در فاصلهٔ عجیبِ سیزده ساله‌ای که بین ویرایش چهارم (سال ۱۹۶۲) و پنجم (سال ۱۹۷۵) کتاب اصول طب داخلی هاریسون (Harrison’s Principles of Internal Medicine) وجود داشت، اینترنیست-یک (INTERNIST-1) متولد شد.
آن زمان که بزرگانی همچون تینسلی هاریسون، مکسول وینتروب و ریموند آدامز مشغول نوشتن پنجمین ویرایش کتاب بودند، در دانشگاه پیتسبورگ، جک مایرز و رندولف میلر، مشغول نوشتن اینترنیست-یک بودند.
اینترنیست-یک اما، کتابی مرجع نبود. اینترنیست-یک، اولین دستیار پزشکی مبتنی بر هوش مصنوعی در دنیا، در سال‌هایی که هوش مصنوعی نخستین زمستان سنگین خود را می‌گذارند، متولد شد.
سال‌هایی که کمتر کسی تصور می‌کرد که نیم قرن بعد، در ویرایش بیست و یکم کتاب اصول طب داخلی هاریسون، چهارصد و هشتاد و هشتمین فصل، عنوانش Machine Learning and Augmented Intelligence in Clinical Medicine باشد.
اینترنیست-یک، داده‌های حدود ششصد بیماری را در طب داخلی در خود داشت و از الگوریتمی که برایش نوشته بودند کمک می‌گرفت تا علائم بیمار را با یکی از این ششصد بیماری، تطبیق بدهد و اکنون با اطلاعات غیرمستقیم به نظر می‌رسد که ChatGPT 4 که داده‌هایش تا سپتامبر ۲۰۲۳ هست، حدود سی هزار بیماری را.
پس ChatGPT یا دیگر مواردی مثل Grok و Gemini و … در حوزهٔ پزشکی، نسخهٔ بسیار پیشرفته‌ترِ اینترنیست-یک هستند؟ اصلاً. بعد از جلوتر رفتن این مطلب متوجه می‌شویم که چقدر تفاوت وجود دارد و همین تفاوت است که ایجاب می‌کند ChatGPT و دیگر موارد مشابه (مدل‌های بزرگ زبانی یا Large Language Models) را خوب بشناسیم.
و شاید سؤال مهم‌تر این باشد: لازم است به عنوان یک فرد غیرمتخصص در این حوزه، در کنار استفاده از این ابزارها، آن‌ها را بهتر بشناسیم؟
ممکن است بهترین مقایسه نباشد، اما مثل این است که فقط بگوییم متفورمین برای کنترل دیابت است و آن را برای دیابت تجویز بکنید؛ و البته بدانید که افرادی نیز جهت کاهش وزن، به غلط، از این دارو سوء استفاده می‌کنند. دارویی که حتی هنوز مکانیسم‌ها و مسیرهای درون سلولی‌اش به شکل کامل با علم فعلی آشکار نیست و نمی‌دانیم که چطور این کارها را می‌کند. حالا با همین اطلاعات طبابت کنید.
ما به عنوان کسی که محقق مسیر سلولی و مولکولی متفورمین نیست، قرار نیست به دنبال فهمیدن این مسیر برویم، اما می‌توانیم با این دارو، کمی بهتر آشنا باشیم. بدانیم که خطراتش چیست و فوایدش چیست؟ بدانیم که کجا بیشترین سود را دارد و برای کجا ضرر می‌آورد؟ بدانیم که برای چه کسی باید تجویزش بکنیم و برای چه کسی نه؟
مسیر پیش رویمان، از این جنس است.
قرار است در ابتدا با مفهوم هوش مصنوعی بهتر آشنا می‌شویم تا بتوانیم با عینک بهتری به ماجرا نگاه بکنیم. حرف‌هایی همانند «این جای پزشک را قطعاً می‌گیرد/هیچ‌وقت نمی‌گیرد» را به اینستاگرام و فضاهای مشابه بسپاریم.
از این مسیر شگفت‌زده بشویم و یاد بگیریم که چطور و کجا می‌توانیم از آن بهتر استفاده بکنیم.
و البته که همه‌ی موارد فوق منوط به این است که ذهن‌مان فراتر از این برود که «متفورمین یک دارو برای دیابت است». فراموش نکنیم که همین متفورمین شگفتی‌های زیادی را از خودش نشان داده (مثلاً در مسیر بعضی از سرطان‌ها) و ما قرار است بیشتر با آن آشنا شویم.
تجربهٔ شما
حل این تمرین برای دسترسی کامل به دروس آتی، ضروری است:
در حال حاضر از چه ابزارهای مرتبط با هوش مصنوعی و در چه حوزه‌ای استفاده میکنید؟ ترجیحاً مسائل مربوط به پزشکی (از مطالعه تا طبابت) را بگویید.
ترتیبی که مدرسه پزشکی برای مطالعه‌ی مجموعه درس «هوش مصنوعی و پزشکی» پیشنهاد می‌دهد، به صورت زیر است:
برای امتیاز دهی به این مطلب، لطفا وارد شوید: برای ورود کلیک کنید
با توجه به لحظه ای که دارم کامنت رو مینویسم(چون رقابت بین مدل های هوش مصنوعی و قابلیت هایی که هرکدوم ارائه میدن روز به روز جالب تر میشه) ، ترکیب Notebooklm + Gemini + perplexity واقعا یه ترکیب برنده اس برای کسی که واقعا میخواد life long learning داشته باشه. خودم به شخصه رو قابلیت هایی که هرکدوم از مدل ها دارم حساسیت به خرج میدم و تایم زیادی رو برای کار کردن باهاشون گذاشتم و درنهایت به این ترکیب رسیدم.
من از چت جی پی تی به صورت پراکنده استفاده میکنم و بیشتر برا آشنایی با این سیستم ازش استفاده میکنم.اما اینکه ساختارمند از هوش مصنوعی اسفتاده کنم خیر
من فعلا از chat-gpt دارم استفاده میکنم. باهاش راحتترم و برای مقاصد من قابل‌قبول کار می‌کنه.
بیشترین استفاده من از این ابزار برای موقعی هست که حس میکنم فیزیوپاتولوژی یک بیماری رو یادم رفته یا نمی‌دونمش و این باعث میشه متن رو نتونم متوجه بشم.
اینجور مواقع متن رو میدم بهش و ازش میخوام فلان مسیر رو برام توضیح بده و ارتباطشو هم شرح بده.
اکثر مواقع قابل‌قبول کار می‌کنه. ولی بوده دفعاتی که متوجه شدم مسیری غیرواقعی رو ساخته. و احتمالا زیاد دفعاتی هم بوده که متوجه این ساختگی بودن نشدم.
برای کمتر کردن این اتفاقات سعی میکنم توی چند سوال مجزا این رو بخوام که در حین وصل کردنشون دچار توهم نشه.
استفاده دیگه‌ای هم که دارم اینه اطلاعات رو از تکست بهش میدم تا برام کیس طراحی کنه و من با سوال پرسیدن به تشخیص برسم.
اشکال عمده‌ای که داره اینا کیس‌هایی که میده خیلی کتابی هستن. ولی برای مرور و بخاطرسپاری اطلاعات به کارم میاد.
بیشتر تو حوزه فارماکو و انتخاب دارو برای هر بیماری و برنامه مورد استفاده م ، Chat gpt
موردی که باید توجه بشه خاصیت خواندن تصاویر در این هوش مصنوعی هاست میتونید صفحه ای از هاریسون رو اسکرین بگیرین بهش بدین و باهاش در مورد اون صفحه بحث کنید با این کار حافظه شو اکسپرت تر میکنید
از انواع llm ها استفاده میکنم که در راس اون grok
سلام
فعلا به نظرم از ماشین های هوش مصنوعی میتونیم بیشتر شبیه یه موتور جستجو پیشرفته تر که دقیقا میتونه جواب یک سوال خیلی مشخص رو در منابع مختلف جستجو کنه استفاده کنیم و حتما با دیده شک بهشون نگاه کنیم و با داده هلای متقن منابع تطبیق بدیم( حتی اگر مثلا بهش گفتی جواب فلان سوال رو بر اساسuptodate بده)
استفاده دیگه ای که من از chat gpt میکنم اینه که باهاش تمرین میکنم. سناریو های شایع( بعضا همراه عگس نوار قلب یا گرافی) رو در قالب کیس برام توضیح میده و من اپروچ تشخیصی و درمان رو براش توضیح میدم و تمرین میکنم
سلام.
در حال حاضر برای تشخیص افتراقی با توجه به علائم از chatgpt استفاده میکنم.
بنظرم برای توضیح پاتوفیزولوژی LLM ها قابل اعتماد نیستند.
من در بیشتر جنبه های زندگیم از هوش مصنوعی کمک میگیرم،
در خصوص حیطه پزشکی، از اتیولوژی و پاتوفیزیولوژی گرفته تا تشخیص های افتراقی و درمان ها، ازش استفاده میکنم
در طول این جند سال یاد گرفتم که هر چقدر prompt که بهش میدیم دقیق تر باشه، جواب بهتری ازش میگیرم
من از chat GPT استفاده میکنم ولی پی بردم که قابل اعتماد نیست و در بعضی موارد ساختگیست. بیشترین استفاده من از chat GPT سوال از فیزیوپاتولوژی بیماری ها و مکانیسم های فیزیولوژیک و پاتولوژیک هست.