Poboljšanje zdravstvene inteligencije u ChatGPT‑u

Zdravlje je jedan od najznačajnijih načina na koje ljudi koriste ChatGPT. Svake sedmice više od 230 miliona ljudi obraća se ChatGPT‑u za pomoć s pitanjima o zdravlju i dobrobiti: kako razumjeti zdravstvene informacije, nalaze laboratorijskih testova, pripremiti se za preglede, snaći se u osiguranju, izgraditi zdravije navike i shvatiti šta dalje pitati.

Uz GPT‑5.5 Instant vidimo značajan iskorak u tome kako model obrađuje zdravstvena pitanja, s poboljšanjima u prepoznavanju kada može biti potrebna hitna njega, traženju relevantnog konteksta, objašnjavanju neizvjesnosti i pojednostavljivanju složenih informacija. Na našim najzahtjevnijim zdravstvenim evaluacijama, GPT‑5.5 Instant sada postiže rezultate uporedive s našim najnaprednijim Thinking modelima. Budući da je dostupan besplatnim korisnicima u ChatGPT‑u, više ljudi može imati koristi od ovih poboljšanja. To može značiti zdravstvene informacije koje je lakše razumjeti, bolja pitanja koja treba postaviti i jasne naredne korake.

Taj napredak odražava i razvoj sposobnosti modela i rad koji vode ljekari iza naših zdravstvenih evaluacija. U svim našim naporima, globalna mreža ljekara pomaže nam da definišemo kako izgleda „dobar“ odgovor u stvarnim zdravstvenim situacijama tako što pregledaju primjere odgovora modela, opisuju idealno ponašanje i prepoznaju načine na koje odgovori mogu zakazati. Rad s ljekarima daje nam način da mjerimo napredak u zdravstvu i vremenom poboljšavamo kako ChatGPT odgovara.

U zdravstvu napredak znači pružati odgovore koji su tačni, razumljivi i zasnovani na dobroj prosudbi: prepoznati kada je potrebno više konteksta, objasniti neizvjesnost bez pretjeranog samopouzdanja i pomoći ljudima da razumiju kada trebaju potražiti njegu.

Da bismo mjerili taj napredak, koristimo evaluacije specifične za zdravstvo, uključujući HealthBench i HealthBench Professional. Te evaluacije koriste realistične zdravstvene razgovore i rubrike koje su napisali ljekari kako bi procijenile osobine poput tačnosti, sigurnosti, komunikacije, svijesti o kontekstu, potpunosti i primjerenog upućivanja na viši nivo njege.

Kao dodatno poređenje, zamolili smo i ljekare da napišu odgovore za reprezentativne zdravstvene razgovore, uz neograničeno vrijeme i pristup internetu (ali ne AI-u). Zaseban panel ljekara zatim je tokom vremena upoređivao te ljekarske odgovore s Instant modelima, pregledajući osobine važne u stvarnim interakcijama, uključujući tačnost, komunikaciju, potpunost, praćenje uputstava i korisnost za donošenje zdravstvenih odluka, kroz 3500 pregledanih odgovora.

Ljekari su ocijenili da odgovori GPT‑5.5 Instant imaju manje načina zakazivanja nego odgovori starijih modela i ljekara. Naprimjer, GPT 5.5 Instant imao je manje slučajeva neprilagođavanja lokalnom zdravstvenom kontekstu, propuštanja znakova upozorenja ili upućivanja na njegu, ili neuspjeha da od korisnika zatraži dodatni kontekst kada je potreban, nego i stariji modeli i ljekari.

S obzirom na obim korištenja naših modela u zdravstvu, još jedan način da razumijemo nedavna poboljšanja modela jeste mjerenje produkcijskog saobraćaja. Koristimo nadzorne sisteme koji štite privatnost na produkcijskom saobraćaju kako bismo pratili moguće probleme s činjeničnom tačnošću u zdravstvenim odgovorima. Na osnovu poređenja nedavnog produkcijskog saobraćaja u zdravstvu — milijardi poruka sedmično — stopa odgovora s najmanje jednim označenim problemom činjenične tačnosti pala je za 71% u posljednja dva mjeseca.

Poređenje odgovora modela u različitim trenucima kroz stvarna zdravstvena pitanja pokazuje kako se ChatGPT poboljšao u aspektima važnim za zdravlje: prepoznavanju kada situacija može zahtijevati hitnu pažnju, razumnijem postupanju s neizvjesnošću i davanju ljudima jasnijih, korisnijih smjernica o tome šta dalje učiniti.

Ovaj napredak oblikuju ljekari koji nam pomažu da definišemo, mjerimo i poboljšavamo zdravstvene odgovore u ChatGPT‑u. 

OpenAI sarađuje s globalnom mrežom od više od 260 ljekara iz 60 zemalja, na 49 jezika i iz 26 medicinskih specijalnosti. Njihove povratne informacije utiču na to kako ChatGPT odgovara na zdravstvena pitanja u širokom rasponu scenarija, od svakodnevnih pitanja o dobrobiti do složenijih kliničkih situacija.

Ljekari pregledaju primjere odgovora modela i procjenjuju da li su tačni, jasni, potpuni, primjereno oprezni i korisni. Pomažu prepoznati gdje odgovor može propustiti važan kontekst, gdje može zvučati previše samouvjereno, gdje bi trebao jasnije navesti naredne korake ili direktnije ohrabriti osobu da potraži medicinsku njegu.

Do danas su ljekari pregledali više od 700.000 primjera odgovora modela koji odražavaju kako kliničari i pacijenti mogu koristiti ChatGPT u stvarnom svijetu. Svakih nekoliko minuta ljekar pregleda novi odgovor. Njihove povratne informacije postaju rubrike i kriteriji evaluacije koji istraživačima pomažu da izmjere jesu li odgovori tačni, sigurni, jasni, potpuni, primjereno oprezni i korisni u stvarnim zdravstvenim situacijama. To nam daje jasniji način da vidimo gdje se modeli poboljšavaju, a gdje im još treba rada.

Ovaj rad podržava i širi rad OpenAI-ja u zdravstvu, koji obuhvata alate koji ljudima pomažu da bolje razumiju zdravstvene informacije i snalaze se u njima, kao i alate napravljene za kliničare, poput ChatGPT za kliničare⁠ i OpenAI za zdravstvenu zaštitu⁠, koji medicinskim profesionalcima pomažu u zadacima kao što su dokumentacija, istraživanje i konsultacije o njezi.

Poboljšanje ljudskog zdravlja bit će jedan od najličnijih i najopipljivijih uticaja AGI-ja. Kako se naši modeli nastavljaju poboljšavati, naš cilj je da ChatGPT u tim trenucima bude tačniji, pažljiviji i korisniji — i da taj napredak nastavimo donositi većem broju ljudi.