در یک مطالعه جدید، هوش مصنوعی متنی از سوابق سلامتی و معاینات عصبی را برای تعیین محل ضایعات در مغز پردازش کرد. این مطالعه که به طور خاص به مدل زبان بزرگ به نام ترانسفورماتور مولد از پیش آموزش دیده (چت جی پی تی) می‌پردازد، در شماره آنلاین مجله تمرین بالینی مغز و اعصاب منتشر شده است.
سکته مغزی می تواند باعث ناتوانی طولانی مدت یا حتی مرگ شود. دانستن محل وقوع سکته مغزی به پیش بینی اثرات بلندمدت مانند مشکلات گفتار و زبان یا توانایی فرد در حرکت بخشی از بدن کمک می کند. همچنین می تواند به تعیین بهترین درمان و پیش آگهی کلی فرد کمک کند.
آسیب به بافت مغز در اثر سکته مغزی ضایعه نامیده می شود. معاینه عصبی می تواند به تعیین محل ضایعات کمک کند، زمانی که با مرور تاریخچه سلامت فرد همراه باشد. این معاینه شامل ارزیابی علائم و تست های تفکر و حافظه است. افراد مبتلا به سکته مغزی اغلب اسکن مغزی برای تعیین محل ضایعات انجام می دهند.
دکتر جونگ هیون لی، نویسنده این مطالعه از دانشگاه ایالتی نیویورک گفت: همه افراد مبتلا به سکته به اسکن مغز یا متخصصان مغز و اعصاب دسترسی ندارند، بنابراین ما می خواستیم تعیین کنیم که آیا چت جی پی تی می تواند ضایعات مغزی پس از سکته مغزی را بر اساس تاریخچه سلامت فرد و معاینه عصبی مشخص کند یا خیر.
در این مطالعه از 46 مورد منتشر شده از افرادی که سکته مغزی داشتند استفاده شد. محققان متنی را از سوابق سلامتی شرکت کنندگان و معاینات عصب شناسی جمع آوری کردند. متن خام به چت جی پی تی وارد شد.
محققان از آن خواستند به سه سوال پاسخ دهد: آیا یک شرکت کننده یک یا چند ضایعه داشته است؟ ضایعات مغزی در کدام سمت قرار داشت و در کدام ناحیه از مغز ضایعات یافت شد. آنها این سوالات را برای هر شرکت کننده سه بار تکرار کردند. سپس نتایج چت جی پی تی با اسکن مغز برای هر شرکت کننده مقایسه شد.
محققان دریافتند که چت جی پی تی متن تاریخچه سلامت و معاینات عصب شناسی را پردازش می‌کند تا ضایعات را در مغز بسیاری از شرکت‌کنندگان شناسایی کند و تشخیص دهد که ضایعه در کدام سمت مغز قرار دارد و همچنین منطقه خاص مغز، به استثنای ضایعات در مخچه و نخاع.
برای اکثر افراد، چت جی پی تی با حساسیت 74 درصد و اختصاصی بودن 87 درصد قادر به تشخیص اینکه ضایعات مغزی در کدام سمت یافت شد، بود. حساسیت درصدی از موارد مثبت واقعی است که به درستی به عنوان مثبت شناسایی شده اند. اختصاصی بودن درصد منفی هایی است که به درستی شناسایی شده اند. همچنین ناحیه مغز را با حساسیت 85 درصد و اختصاصی بودن 94 درصد شناسایی کرد.
هنگامی که به بررسی این موضوع می‌پردازیم که هر سه آزمایش چند بار نتایج یکسانی برای هر شرکت‌کننده داشته است، چت جی پی تی برای 76 درصد از شرکت‌کنندگان در مورد تعداد ضایعات مغزی سازگار بود. برای 83٪ از شرکت کنندگان برای تعیین سمت مغز و برای 87٪ از شرکت کنندگان در مورد نواحی مغز ثابت بود.
با این حال، هنگام ترکیب پاسخ های خود به هر سه سؤال در هر سه بار، چت جی پی تی پاسخ های دقیقی را برای 41٪ از شرکت کنندگان ارائه کرد.
لی گفت: در حالی که مدل های زبان بزرگ مانند چت جی پی تی هنوز برای استفاده در کلینیک آماده نیستند اما نه تنها این پتانسیل را دارند که به مکان یابی ضایعات پس از سکته کمک کنند، بلکه ممکن است نابرابری‌های مراقبت های سلامتی را کاهش دهند زیرا می توانند در زبان های مختلف کار کنند. نابرابری‌های مراقبت‌های سلامتی به تفاوت‌ها یا نابرابری‌ها در دسترسی به خدمات مراقبت‌های بهداشتی، کیفیت مراقبت و نتایج سلامت در میان گروه‌های مختلف مردم اشاره دارد. این تفاوت ها می تواند تحت تأثیر عواملی مانند نژاد، قومیت، وضعیت اجتماعی-اقتصادی، موقعیت جغرافیایی و دسترسی به بیمه درمانی باشد.
پتانسیل استفاده دلگرم کننده است، به ویژه به دلیل نیاز شدید به بهبود مراقبت های سلامتی در مناطق محروم در کشورهای مختلف که دسترسی به مراقبت های عصب شناسی محدود است.
محدودیت مطالعه این است که دقت چت جی پی تی به کیفیت اطلاعات ارائه شده بستگی دارد. در حالی که محققان تاریخچه دقیق سلامتی و اطلاعات معاینه عصب شناسی برای هر شرکت کننده داشتند، چنین اطلاعاتی همیشه برای همه کسانی که سکته مغزی دارند در دسترس نیست.
