Ученые увидели в DeepSeek огромный потенциал при диагностике, планировании лечения и медицинских исследованиях

Совместная исследовательская группа из Гонконгского университета науки и технологий (HKUST) и его кампуса в Гуанчжоу провела углубленную оценку DeepSeek-R1, разработанной в Китае большой языковой модели с открытым исходным кодом (LLM). 

Их выводы, опубликованные в журнале MedComm – Future Medicine, подчеркивают потенциал модели для значительного влияния на сектор здравоохранения. Исследование показало, что DeepSeek-R1 может сыграть преобразующую роль в различных аспектах здравоохранения, включая диагностику, планирование лечения и медицинские исследования. 

Исследование подчеркивает, как DeepSeek-R1 улучшает клинические рабочие процессы. Модель поддерживает диагностическое обоснование, планирование лечения и оценку риска, предоставляя врачам прозрачные цепочки обоснований и структурированные пути принятия решений. Кроме того, DeepSeek-R1 демонстрирует перспективы в вовлечении пациентов и медицинском образовании. Модель использовалась больницей South China Hospital для создания персонализированных рекомендаций по лечению. Она также применялась больницей Qilu университета Шаньдун для создания масштабных учебных материалов и интерактивных образовательных случаев для студентов-медиков.

Однако исследователи признают ключевые проблемы DeepSeek-R1. К ним относят, в частности, текущее ограничение модели только текстовыми данными и риски галлюцинаций.

DeepSeek-R1 представляет собой значительный шаг вперед в LLM, демонстрируя впечатляющий потенциал в применении ИИ в здравоохранении. Его модель с открытым исходным кодом, недорогое развертывание и прозрачность в принятии решений имеют потенциал для ускорения интеграции ИИ в системы здравоохранения по всему миру. Несмотря на свои сильные стороны, DeepSeek-R1 сталкивается с ключевыми ограничениями и проблемами. Хотя недавние исследования показывают многообещающие результаты в адаптации фреймворка RL DeepSeek-R1 для мультимодального здравоохранения, эти инициативы все еще находятся на ранних стадиях. По-прежнему необходима дальнейшая работа по масштабированию этих моделей для интеграции различных типов данных, таких как изображения и видео, при сохранении диагностической точности. Кроме того, галлюцинации остаются серьезной проблемой.

Цитата из статьи

В статье делается вывод, что, хотя DeepSeek-R1 еще не раскрыл весь свой потенциал, он считается многообещающим инструментом для продвижения персонализированной медицины и улучшения общих результатов лечения пациентов.