🔬 پژوهش جدید | هوش مصنوعی در سلامت وقتی پیشنهاد تشخیصی مناسب، ایمنی درمان را تضمین نمی‌کند پژوهشگران مرکز پزشکی کودکان اشنایدر و دانشگاه تل‌آویو، عملکرد چت‌جی‌پی‌تی را در بررسی پرونده کودکان بدحال ارزیابی کردند. در این مطالعه مقدماتی، سهم پیشنهادهای درمانی مناسب از پیشنهادهای تشخیصی مناسب کمتر بود و برخی پیشنهادهای درمانی نیز بالقوه آسیب‌زا ارزیابی شدند. 🔍 سؤال اصلی پژوهش چه بود؟ آیا یک مدل زبانی بزرگ می‌تواند در مراحل اولیه رسیدگی به کودکان بدحال، پیشنهادهای تشخیصی و درمانی مناسب و ایمن ارائه دهد؟ 🔬 پژوهشگران چه کردند؟ در یک مطالعه گذشته‌نگر، اطلاعات ۲۰ کودک که از اورژانس در بخش مراقبت‌های ویژه اطفال بستری شده بودند، بررسی شد. پژوهشگران اطلاعات هر پرونده را در چهار مقطع زمانی به مدل چت‌جی‌پی‌تی ۴ دادند و پاسخ‌های آن را با مراقبت واقعی مقایسه کردند. پیشنهادها از نظر تناسب، ایمنی و موارد مهمِ جاافتاده ارزیابی شدند. 📊 نتایج چه بود؟ ▪️ در زمان ورود به اورژانس، ۹۴ درصد و هنگام پذیرش در مراقبت‌های ویژه، ۹۸ درصد از پیشنهادهای تشخیصی مناسب ارزیابی شدند. این اعداد به سهم پیشنهادهای مناسب اشاره دارند، نه درصد کودکانی که بیماری‌شان به‌درستی تشخیص داده شد. ▪️ در هر دو مقطع، ۸۲ درصد از پیشنهادهای درمانی مناسب ارزیابی شدند. ▪️ سهم پیشنهادهای درمانی بالقوه آسیب‌زا در اورژانس ۷ درصد و در مراقبت‌های ویژه ۱۰ درصد بود. 💡 چرا این پژوهش مهم است؟ یافته‌ها نشان می‌دهد ارزیابی یک ابزار هوش مصنوعی نباید به بررسی پیشنهادهای تشخیصی محدود شود. انتخاب اقدام درمانی، بررسی دارو و دوز آن و اطمینان از کامل بودن توصیه‌ها نیز به ارزیابی جداگانه و نظارت پزشک نیاز دارند. 📚 شناسنامه پژوهش مراکز همکار: مرکز پزشکی کودکان اشنایدر و دانشگاه تل‌آویو نشریه: European Journal of Pediatrics تاریخ انتشار آنلاین: ۱۴ نوامبر ۲۰۲۵ نوع پژوهش: مطالعه مقدماتی گذشته‌نگر وضعیت انتشار: مقاله منتشرشده در نشریه علمی 🔗 مقاله اصلی: https://doi.org/10.1007/s00431-025-06630-7 #هوش_مصنوعی_در_سلامت #پزشکی_کودکان #ایمنی_بیمار #پشتیبانی_تصمیم_بالینی #نورون نورون | هوش مصنوعی در سلامت رصد تحولات، فهم آینده سلامت 🍂@neuronrc