Почему быстрые ответы ИИ не решают главную проблему медицины
В Кремниевой долине миллиарды венчурных долларов идут на одну ставку. Логика проста: если система способна достаточно быстро сгенерировать медицински сложный ответ, значит важная проблема здравоохранения решена.
Идея выглядит очень соблазнительно. Врачи работают под жёстким давлением времени, пациенты иногда ждут приёма месяцами. А large language models за секунды выдают аккуратно сформулированные, эмпатичные и клинически убедительные ответы. При этом обходятся в разы дешевле.
Критики считают, что в самой постановке задачи есть ошибка. В медицине главная трудность никогда не была в поиске информации. Сложнее другое: понять, какая именно информация имеет значение для конкретного пациента именно сейчас, когда данных не хватает, многое остаётся неопределённым, а последствия решений вполне реальные.
Клиническое решение нередко опирается на тонкие сигналы. Иногда рассказ пациента расходится с направлением разговора, которое задаёт врач. За фразой «я устал» может скрываться нечто серьёзное. Во время операции многое зависит от тактильного ощущения тканей. Есть и профессиональное суждение: подходят ли рекомендации в этом случае или практика уже ушла дальше. Значительная часть такого знания никогда не была аккуратно зафиксирована в базах данных, и многое из этого, скорее всего, не будет оцифровано вовсе.
Ключевые факты
В здравоохранение направляются миллиарды венчурных долларов на гипотезу, что генерация медицински сложного ответа достаточно быстро решает значимую проблему отрасли.
Врачи работают под сильным давлением времени, а пациенты могут ждать приёма месяцами.
Большие языковые модели способны за секунды выдавать отполированные, эмпатичные и клинически правдоподобные ответы.
Автор утверждает, что ключевая сложность медицины, не поиск информации, а выбор того, какая информация важна для конкретного пациента в конкретный момент при неполных данных и неопределённости.