Şeffild Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Pixabay/CC0 İctimai Sahə

Şeffild Universitetinin yeni böyük bir araşdırması göstərir ki, süni intellekt tezliklə xəstələrə mürəkkəb tibbi müayinə nəticələrini anlamağa kömək edə bilər və klinik dəqiqliyini itirmədən onları daha asan başa düşməyə kömək edə bilər. Tədqiqat göstərib ki, rentgen, KT və MRT müayinələri üçün radiologiya hesabatları ChatGPT kimi qabaqcıl süni intellekt sistemlərindən istifadə edərək yenidən yazıldıqda, xəstələr onları orijinal versiyalarla müqayisədə demək olar ki, iki dəfə daha asan başa düşdüyünü aşkar ediblər.

Təhlillər göstərdi ki, oxu səviyyəsi “universitet səviyyəsindən” 11-13 yaşlı məktəblinin anlama səviyyəsinə daha yaxın bir səviyyəyə düşüb.

Nəticələr göstərir ki, süni intellektlə izahatlar tibbi hesabatların standart müşayiətçisinə çevrilə bilər və NHS də daxil olmaqla səhiyyə sistemlərində şəffaflığı və etimadı artırmağa kömək edə bilər. Tədqiqat The Lancet Digital Health jurnalında dərc olunub .

Tədqiqatçılar 2022-2025-ci illər arasında dərc olunmuş 38 tədqiqatı nəzərdən keçiriblər . Bu tədqiqatlarda süni intellektdən istifadə etməklə sadələşdirilmiş 12.000-dən çox radiologiya hesabatı əhatə olunub. Yenidən yazılmış bu hesabatlar həm xəstələrin anlayışını, həm də klinik dəqiqliyini qiymətləndirmək üçün xəstələr, ictimaiyyət nümayəndələri və klinisyenlər tərəfindən qiymətləndirilib.

Radiologiya hesabatları ənənəvi olaraq xəstələr üçün deyil, həkimlər üçün yazılır. Lakin, NHS Tətbiqi kimi xəstəyə yönəlmiş qayğını təşviq edən təşəbbüslər, tibbi qeydlərin daha çox şəffaflığını tələb edən yeni siyasətlərlə yanaşı, xəstələrin bu hesabatlara çıxışının sürətlə genişlənməsinə səbəb olur.

Niyə daha aydın hesabatlar xəstələr üçün vacibdir

Tədqiqatın aparıcı müəllifi, Şeffild Universitetinin baş klinik tədqiqatçısı və Şeffild Tədris Xəstəxanaları NHS Fondunun fəxri məsləhətçisi Kardio Radioloq Dr. Samer Alabed bildirib ki, “Bu hesabatların əsas problemi onların xəstələri nəzərə alaraq yazılmamasıdır. Onlar tez-tez asanlıqla səhv başa düşülə bilən texniki jarqon və ixtisarlarla doludur ki, bu da lazımsız narahatlığa, yalançı arxayınlığa və çaşqınlığa səbəb olur.”

” Sağlamlıq savadı aşağı olan və ya ingilis dilini ikinci dil kimi bilən xəstələr xüsusilə əlverişsiz vəziyyətdədirlər. Klinisyenlər tez-tez qayğı və müalicəyə diqqət yetirmək əvəzinə, hesabat terminologiyasını izah etmək üçün dəyərli görüş vaxtından istifadə etməli olurlar. Hətta hər xəstəyə düşən kiçik vaxt qənaəti belə NHS-də əhəmiyyətli faydalara səbəb ola bilər.”

Təhlükəsizlik, məhdudiyyətlər və növbəti addımlar

Həkimlər süni intellektlə sadələşdirilmiş bu hesabatları nəzərdən keçirərkən, onların böyük əksəriyyətinin dəqiq və tam olduğunu aşkar etsələr də, təxminən bir faizində səhv diaqnoz kimi səhvlər var idi. Bu yanaşmanın çox perspektivli olsa da, yenə də diqqətli nəzarətə ehtiyacı olduğunu göstərir.

Nəzərdən keçirilən 38 tədqiqatdan heç biri Böyük Britaniyada və ya Milli Səhiyyə Xidməti müəssisələrində aparılmayıb ki, bu da Dr. Samerin sözlərinə görə, tədqiqat qrupunun hazırda həll etməyə çalışdığı əhəmiyyətli bir boşluqdur.

“Bu tədqiqat bir neçə əsas prioriteti vurğulayıb. Ən əsası, təhlükəsizliyi, səmərəliliyi və xəstə nəticələrini düzgün qiymətləndirmək üçün NHS klinik iş axınlarında real dünya testlərinə ehtiyacdır”, – deyə Dr. Samer bildirib.

“Buraya insan nəzarəti modelləri daxildir , burada klinisyenlər süni intellekt tərəfindən yaradılan izahatları xəstələrlə paylaşmazdan əvvəl nəzərdən keçirir və təsdiqləyirlər. Bizim uzunmüddətli məqsədimiz klinisyenləri əvəz etmək deyil, səhiyyədə daha aydın, daha mehriban və daha ədalətli ünsiyyəti dəstəkləməkdir.”

Tədqiqat Universitetin ideyaları təsirə çevirmək ambisiyasını, müstəqil düşüncənin və ortaq ambisiyanın əsl təcəssümü olduğunu vurğulayır.

Daha çox məlumat

Samer Alabed və digərləri, Radiologiya hesabatlarını sadələşdirmək üçün böyük dil modelləri: xəstə, ictimaiyyət və klinisyen qiymətləndirmələrinin sistematik icmalı və meta-analizi, The Lancet Digital Health (2026). DOI: 10.1016/j.landig.2025.100960

Əsas tibbi anlayışlar

radiologiya hesabatıDiaqnostik XətalarıDiaqnostik Görüntüləmə

Klinik kateqoriyalar

Diaqnostik radiologiyaŞeffild Universiteti tərəfindən təmin edilir