Brug af ‘House’ TV-serien til at udvikle AI’s diagnostiske evner

Selvom diagnose af sjældne sygdomme er en særligt svær udfordring for AI (ligesom for mennesker), viser populære sprogmodeller som ChatGPT og Gemini lovende resultater, når de trænes på diagnostiske cases fra den populære ‘House’ medicinske drama.

Næsten halvdelen af alle sundhedsvidenskabelige studerende ser regelmæssigt medicinske dramaer som House, Grey’s Anatomy og Scrubs. Selvom dette materiale kun kan bruges til didaktiske formål med en masse filtering og rammer, på grund af risikoen for at sprede farlig fejlinformation, tenderer standarden for forskning i dramaer med medicinske tilstande til at være ret høj (selvom nøjagtigheden varierer over produktioner).

Det er ikke overraskende, at læger ofte opstår, rådfører på og/eller skriver TV-medical dramaer. I sådanne tilfælde er omfattende medicinsk domæneviden ikke kun fordelagtig til at præsentere medicinske problemer nøjagtigt, men også til at ideere forslag til nye og interessante historier.

En af de mest studeret-forskede medicinske shows i den seneste ‘gyldne æra’ for TV er House (aka House MD), hvor ekscentriciteterne hos hovedpersonen og de store fluktuationer i den sekundære rollebesætning, underholdende som de var, kom i anden række efter ‘sygdommen i ugen’.

I virkeligheden gav House i løbet af sine otte sæsoner 176 diagnostiske case-studier. Selvom showet sluttede i 2012, var det allerede i 2015 i brug som et undervisningsværktøj, med et specielt Dr. House-seminar, der gav bedre resultater i sammenligning med standardseminarernes fag, selvom det ikke gav nogen studiepoint:

Fra en studie i 2015, diverse årsager til, at medicinstuderende ønskede at deltage i et diagnostisk seminar, der udnyttede information fra ‘House’ TV-showet. Seminarene var planlagt til en bevidst udfordrende tidspunkt, og gav ingen studiepoint; trods disse faktorer var initiativet en succes. Kilde

House og AI

Selvom brugen af House og andre forskellige TV-shows er blevet bevist i flere studier til at være en effektiv hjælp til læring for medicinstuderende, er der kun lidt af denne tilgang, der er forsøgt indtil nu i en maskinlæringskontekst.

Nu har en ny artikel fra Pennsylvania State University lavet en initial forsøg i denne retning, ved at udvikle en dataset, der indeholder alle 176 House-case-studier, formuleret i en narrativ-dreven diagnostisk struktur, herefter evalueret på populære LLM’er fra OpenAI og Google.

Trods vanskeligheden ved denne udfordring (der karakteriserer en af de mest svære fag i biologiske videnskaber), fandt forskerne, at nyere versioner af ChatGPT og Gemini viste forbedring i forhold til ældre versioner, hvilket indikerer, at udviklingstrenden for modeludvikling sandsynligvis vil være effektiv i diagnostiske processer over tid.