У дослідженні було оцінено потенціал ChatGPT у підтримці генерації звітів автоматизованих систем ідентифікації та антибіотикорезистентності (ID/AST) у клінічній мікробіології. Використовуючи методологію навчання, побудовану на основі останніх рекомендацій CLSI (2024) та усталених клінічних протоколів, метою було покращення здатності ChatGPT ефективно обробляти складні набори даних. Результати засвідчили, що застосування ChatGPT суттєво підвищує точність звітів, що сприяє прийняттю більш обґрунтованих клінічних рішень. Зокрема, вісім репрезентативних клінічних випадків, наведені у таблиці 1, охоплювали найпоширеніші складнощі звичайної практики, включно з такими ситуаціями:
– обмеження бази даних (Випадок 3),
– виявлення генів карбапенемаз (Випадок 4),
– механізми резистентності, пов’язані з ферментами (Випадок 7),
– нові або не класифіковані моделі резистентності (Випадок 8).
ChatGPT продемонстрував покращену спроможність надавати структуровані й клінічно релевантні інтерпретації для цих випадків, підкреслюючи його потенціал у підтримці медичних працівників як у типових, так і у складних діагностичних ситуаціях. Це свідчить про трансформаційну роль сучасних мовних моделей у спрощенні лабораторних процесів та допомозі клініцистам у їх діагностичній діяльності.
Паралельно було виявлено обмеження сертифікації ISO15189 у клінічній мікробіології. Порівняння результатів, отриманих клінічними мікробіологами (CM), із показниками моделі GPT_BT (див. Рис. 3), засвідчило, що відповіді CM були схожі або дещо нижчі. Аналіз факторів, таких як стать, досвід використання автоматизованих систем ID/AST та сертифікація відділення лабораторної медицини за ISO, не показав значущої кореляції з якістю відповідей CM (див. Рис. 2). У Фуцзяні (Китай) сертифікація ISO15189 у лікарнях, здається, не призвела до помітного підвищення стандартів клінічної мікробіології, що може бути пов’язано з труднощами, властивими дисципліні:
– клінічна мікробіологія є складною та динамічною галуззю, яка вимагає постійного навчання й адаптації,
– швидка еволюція мікроорганізмів, різноманітність збудників інфекцій і стрімкий розвиток діагностичних технологій обумовлюють необхідність безперервного оновлення знань і навичок персоналу26,27,
– стандартизація процедур у різних установах залишається проблематичною, навіть за наявності сертифікації ISO1518928,
– різниця у ресурсах, таких як лабораторна інфраструктура та кваліфікація персоналу, також обмежує вплив сертифікації на якість практики29,30,31.
Отже, для суттєвих покращень у галузі потрібні не лише сертифікат, а й узгоджені зусилля з розвитку безперервної освіти, інвестування в інноваційні технології та сприяння співпраці між закладами для забезпечення єдиних лабораторних стандартів32,33. Також необхідно враховувати статистичні варіації, пов’язані з географією та економічним статусом, що можуть впливати на результати. Наприклад, лікарні у більш розвинених регіонах мають кращий доступ до сучасного обладнання і кваліфікованих кадрів, у той час як у менш розвинених регіонах спостерігається нестача ресурсів, що ускладнює стандартизацію і впливає на якість мікробіологічних досліджень34,35.
Незважаючи на вказані обмеження, дослідження відкриває нову перспективу використання ChatGPT для підтримки клінічних мікробіологів у вирішенні проблем, пов’язаних із автоматизованим мікробіологічним тестуванням. При цьому рекомендується в майбутньому провести валідацію цього підходу у ширшому географічному та соціально-економічному контексті для забезпечення універсальності і масштабованості використання у різних клінічних умовах.
Варто зауважити, що сама сертифікація ISO15189 продовжує приносити значні переваги клінічним лабораторіям:
– встановлення уніфікованих рамок валідації,
– забезпечення відслідковуваності результатів,
– проведення зовнішніх оцінок якості36.
Ці механізми підтримують безпечне впровадження інноваційних технологій, включно з інструментами на основі штучного інтелекту, у щоденні робочі процеси. Тому, хоча в нашому дослідженні не зафіксовано значущої переваги для сертифікованих установ, ISO15189 слід розглядати як додатковий рівень надійності, що сприяє гармонізації під час інтеграції ШІ у клінічну мікробіологію.
Крім того, регіональна різноманітність поширення патогенів і рівнів захворюваності ускладнює стандартизацію, оскільки лабораторії в різних місцях стикаються з унікальними діагностичними викликами37,38. Усунення цих розбіжностей мабуть потребує адаптованого підходу, що враховує особливості місцевих ресурсів, кваліфікації персоналу й епідеміології39,40,41. Більш рівномірний розподіл ресурсів у поєднанні з регіонально орієнтованими програмами навчання дозволять уніфікувати практику клінічної мікробіології в різних географічних і економічних контекстах42. В цьому контексті розробка персоналізованої та постійно оновлюваної бази клінічної мікробіології на платформі ChatGPT може значно знизити обмеження знань, з якими стикаються мікробіологи, і сприяти стандартизації.
Щодо покращення результативності ChatGPT, дослідження показало суттєвий приріст якості відповідей після застосування тренінгу з використанням спеціального протоколу запитів (prompt training) (рис. 1 і 3), особливо у таких аспектах, як чіткість, достовірність і об’єктивність (рис. 4). Ці покращення пояснюються кількома факторами:
1. Стандартизований протокол навчання дозволив усунути когнітивні упередження людини, які могли впливати на послідовність формування звітів.
2. ChatGPT здатен застосовувати уніфіковані клінічні керівництва та посилання, гарантувавши дотримання усталених стандартів.
3. Модель ефективно опрацьовує й синтезує великі обсяги інформації без стомлюваності, що забезпечує більш надійні та всебічні результати.
4. Завдяки ітеративному механізму зворотного зв’язку під час навчання ChatGPT вдосконалив розуміння складних мікробіологічних концепцій, перевершуючи клінічних мікробіологів, які іноді покладаються на суб’єктивну оцінку.
Водночас покращення у повноті відповідей було незначним як для людини, так і для ChatGPT. Для клінічних мікробіологів це пов’язано з обмеженими знаннями, недостатнім оновленням інформації та відсутністю проактивного підходу30. Для ChatGPT ж це обумовлено особливостями її функціонування: кожна сесія починається з очищення пам’яті, і модель не має спеціалізованої бази знань8. У перспективі для сприяння автоматизованому формуванню звітів ID/AST для клінічних мікробіологів рекомендується створити спеціальну базу знань ChatGPT з безперервно оновлюваною та верифікованою інформацією.
Результати свідчать, що тренінг із застосуванням методології prompt engineering істотно підвищує якість звітів, створених за допомогою ChatGPT. Ці висновки узгоджуються з попередніми дослідженнями, які показали, що великі мовні моделі при відповідній підготовці покращують свої можливості у природній обробці та генерації тексту43,44. Це підтверджує гіпотезу про те, що ChatGPT можна ефективно використовувати для підтримки видачі якісних автоматизованих звітів ID/AST систем.
Найвищу здатність до навчання ChatGPT продемонстрував у випадках 1, 3, 4, 5, 6, 7 та 8 (рис. 5) (p < 0,05). При цьому ефект навчання у випадку 2 статистично незначущий (p > 0,05), що пов’язано з вимогою використання чистих колоній для тестування у цьому випадку, на яку тренінг не вплинув. Аналогічні проблеми спостерігають і клінічні мікробіологи, де джерелами помилок є неефективні робочі процеси та недостатня увага до деталей. Для мінімізації помилок через використання нечистих колоній рекомендується ретельно перевіряти матеріал перед тестуванням та повторно контролювати платівки під час формування звіту – така подвійна верифікація суттєво знизить кількість помилок.
У випадках 1 і 3 клінічні мікробіологи перевершували GPT_BT. Як зазначено в таблиці 1, у точному виявленні рідкісних бактерій, що виробляють NDM-ензими без відповідності фенотипів у експертній базі даних, якість відповідей GPT_BT була нижчою. Ця проблема пов’язана з конструкцією ChatGPT як інтелектуального інструменту запитань-відповідей, але її можна подолати шляхом додаткового навчання або створення спеціалізованої клінічної мікробіологічної бази знань.
Дослідження має низку інноваційних рис:
– воно є одним із перших, де великий мовний моделю ChatGPT застосовано для допомоги у створенні автоматизованих звітів ID/AST систем, що відкриває нові можливості для практичного впровадження таких технологій у клінічній мікробіології;
– виконано мультицентрове, клінічне дослідження на базі реальних клінічних даних, що надає вагомі наукові докази ефективності ChatGPT у цьому контексті12,45;
– встановлено, що звіти, створені за допомогою ChatGPT, перевершують за точністю результати, що їх отримують клінічні мікробіологи, підвищуючи таким чином діагностичну точність і потенційно покращуючи результати лікування пацієнтів;
– розроблено новий метод тренінгу з prompt engineering, що значно підвищує якість звітів, створених за підтримки ChatGPT, відкриваючи нові перспективи для навчання великих мовних моделей та розширення сфери їх застосування у різноманітних напрямах.
Водночас слід зазначити, що, незважаючи на мультицентровий підхід у вибірці, обмеження, пов’язані з регіональними й економічними відмінностями, могли вплинути на результативність. Попередні дослідження свідчать про значні соціально-економічні розбіжності між східними та західними регіонами Китаю, що можуть позначитися на доступі й якості медичних послуг46,47. Ці фактори варто враховувати під час інтерпретації результатів.
Для подолання таких обмежень у майбутньому рекомендується:
– розширити географічне та економічне охоплення вибірки для підвищення репрезентативності та узагальненості досліджень;
– впроваджувати стандартизовані протоколи у різних закладах охорони здоров’я для зменшення регіональних розбіжностей;
– досліджувати можливості міжнародної співпраці для підтвердження результатів на глобальному рівні, що дозволить розширити застосування інструментів на базі ChatGPT у різних клінічних умовах.
Ці стратегії сприятимуть ґрунтовнішій доказовій базі для впровадження великих мовних моделей у медичну практику та покращать надійність і масштабованість їх використання в галузі клінічної мікробіології.
