Naukowcy z arXiv opracowali ChatHealthAI, framework łączący siłę dużych modeli językowych z dokumentacją medyczną pacjentów. Problem, który rozwiązują, jest prosty: duże modele językowe świetnie rozumują w języku naturalnym, ale kiepsko radzą sobie z ustrukturyzowanymi danymi medycznymi. Z drugiej strony specjalistyczne modele zdają się doskonale przewidywać, ale ich decyzje są "czarną skrzynką" — trudno zrozumieć, dlaczego AI coś zasugerowało.
ChatHealthAI łączy oba podejścia za pomocą specjalnego konwertera (zwanego resamplerem), który tłumaczy strukturalne dane pacjentów na taki język, który LLM rozumie. System bierze całą historię medyczną — wyniki badań, leki, procedury — i opisuje ją w sposób, który model może przeanalizować razem z pacjentem. W testach na trzech zadaniach klinicznych system zachowywał dokładność przewidywań, a jednocześnie poprawiał jakość i interpretację rozumowania.
To ma praktyczne znaczenie dla medycyny. Lekarze nie będą tylko otrzymywać ocenę ryzyka, ale dowiedzą się, na podstawie czego AI ją wydało. W czasach, gdy AI coraz bardziej wnika w decyzje medyczne, zaufanie i przejrzystość to nie luksusy — to konieczność.