Die Algorithmen der KI durchlaufen dabei zunächst eine unbeaufsichtigte Vorbereitungsphase („pre-trained“), bei der sie auf große Datensätze zurückgreifen. Im Anschluss folgt eine überwachte Feinabstimmung, die eine Spezialisierung des Modells auf bestimmte Aufgaben ermöglicht – so auch auf Bereiche wie die Augenheilkunde.
Im Vergleich zu seinen Vorgängermodellen GPT-3 und GPT-3.5 kann GPT-4 komplexe Aufgaben bewältigen sowie genauere und menschenähnlichere Antworten generieren. Ob GPT-4 auch hinsichtlich Diagnose und Therapie von Augenerkrankungen mit Menschen mithalten kann, untersuchte eine Forschungsgruppe aus Cambridge. Sie legte Assistenzärzt:innen, Ärzt:innen in Facharztausbildung und Fachärzt:innen für Augenheilkunde 85 Patientenszenarios mit einem spezifischen Augenproblem vor. Die Mediziner:innen sollten eine Diagnose stellen und eine Therapieoption aus vorgegebenen Auswahlmöglichkeiten wählen. Die Testfragen beinhalteten neben extremer Lichtempfindlichkeit der Augen und Sehschwäche auch Läsionen sowie juckende und schmerzende Augen. Sie stammten aus Unterrichtsmaterial für die Facharztausbildung zur Ophthalmologin/zum Ophthalmologen.
GPT-4 schnitt im Test signifikant besser ab als die Mediziner:innen: Im Median waren 69 % seiner Antworten richtig, bei den Assistenzärzt:innen waren es 43 %, bei Ärzt:innen in Facharztausbildung 59 % und bei Fachärzt:innen 76 %. Neben GPT-4 testete die Forschungsgruppe auch andere Sprachmodelle wie GPT-3.5, PaLM2 und LLaMA. Von allen Sprachmodellen lieferte GPT-4 jedoch die präzisesten Antworten.
Die Studienautor:innen sehen den Einsatz von KI zur augenärztlichen Beratung und Diagnosestellung bei Facharztmangel als möglich an. Auch zur Triage von Patient:innen sei Künstliche Intelligenz geeignet, so Erstautor Aurun James Thirunavukarasu. Weiterentwickelte Sprachmodelle könnten zudem Allgemeinmediziner:innen beraten, wenn keine Augenärztin oder kein Augenarzt verfügbar ist. Thirunavukarasu betont, dass es neben der weiterhin bestehenden Verantwortung der Ärzt:innen für die Patientenversorgung auch wichtig ist, Patient:innen bei der Entscheidung zu unterstützen, ob sie KI in ihrer Behandlung nutzen möchten oder nicht.
Quelle
Thirunavukarasu A J et al. Large language models approach expert-level clinical knowledge and reasoning in ophthalmology: A head-to-head cross-sectional study. PLOS Digital Health. 2024. doi:10.1371/journal.pdig.0000341
