Αλληλεπίδραση μεταξύ ιατρών και τεχνητής νοημοσύνης |
Επίβλεψη: Δημήτρης Καλλές (kalles@eap.gr) |
Στόχος: Η εργασία αυτή αφορά στην ανάπτυξη τεχνολογιών αλληλεπίδρασης μεταξύ ιατρών και τεχνητής νοημοσύνης (ΤΝ). |
Αντικείμενο: Έχουμε αναπτύξει και χρησιμοποιούμε μια διαδικτυακή εφαρμογή, όπου οι χρήστες (ιατροί στο επάγγελμα) αλληλοεπιδρούν με την ΤΝ, θέτοντας ένα ερώτημα σχετικά με την ειδικότητά τους και αξιολογώντας την απάντηση που έλαβαν, ως προς κριτήρια όπως είναι η ακρίβεια της παρεχόμενης πληροφορίας, η συνάφειά της, η σαφήνειά της, η χρονική απόκριση καθώς και η ικανοποίησή τους από τη συνολική αλληλεπίδραση. Η απάντηση της ΤΝ δίνεται από ένα σύστημα Generative AI (προς το παρόν, κατά κύριο λόγο, το ChatGPT). Σκοπός της εργασίας είναι να αναγνωρισθούν και να ενισχυθούν τα σημεία όπου η ΤΝ πρέπει να βελτιώσει την αποδοτικότητά της, προκειμένου, οι ιατροί με εμπιστοσύνη να προβούν στην καθημερινή χρήση της ως υποστηρικτικού εργαλείου στο έργο τους. Άξονες που αξίζει να μελετηθούν είναι: - Ακριβέστερη και ποιοτικότερη παραγωγή απαντήσεων από την ΤΝ, μέσω της ενσωμάτωσης στην εφαρμογή πιο προηγμένων αλγορίθμων μάθησης ή της σύνδεσής της με εξιδεικευμένες ιατρικές βάσεις δεδομένων. - Διαλογική αλληλεπίδραση με την ΤΝ ή ΤΝ-υποβοηθούμενη διαλογική αλληλεπίδραση με άλλους χρήστες (peers). Για τις συγκεκριμένες εκδοχές της εφαρμογής, είναι αναγκαία η ενσωμάτωση αλγορίθμων φυσικής επεξεργασίας γλώσσας (NLP) που θα επιτρέπουν στην ΤΝ να κατανοεί και να απαντάει σε ερωτήσεις με φυσικό τρόπο. Όπως επίσης, η συμπερίληψη δυνατοτήτων συζήτησης, συνεργασίας και ανταλλαγής γνώσης μεταξύ των χρηστών που θα αλληλοεπιδρούν μεταξύ τους μέσω της συγκεκριμένης πλατφόρμας. Στο πλαίσιο αυτό, η ΤΝ μπορεί να προτείνει ιατρικές πηγές ή να βοηθάει στην επιβεβαίωση ιατρικών πληροφοριών κατά τη διάρκεια μιας συζήτησης. - Χρήση της εφαρμογής ως εκπαιδευτικό εργαλείο, μέσω της ενσωμάτωσης σεναρίων προσομοίωσης περίπλοκων κλινικών περιπτώσεων ή μέσω της ανάπτυξης κατάλληλα διαμορφωμένων τεστ που θα αξιολογούν τον χρήστη σε υλικό που θα του έχει παράσχει η ΤΝ. |
Παραπομπές: Ενδεικτικές δημοσιεύσεις που εστιάζουν στην αλληλεπίδραση μεταξύ ιατρών και ΤΝ είναι: Gosbee, J., & Ritchie, E. (1997). Human-computer interaction and medical software development. Interactions, 4(4), 13-18. Cai, C. J., Winter, S., Steiner, D., Wilcox, L., & Terry, M. (2019). " Hello AI": uncovering the onboarding needs of medical practitioners for human-AI collaborative decision-making. Proceedings of the ACM on Human-computer Interaction, 3(CSCW), 1-24. Karinshak, E., Liu, S. X., Park, J. S., & Hancock, J. T. (2023). Working With AI to Persuade: Examining a Large Language Model's Ability to Generate Pro-Vaccination Messages. Proceedings of the ACM on Human-Computer Interaction, 7(CSCW1), 1-29. Nielsen, J. P., von Buchwald, C., & Grønhøj, C. (2023). Validity of the large language model ChatGPT (GPT4) as a patient information source in otolaryngology by a variety of doctors in a tertiary otorhinolaryngology department. Acta Oto-Laryngologica, 1-4. Kaarre, J., Feldt, R., Keeling, L. E., Dadoo, S., Zsidai, B., Hughes, J. D., ... & Musahl, V. (2023). Exploring the potential of ChatGPT as a supplementary tool for providing orthopaedic information. Knee Surgery, Sports Traumatology, Arthroscopy, 31(11), 5190-5198. Η υπάρχουσα υλοποίηση της εφαρμογής και οι βασικές πληροφορίες γι’ αυτήν βρίσκονται στον παρακάτω δικτυακό τόπο. Εκεί, μπορείτε να την χρησιμοποιήσετε και από την δική σας οπτική να αξιολογήσετε το αποτέλεσμα που σας επιστρέφει η Τεχνητή Νοημοσύνη: |
Όροι αναζήτησης: Artificial Intelligence, Doctor-AI Interaction, medical education, user satisfaction |
Σχόλια