تلاش برای تشخیص بیماری توسط هوش مصنوعی همیشه با یک چالش بزرگ روبرو بوده: تعادل بین دقت بالا و هزینه آزمایشهای پزشکی. مدلهای زبانی فعلی اغلب برای رسیدن به دقتِ بالاتر، به تستهای غیرضروری متوسل میشوند.
محققان در پروژه جدید «GraphDx» با ترکیب گرافهای دانش پزشکی (MDKG) و یک سیستم چندعاملی (Multi-Agent) متشکل از عاملهای ادراک، استدلال و تصمیم، این مشکل را حل کردهاند. نتایج خیرهکننده است: این مدل توانسته نرخ موفقیت در تشخیصهای پزشکی را بهشدت افزایش داده و همزمان هزینههای آزمایشگاهی را تا ۵۴ درصد کاهش دهد! این یعنی آیندهای که در آن هوش مصنوعیِ پزشکی نهتنها باهوشتر، بلکه مقرونبهصرفهتر خواهد بود. 🩺💡
منبع: arXiv AI