نماذج اللغة الكبيرة تبسط التعلم الآلي التلقائي للدراسات السريرية

لا يزال هناك فجوة معرفية بين مطوري التعلم الآلي (مثل علماء البيانات) والممارسين (مثل الأطباء)، مما يعيق الاستخدام الكامل للتعلم الآلي في تحليل البيانات السريرية. قمنا بتحقيق في إمكانيات تحليل البيانات المتقدم من ChatGPT (ADA)، وهو امتداد لـ GPT-4، لسد هذه الفجوة وتنفيذ تحليلات التعلم الآلي بكفاءة. تم تقديم مجموعات بيانات سريرية حقيقية وتفاصيل الدراسة من تجارب كبيرة عبر تخصصات طبية متنوعة إلى ChatGPT ADA دون توجيه محدد. طور ChatGPT ADA بشكل مستقل نماذج تعلم آلي متطورة استنادًا إلى بيانات التدريب الأصلية للدراسة للتنبؤ بالنتائج السريرية مثل تطور السرطان، تقدم السرطان، مضاعفات المرض، أو مؤشرات حيوية مثل تسلسلات الجينات المسببة للأمراض. بعد إعادة تنفيذ النماذج المنشورة وتحسينها، أظهر المقارنة المباشرة بين نماذج التعلم الآلي التي أنشأها ChatGPT ADA ونظيراتها التي تم إنشاؤها يدويًا عدم وجود اختلافات كبيرة في مقاييس الأداء التقليدية (p ≥ 0.072). ومن المثير للاهتمام، أن نماذج التعلم الآلي التي أنشأها ChatGPT ADA غالبًا ما كانت تتفوق على نظيراتها. في الختام، يقدم ChatGPT ADA مسارًا واعدًا لديمقراطية التعلم الآلي في الطب من خلال تبسيط تحليلات البيانات المعقدة، ومع ذلك يجب أن يعزز، وليس أن يحل محل، التدريب المتخصص والموارد، لتعزيز تطبيقات أوسع في البحث والممارسة الطبية.