Як штучний інтелект змінює догляд за передчасно народженими дітьми в реальному часі
Інноваційний підхід до харчування передчасно народжених дітей
У відділенні інтенсивної терапії новонароджених в Стенфордському медичному центрі вперше застосовують штучний інтелект для розробки внутрішньовенного харчування малюків, народжених передчасно. Цей інструмент, який називається TPN2.0, відрізняється від популярних моделей, таких як ChatGPT чи Claude — він створений спеціально для підтримки лікарів у цій делікатній сфері догляду.
Компанія Takeoff41, що виникла як проєкт у Стенфордській медицині, почала клінічні випробування свого продукту, який допомагає формувати індивідуальні формули парентерального харчування для новонароджених, які не можуть харчуватися звичайним шляхом. Раніше це завдання було надто складним і схильним до помилок.
Як створювався AI-модель?
Для тренування моделі використали понад 140 000 замовлень харчування більш ніж 9 000 пацієнтів із двох лікарень. Лікарі у сліпих тестах оцінили результати рекомендацій штучного інтелекту вище за стандартні методики. Окрім того, окреме дослідження, опубліковане у The Lancet Digital Health, підтвердило, що спеціалізований клінічний мовний AI-модель працює кращe, ніж загальні великі мовні моделі, коли йдеться про прогнозування ускладнень у новонароджених.
Чому просте успішне проходження тестів — це лише початок
Загальна думка, що якщо штучний інтелект добре складе тест, він готовий працювати в реальних умовах, на практиці часто не відповідає дійсності. Хоча загальні моделі працюють прийнятно в багатьох випадках, у вузькоспеціалізованому середовищі потрібне глибоке розуміння контексту.
Joe Phongpreecha, співзасновник Takeoff41, підкреслює: «Успіх у таких складних областях залежить від спеціалізованості моделі, оскільки найважливіші рішення ухвалюються кожного дня у вузьких сферах діяльності». Коли йдеться про життя, безпеку чи значні фінансові наслідки—потрібні системи, які були створені для конкретних завдань і пройшли ретельну перевірку.
Загальні vs спеціалізовані моделі: що обирають користувачі?
Дослідження Массачусетського технологічного інституту про використання генеративного AI на основі 150 інтерв’ю з керівниками, опитування 350 співробітників і аналізу 300 публічних проєктів показало: спеціалізовані моделі вдвічі частіше успішно запускаються у бізнес-середовищах, ніж універсальні внутрішні розробки.
Аналітики Gartner прогнозують, що вже до 2027 року понад половина кожної генеративної AI моделі, яку застосовують підприємства, буде предметно орієнтованою, хоча у 2024 році цей показник становив лише близько 1%.
Що важливо знати підприємцям із менш ніж 50 співробітниками
Вам не потрібно бути спеціалістами від догляду за новонародженими, щоб зрозуміти головне правило, яке варто застосовувати при виборі AI для свого бізнесу: орієнтуйтеся на потенційну вартість помилки.
- Помилки у чорновиках, ідеях чи нотатках легко виправити, тому тут підходить універсальний AI.
- Помилки у зарплатних відомостях, контрактах чи документах, що стосуються грошей клієнтів, неприпустимі — потрібні інструменти, які спеціально створені й протестовані для цих завдань.
- AI має бути частиною робочого процесу, який він істотно покращує, а не просто модною складовою.
Перед покупкою варто зажадати від постачальників докази ефективності: яка база даних використовувалась для тренування, хто й як тестував інструмент, та які результати досліджень підтверджують його надійність. Сам демонстраційний показ часто — це лише презентація, а реальні цифри — це єдиний критерій довіри.
Підсумкові думки від провідних експертів
Nima Aghaeepour, професор Стенфорда та співзасновник Takeoff41, зазначив: «Постійне вимірювання реального впливу і глибоке розуміння процесів — ось що перетворює штучний інтелект із цікавої технології на необхідну бізнес-складову».
Малюки у Стенфорді отримали не найвідомішу модель, а ту, що найкраще підходить їхнім потребам. Компанії, які переймуть подібний підхід у своїй сфері, матимуть перевагу, працюючи крок за кроком над вирішенням конкретних завдань.
