نسل جدید هوش مصنوعی در سلامت؛ فناوری RAG راه را برای تصمیمگیری دقیقتر و قابل اعتمادتر هموار میکند
با گسترش استفاده از هوش مصنوعی مولد (Generative AI) و مدلهای زبانی بزرگ (LLMs) در نظام سلامت، کارشناسان بر این باورند که آینده تصمیمگیریهای پزشکی بیش از هر زمان دیگری به کیفیت دادههای مورد استفاده این سامانهها وابسته خواهد بود. در همین راستا، فناوری تولید مبتنی بر بازیابی اطلاعات (Retrieval-Augmented Generation – RAG بهعنوان یکی از مهمترین راهکارهای افزایش دقت و اعتمادپذیری هوش مصنوعی در حوزه سلامت معرفی شده است.
به گزارش مدرن مد به نقل از healthcareitnews، «کیت لئونارد»، مدیر بازاریابی بخش جهانی سلامت و علوم زیستی شرکت SAS، اعلام کرد که هوش مصنوعی مولد میتواند تحول چشمگیری در ارائه خدمات درمانی ایجاد کند. به گفته او، این فناوری به پزشکان کمک میکند سریعتر به نتایج پژوهشی دست یابند، فرضیههای علمی را بررسی کنند و از ابزارهای پشتیبان تصمیمگیری بالینی بهره ببرند. همچنین در حوزههای بررسی اسناد بیمهای، مدیریت عملیات درمانی و پایش بیماریهای واگیر نیز موجب افزایش سرعت و کارایی میشود.
با این حال، کارشناسان هشدار میدهند که مدلهای زبانی بزرگ در صورت اتکا به دادههای نامعتبر یا ناقص ممکن است پاسخهای نادرست یا به اصطلاح «توهمهای هوش مصنوعی» (AI Hallucinations) تولید کنند؛ موضوعی که در حوزه سلامت میتواند پیامدهای جدی برای تصمیمهای درمانی داشته باشد.
بر اساس این گزارش، فناوری RAG با ترکیب دو قابلیت «بازیابی اطلاعات» و «تولید محتوا»، پیش از تولید پاسخ، اطلاعات مورد نیاز را از منابع معتبر، از پیش تأییدشده و قابل استناد استخراج میکند. این منابع میتوانند شامل پروندههای الکترونیک سلامت، اسناد بالینی، دادههای بیمهای و سایر بانکهای اطلاعاتی داخلی سازمانهای درمانی باشند. در نتیجه، پاسخهای تولیدشده علاوه بر دقت بیشتر، به منابع مشخص و قابل استناد متکی هستند.
به گفته مدیران SAS، این رویکرد علاوه بر افزایش اعتماد پزشکان و مدیران درمانی به خروجیهای هوش مصنوعی، امکان استفاده از دادههای پیچیده و غیرساختاریافته را نیز بدون نیاز به دانش برنامهنویسی یا تحلیل داده برای کاربران فراهم میکند. به این ترتیب، پزشکان، پرستاران، مدیران مراکز درمانی و سایر کارکنان نظام سلامت میتوانند به سرعت به اطلاعات مورد نیاز برای تصمیمگیری دسترسی پیدا کنند.
کارشناسان معتقدند کاربردهای فناوری RAG تنها به تصمیمگیری بالینی محدود نمیشود و این فناوری میتواند در بازبینی دستورالعملهای پزشکی، ارزیابی درخواستهای بیمه، تضمین صحت پرداختها، مدیریت شیوع بیماریهای واگیر و سایر فرآیندهای نظام سلامت نیز نقش مؤثری ایفا کند.
به باور متخصصان، استفاده از مدلهای هوش مصنوعی مبتنی بر RAG که از چارچوبهای قوی حاکمیت داده و الزامات امنیتی و قانونی پیروی میکنند، میتواند زمینهساز توسعه سامانههای هوشمند قابل اعتماد در حوزه سلامت باشد؛ سامانههایی که ضمن تسریع فرآیند تصمیمگیری، کیفیت خدمات درمانی را نیز در سالهای آینده ارتقا خواهند داد.
