โมเดลภาษาขนาดใหญ่ (Large language models) มีแนวโน้มที่จะกลายมาเป็นพันธมิตรที่มีคุณค่าในการป้องกันและควบคุมการติดเชื้อ (IPC)
แม้ว่าคณะกรรมการจะต้องใช้เวลาอีกสักระยะในการตัดสิน แต่หลักฐานที่มีอยู่จนถึงปัจจุบันต่างก็บ่งชี้ถึงโลกใบใหม่ที่น่าดึงดูดใจและกล้าหาญของประสิทธิภาพที่เพิ่มขึ้น (เช่น การคัดกรองโรคติดเชื้อในโรงพยาบาล (HAIs) แบบเรียลไทม์ และการสร้างรายงาน IPC โดยอัตโนมัติ) และการตรวจพบที่ดีขึ้นในกรณีที่อาจถูกมองข้ามหรือล่าช้าด้วยวิธีการแบบเดิม – เช่น การค้นหาแบบแมนนวล (Rodriguez-Nava et al.2024; Boussina et al.2024) (Rodriguez-Nava et al. 2024; Boussina et al. 2024).
นวัตกรรมหลักที่นี่คืออะไร?
การวิเคราะห์ข้อมูลไม่มีโครงสร้างและข้อมูลมีโครงสร้างที่ซับซ้อนมักจะเน้นไปที่ภาษาเป็นหลัก ในระดับสูง แนวคิดพื้นฐานคือการทำหน้าที่เป็นแหล่งข้อมูลความรู้แบบออนดีมานด์สำหรับสมาชิกในทีม IPC ที่มีเวลาน้อย เมื่อเปรียบเทียบกับเครื่องมือที่มีอยู่ วิธีการที่ใช้ LLM มักจะเทียบเท่าหรือเหนือกว่าเกณฑ์มาตรฐานประสิทธิภาพ ตัวอย่างเช่น ระบบ LLM ที่เทียบเท่ากับผู้เชี่ยวชาญในการพิจารณาใน 90% ของกรณีภาวะติดเชื้อในกระแสเลือด (Boussina et al. 2024) หรือโมเดล AI ที่เอาชนะคะแนนเตือนภัยล่วงหน้ามาตรฐานในการทำนายการติดเชื้อ (Creagh et al.2024) หากเราช่วยให้บุคลากรทางการแพทย์หลุดพ้นจากงานเอกสารที่น่าเบื่อและไม่ต้องค้นหาข้อมูลที่ต้องการผ่านอินเตอร์เฟสที่ใช้งานยาก พวกเขาจะสามารถตอบสนองความต้องการ IPC ได้รวดเร็วและครอบคลุมยิ่งขึ้นได้หรือไม่? เราจะสามารถทำนายและป้องกันการระบาดภายในโรงพยาบาลก่อนที่จะเกิดขึ้นได้หรือไม่?
“ตัวอย่างเช่น ระบบ LLM [เทียบเท่า] กับผู้เชี่ยวชาญในการพิจารณาใน 90% ของกรณีภาวะติดเชื้อในกระแสเลือด”
Aaron Boussina (Boussina et al. 2024).
LLM ไม่ใช่ยาสารพัดนึก
LLM ดูมีความหวังเป็นอย่างยิ่ง แต่การพิสูจน์เชิงประจักษ์ขั้นเด็ดขาดยังไม่มีการเปิดเผยออกมา นอกจากนี้ ความกระตือรือร้นจะต้องถูกลดทอนลงด้วยความเป็นจริงเกี่ยวกับข้อจำกัดในปัจจุบัน LLM ไม่ใช่ยาครอบจักรวาล บางครั้งพวกมันล้มเหลวในสถานการณ์ที่ระบบควบคุมและป้องกันการติดเชื้อ (IPC) ไม่สามารถยอมรับความผิดพลาดได้ (การตัดสินใจที่ซับซ้อนและมีเดิมพันสูง) วรรณกรรมเสนอแนะให้ใช้แนวทางแบบเสริมแรง: ใช้ LLM เพื่อจัดการภาระงานและประมวลผลข้อมูล แต่ยังคงให้มนุษย์มีส่วนร่วมในการควบคุมดูแล ตรวจสอบความถูกต้อง และทำการตัดสินใจที่ละเอียดอ่อนซึ่งเครื่องจักรไม่สามารถเลียนแบบได้ (Wiemken & Carrico 2024; Schwartz et al.2024)
ด้วยแนวทางนี้ ชุมชน IPC จะสามารถใช้ประโยชน์จาก LLM ในฐานะ “ผู้ช่วยนักบิน” (co-pilots) ในการควบคุมการติดเชื้อ: โดย AI จะจัดการงานประจำวันทั่วไปและจัดทำการวิเคราะห์ในเบื้องต้น ในขณะที่ทีม IPC ยังคงเป็นผู้ตัดสินใจขั้นสูงสุดเพื่อความปลอดภัยของผู้ป่วย ในอนาคตข้างหน้า เราไม่สามารถนิ่งนอนใจได้ การวิจัยอย่างต่อเนื่อง การประเมินในโลกแห่งความเป็นจริง และความร่วมมือระหว่างสาขาวิชา (เช่น ระหว่างผู้พัฒนา AI, ผู้เชี่ยวชาญด้าน IPC, ผู้กำหนดนโยบาย, นักจริยศาสตร์) จะมีความสำคัญอย่างยิ่ง
LLM ได้เข้ามามีบทบาทแล้ว และแม้ว่าในไม่ช้าพวกมันจะถูกแทนที่ด้วยโมเดลปัญญาประดิษฐ์ทั่วไป (AGI) ที่มีขีดความสามารถสูงกว่า แต่ส่วนประกอบทางภาษาจะยังคงเป็นหัวใจสำคัญ อย่างไรก็ตาม ในทุกๆ ขั้นตอน ถือเป็นสิทธิพิเศษของเราที่จะถอยออกมาตั้งคำถามถึงสถานะผู้ช่วยนักบินของ "เพื่อนร่วมทางความรู้" เหล่านี้:
คุณจะไว้วางใจให้ผู้ช่วยของคุณดูแลชีวิตของผู้คนจำนวนมากขนาดนี้หรือไม่?
ข้อมูลอ้างอิง
