דגם הבינה המלאכותית החדש של Google, הנקרא Med Gemini, הפגין יכולות מרשימות שהפתיעו את הקהילה הרפואית. פותח על ידי צוותי DeepMind וGoogle Research של ענקית הטכנולוגיה, Med Gemini הוא גרסה ייעודית של משפחת המערכות החזקות של Gemini, המיועדת ליישומים רפואיים.

התכונות המרכזיות של Med Gemini כוללות:

1. אימון עצמי: המודל מייצר דוגמאות סינתטיות מפלטים שלו, אשר משמשים לשיפור נוסף של יכולותיו, בעיקר בטיפול בתרחישים רפואיים מורכבים.

2. אינטגרציית חיפוש: כאשר נתקל בשאלה שהוא מתקשה בה או שיש לו ביטחון נמוך בה, Med Gemini יכול לבצע חיפוש באינטרנט כדי לאסוף מידע נוסף, משפר את דיוק ואמינות התפוקות שלו.

3. עדכון ידע רציף: היכולת של Med Gemini לחפש ולשלב מידע ממקורות חיצוניים מאפשרת לו לעדכן את בסיס הידע שלו ללא צורך בהכשרה חוזרת תכופה, מה שמאפשר לו להישאר מעודכן עם המחקר והפרקטיקות הרפואיות העדכניות ביותר.

טכניקות מתקדמות אלה אפשרו למודל Med Gemini לעבור את המודלים המתקדמים ביותר הקודמים, כולל GPT-4 עם פרומפט רפואי, בנוגע למגוון ספקי רפואה. ביצועי המודל במערך הנתונים MedQA, לדוגמה, הגיעו לדיוק מרשים של 91.1%, ושופרו עוד ל-92.2% לאחר התמודדות עם בעיות בשאלות הבחינה.

בולט לציין, שיכולות Med Gemini חורגות מעבר למשימות מבוססות טקסט, שכן הוא הפגין ביצועים חזקים גם במדדי הסקה רפואית מבוססי וידאו, עובר את המודלים המתקדמים ביותר הקודמים.

הקהילה הרפואית התרשמה מדיוק האבחון של Med Gemini, אפילו עבור מצבים נדירים וספציפיים לתחום. משוב מרופא עור הדגיש את יכולת המודל לספק אבחנה יחסית מדויקת על בסיס נתונים מוגבלים, כמו תמונה בודדת ותיאור קצר.

בעוד שהתועלות הפוטנציאליות של Med Gemini בתמיכה במקצועות הרפואה ברורות, מומחים מזהירים מפני התבססות יתר על מערכת הבינה המלאכותית, מדגישים את החשיבות של שמירה על פיקוח אנושי ושימוש במודל ככלי לשיפור, ולא להחלפה, של המומחיות הקלינית.

דגמי Gemini של Google עברו התאמה מדויקת והתמחות ליישומים רפואיים, מה שהוביל לפיתוח של "Med Gemini". מערכת הבינה המלאכותית המתקדמת הזו מפגינה יכולות מרשימות בתחום הרפואי:

1. הבנה רב-ערוצית: Med Gemini יכול לעבד ולשלב מידע מפורמטים שונים, כולל טקסט, תמונות ותיקי רפואה ארוכים, כדי לספק ניתוחים מקיפים.

2. הסקה מתקדמת: המערכת משתמשת באימון עצמי ובאינטגרציית חיפוש כדי לשפר את יכולותיה בטיפול בנתונים ובשאלות רפואיות מורכבים. הוא יכול להשתמש בפלטים שלו כדי ליצור דוגמאות אימון חדשות, משפר באופן מתמיד את ההסקה והקבלת ההחלטות שלו.

3. ביצועי בנצ'מרק: Med Gemini עבר את המודלים המתקדמים ביותר הקודמים, כולל GPT-4 עם התאמה מדויקת לרפואה, בנוגע למגוון ספקי רפואה. הוא משיג דיוק של 91.1% במערך הנתונים MedQA, עובר את הרופאים והרופאים המסייעים בחיפוש.

דגם Med Gemini של Google עבר את המצב הקודם של המובילים בתחום הבינה המלאכותית הרפואית. להלן פירוט של ההשוואה:

• Med Gemini השיג דיוק של 91.1% במדד הבנצ'מרק MedQA, עובר את המצב הקודם של GPT-4 עם פרומפט רפואי, שהשיג 90.2%.
• שיפור זה הושג ללא הצורך בטכניקות מורכבות כמו דגמי אנסמבל או ערבוב אפשרויות התשובה שנעשו כדי להגביר את ביצועי GPT-4.
• נמצא שלמערך הנתונים MedQA יש בעיות איכות, כאשר 7.4% מהשאלות יש להן תשובות בסיס אמת מעורפלות. התמודדות עם בעיות אלה שיפרה את ציון Med Gemini ל-91.8%.
• Med Gemini עבר את המצב הקודם של המובילים בטווח רחב של משימות הסקה רפואית, כולל הסקה מבוססת טקסט מתקדמת, הבנה רב-ערוצית וטיפול בהקשר ארוך.
• היכולות המפתחות שאפשרו את הביצועים החזקים של Med Gemini כוללות אימון עצמי, אינטגרציית חיפוש ועדכוני ידע רציפים - מה שמאפשר לו להסתגל למידע ותרחישים רפואיים חדשים.
• בהשוואה למערכת העוזר הווירטואלי הקודמת Amy, Med Gemini מפגין יכולות ניתוח מתקדמות יותר לעיבוד נתונים רפואיים מורכבים, בעוד שAmy מתמקדת בשיפור הדיאלוגים בין המטופל לרופא.
• השיפורים שהציג Med Gemini מדגישים את הקידום המהיר בתחום הבינה המלאכותית הרפואית ואת הפוטנציאל שלה לסייע משמעותית לרופאים בעתיד, אם כי פיקוח אנושי יישאר קריטי.

Med Gemini מנצל שתי טכניקות הסקה מתקדמות עיקריות כדי לשפר את היכולות הרפואיות שלו:

1. אימון עצמי:

   • Med Gemini מייצר דוגמאות אימון סינתטיות על ידי עיבוד נתונים ושאלות רפואיים, ושימוש בפלטים שלו כדוגמאות אימון חדשות.
   • תהליך האימון העצמי החוזר הזה עוזר למודל לשפר באופן מתמיד את ההסקה והקבלת ההחלטות שלו, בעיקר בתרחישים רפואיים מורכבים.
   • המודל יכול גם ללמוד מתרחישים רפואיים מדומים, שבהם עליו לפרש נתונים רפואיים מגוונים מטקסט, תמונות או תיקים, והפידבק עוזר לשפר את הדיוק והאמינות שלו.

2. חיפוש מונחה אי-ודאות:

   • כאשר Med Gemini נתקל בשאלה או בתרחיש שבו יש לו ביטחון נמוך או מידע פנימי לא מספיק, הוא יכול לבצע חיפוש באינטרנט באופן פרואקטיבי כדי לאסוף מידע נוסף.
   • המודל מחשב את אי-הוודאות של התחזיות שלו ומשתמש בזה כדי להנחות את אסטרטגיית החיפוש שלו, מה שעוזר לשפר את דיוק ואמינות התפוקות שלו.
   • זה מאפשר ל-Med Gemini לעדכן את בסיס הידע שלו ללא צורך בהכשרה חוזרת תכופה, מסתגל למחקר רפואי חדש, פרקטיקות קליניות והנחיות.

דוגמאות הדיאלוג בנייר כוללות כיצד דגם Med Gemini יכול לסייע בתרחישים רפואיים. להלן כמה נקודות עיקריות:

1. אינטראקציה רב-ערוצית: המודל מסוגל להשתתף בדיאלוג דו-כיווני, מבקש מידע נוסף כמו תמונות מהמשתמש כדי לספק הערכה מקיפה יותר.

2. אבחון ספציפי לתחום: דוגמה אחת מראה שהמודל מאבחן בדיוק מחלת עור נדירה יחסית וספציפית לתחום על בסיס נתונים מוגבלים (תמונה בודדת ותיאור קצר). רופא עור ציין את הדיוק האבחוני המרשים עבור מקרה ספציפי זה.

3. יצירת דוח רדיולוגי: דוגמה אחרת מראה שהמודל יוצר דוח רדיולוגי לרופא על בסיס תמונת X-ray ורקע מטופל שסופקו.

4. ניתוח וידאו: המודל יכול גם לנתח סרטוני הדרכה רפואיים, מפיק את הטיימסטמפים הרלוונטיים כדי לענות על שאלות על התוכן.

המשוב מהמומחים הרפואיים מדגיש את נקודות החוזק והמגבלות של יכולות המודל:

• המודל מפגין דיוק אבחוני מרשים, אפילו עבור מצבים נדירים, בהינתן נתונים ראשוניים מוגבלים. עם זאת, המומחים מציינים שמידע תומך נוסף (למשל, תמונות נוספות של המצב) היה משפר עוד את האבחנה.
• בעוד שהמודל יכול לספק ניתוח והמלצות שימושיות, המומחים מזהירים שהוא לא אמור להחליף לחלוטין את שיקול הדעת והפיקוח הרפואי האנושי. המודל עשוי להחמיץ עדינויות או להיות חסר בידע שרופא אנושי היה יכול לזהות.
• שילוב המודל עם ההיסטוריה הרפואית המלאה של המטופל עשוי לאפשר הערכות ומלצות טיפול מקיפות ומדויקות אף יותר.

Google's Med Gemini וAmy הם שני מערכות בינה מלאכותית נפרדות שפותחו ליישומים רפואיים, כל אחת עם יכולות ויעדים ייעודיים משלה.

Med Gemini הוא מודל בינה מלאכותית מקיף יותר המצטיין בעיבוד נתונים רפואיים מורכבים ורב-ערוציים, כמו טקסט, תמונות ותיקי רפואה ארוכים. הוא מתמחה בהבנה ושילוב של ידע רפואי רחב בפורמטים שונים כדי לסייע באבחון ותכנון הטיפול. נקודות החוזק העיקריות של Med Gemini נעוצות ביכולתו