Para peneliti di Institute for Systems Biology telah membuat kemajuan signifikan dalam memahami bagaimana kecerdasan buatan dapat digunakan untuk mendeteksi faktor-faktor penentu sosial kesehatan dari catatan kesehatan elektronik. Penelitian yang dilakukan bekerja sama dengan Providence ini menggunakan model bahasa tingkat lanjut untuk menganalisis catatan klinis wanita hamil dan berfokus pada mengidentifikasi ketidakstabilan perumahan.

Tim peneliti mengevaluasi kinerja dua model bahasa, GPT-4 dan GPT-3.5, dibandingkan metode tradisional dan analisis manusia. Hasilnya menunjukkan bahwa GPT-4 mengungguli teknologi lain dalam mengidentifikasi kasus ketidakstabilan perumahan. Namun, peninjau manusia unggul dalam hal akurasi dan memberikan bukti akurat dari catatan klinis, menyoroti perbedaan pemahaman yang dibawa manusia dalam interpretasi catatan kesehatan.

Studi ini juga menyelidiki dampak anonimisasi pada kemampuan AI untuk mendeteksi faktor-faktor penentu sosial secara akurat. Catatan yang dianonimkan, dimana informasi sensitif diganti dengan data fiktif, menimbulkan tantangan bagi AI, yang menyebabkan berkurangnya akurasi dalam mengidentifikasi masalah perumahan. Temuan ini menyoroti perlunya peningkatan teknik anonimisasi yang melindungi privasi pasien tanpa mengorbankan detail penting untuk memahami faktor-faktor penentu kesehatan.

Penelitian ISB menyoroti potensi model bahasa skala besar sebagai alat yang dapat diperluas untuk pemeriksaan awal pasien, sambil terus menekankan pentingnya pengawasan manusia dalam pengambilan keputusan medis. Wawasan dari penelitian ini berkontribusi pada perdebatan yang sedang berlangsung tentang integrasi AI dalam layanan kesehatan dan keseimbangan antara efisiensi teknologi dan kompleksitas perawatan pasien.