlanılması tələb olunur. Buna baxmayaraq, tədqiqatçılar hesab edirlər ki, gələcəkdə bu cür alqoritmlər diaqnostik sistemlərə inteqrasiya oluna bilər və artıq müayinə mərhələsində, məsələn, KT-ni təhlil edərkən proqnoz ala bilər.
Almaz Həsənli