ChatGPTમાં હેલ્થ બુદ્ધિમત્તા સુધારવી

લોકો ChatGPTનો ઉપયોગ કરે છે તેમાંથી હેલ્થ સૌથી અર્થપૂર્ણ ઉપયોગોમાંથી એક છે. દર અઠવાડિયે, 230 મિલિયનથી વધુ લોકો હેલ્થ અને સુખાકારીના પ્રશ્નોમાં મદદ માટે ChatGPT તરફ વળે છે: હેલ્થની માહિતી સમજવી, લેબ પરિણામો સમજવા, એપોઇન્ટમેન્ટ માટે તૈયારી કરવી, વીમા સંબંધિત બાબતોમાં માર્ગ શોધવો, વધુ આરોગ્યપ્રદ આદતો બનાવવી અને આગળ શું પૂછવું તે નક્કી કરવું.

GPT‑5.5 Instant સાથે, મોડલ હેલ્થ પ્રશ્નોને કેવી રીતે સંભાળે છે તેમાં અમને નોંધપાત્ર પ્રગતિ દેખાઈ રહી છે, જેમાં તાત્કાલિક સંભાળ ક્યારે જરૂરી હોઈ શકે તે ઓળખવામાં, સંબંધિત સંદર્ભ પૂછવામાં, અનિશ્ચિતતા સમજાવવામાં અને જટિલ માહિતીને સમજવામાં સરળ બનાવવામાં સુધારા થયા છે. અમારા સૌથી પડકારજનક હેલ્થ મૂલ્યાંકનોમાં, GPT‑5.5 Instant હવે અમારા અત્યાધુનિક Thinking મોડલ જેટલા સ્તરે પ્રદર્શન કરે છે. કારણ કે તે ChatGPTમાં મફત વપરાશકર્તાઓ માટે ઉપલબ્ધ છે, વધુ લોકો આ સુધારાઓનો લાભ લઈ શકે છે. તેનો અર્થ આવી હેલ્થ માહિતી થઈ શકે છે જે સમજવામાં વધુ સરળ હોય, પૂછવા માટે વધુ સારા પ્રશ્નો હોય અને આગળનાં પગલાં સ્પષ્ટ હોય.

આ પ્રગતિ મોડલ ક્ષમતાઓમાં થયેલા સુધારા અને અમારા હેલ્થ મૂલ્યાંકનો પાછળના ચિકિત્સક-આગેવાનીવાળા કાર્ય બંનેને દર્શાવે છે. અમારા તમામ પ્રયાસોમાં, ચિકિત્સકોનું વૈશ્વિક નેટવર્ક વાસ્તવિક હેલ્થ સંબંધિત પરિસ્થિતિઓમાં “સારું” કેવું હોવું જોઈએ તે વ્યાખ્યાયિત કરવામાં મદદ કરે છે: મોડલના ઉદાહરણ જવાબોની સમીક્ષા કરીને, આદર્શ વર્તનનું વર્ણન કરીને અને નિષ્ફળતા મોડ ઓળખીને. ચિકિત્સકો સાથે કામ કરવાથી અમને હેલ્થમાં પ્રગતિ માપવાની અને સમય જતાં ChatGPT કેવી રીતે જવાબ આપે છે તે સુધારવાની રીત મળે છે.

હેલ્થમાં, પ્રગતિનો અર્થ એવો જવાબ આપવો છે જે સચોટ, સમજાય એવો અને સારા વિવેક પર આધારિત હોય: વધુ સંદર્ભની જરૂર ક્યારે છે તે ઓળખવો, આત્મવિશ્વાસને વધારીને બતાવ્યા વિના અનિશ્ચિતતા સમજાવવી અને લોકોને ક્યારે સંભાળ લેવી તે સમજવામાં મદદ કરવી.

આ પ્રગતિ માપવા માટે, અમે HealthBench અને HealthBench Professional સહિત હેલ્થ-વિશિષ્ટ મૂલ્યાંકનોનો ઉપયોગ કરીએ છીએ. આ મૂલ્યાંકનો સચોટતા, સલામતી, સંચાર, સંદર્ભ જાગૃતિ, પૂર્ણતા અને યોગ્ય એસ્કલેશન જેવી ગુણવત્તાઓનું આકલન કરવા માટે વાસ્તવિક હેલ્થ વાર્તાલાપો અને ચિકિત્સકોએ લખેલા રૂબ્રિક્સનો ઉપયોગ કરે છે.

બીજી સરખામણી તરીકે, અમે ચિકિત્સકોને રજૂઆત માટેના હેલ્થ વાર્તાલાપો માટે અમર્યાદિત સમય અને ઇન્ટરનેટની ઍક્સેસ સાથે જવાબો લખવા પણ કહ્યું હતું (પરંતુ AI વગર). પછી ચિકિત્સકોની અલગ પેનલે આ ચિકિત્સક જવાબોની સમય જતાં Instant મોડલ સાથે સરખામણી કરી, અને વાસ્તવિક ક્રિયાપ્રતિક્રિયાઓમાં મહત્ત્વ ધરાવતી ગુણવત્તાઓની સમીક્ષા કરી, જેમાં કુલ 3500 સમીક્ષા કરાયેલા જવાબોમાં સચોટતા, સંચાર, પૂર્ણતા, સૂચનાનું પાલન અને હેલ્થ સંબંધિત નિર્ણયમાં મદદરૂપતા સામેલ કરવામાં આવ્યા છે.

ચિકિત્સકોએ GPT‑5.5 Instantના જવાબોને જૂના મોડલ અને ચિકિત્સકોના જવાબોની સરખામણીમાં ઓછા નિષ્ફળતા મોડ ધરાવતા ગણાવ્યા. ઉદાહરણ તરીકે, જૂના મોડલ અને ચિકિત્સકો બંનેની સરખામણીમાં GPT 5.5 Instantમાં સ્થાનિક આરોગ્યસંભાળ સંદર્ભને અનુરૂપ ન બનવા, ચેતવણીના સંકેતો અથવા સંભાળ માટે રેફરલ ચૂકી જવા, અથવા જરૂર પડે ત્યારે વપરાશકર્તા પાસેથી વધારાનો સંદર્ભ ન માંગવાના પ્રસંગો ઓછા હતા.

હેલ્થમાં અમારા મોડલના ઉપયોગના વ્યાપને ધ્યાનમાં રાખીને, તાજેતરના મોડલ સુધારાઓને સમજવાની બીજી રીત પ્રોડક્શન ટ્રાફિકને માપવાની છે. હેલ્થના જવાબોમાં સંભવિત તથ્યસંગતતા સંબંધિત સમસ્યાઓને ટ્રૅક કરવા માટે અમે પ્રોડક્શન ટ્રાફિક પર ગોપનીયતા-સુરક્ષિત મોનિટર્સનો ઉપયોગ કરીએ છીએ. હેલ્થમાં તાજેતરના પ્રોડક્શન ટ્રાફિકની સરખામણીના આધારે—અઠવાડિયે અબજો સંદેશા—ઓછામાં ઓછી એક ફ્લૅગ કરેલી તથ્યસંગતતા સમસ્યા ધરાવતા જવાબોનો દર છેલ્લા બે મહિનામાં 71% ઘટ્યો છે.

વાસ્તવિક હેલ્થ પ્રશ્નો પર અલગ-અલગ સમયે મોડલ દ્વારા આપવામાં આવેલા જવાબોની સરખામણી બતાવે છે કે ChatGPT હેલ્થ માટે મહત્ત્વની રીતોમાં કેવી રીતે સુધર્યું છે, જેમ કે: પરિસ્થિતિને તાત્કાલિક ધ્યાનની જરૂર ક્યારે હોઈ શકે તે ઓળખવું, વધુ સારા વિવેક સાથે અનિશ્ચિતતાને સંભાળવી અને લોકોને આગળ શું કરવું તે અંગે વધુ સ્પષ્ટ અને ઉપયોગી માર્ગદર્શન આપવું.

આ પ્રગતિ એવા ચિકિત્સકો દ્વારા ઘડાય છે જે ChatGPTમાં હેલ્થ સંબંધિત જવાબોને વ્યાખ્યાયિત, માપવા અને સુધારવામાં અમને મદદ કરે છે. 

OpenAI 60 દેશો, 49 ભાષાઓ અને 26 તબીબી વિશેષતાઓમાં ફેલાયેલા 260થી વધુ ચિકિત્સકોના વૈશ્વિક નેટવર્ક સાથે કામ કરે છે. તેમનો પ્રતિસાદ રોજિંદા સુખાકારીના પ્રશ્નોથી લઈને વધુ જટિલ ક્લિનિકલ પરિસ્થિતિઓ સુધીના અનેક દૃશ્યોમાં ChatGPT હેલ્થ પ્રશ્નોના જવાબ કેવી રીતે આપે છે તેને માર્ગદર્શિત કરે છે.

ચિકિત્સકો મોડલના ઉદાહરણ જવાબોની સમીક્ષા કરે છે અને તેઓ સચોટ, સ્પષ્ટ, સંપૂર્ણ, યોગ્ય રીતે સાવચેત અને ઉપયોગી છે કે નહીં તેનું આકલન કરે છે. તેઓ ઓળખવામાં મદદ કરે છે કે કોઈ જવાબ ક્યાં મહત્ત્વપૂર્ણ સંદર્ભ ચૂકી શકે છે, ક્યાં તે અતિ આત્મવિશ્વાસભર્યો લાગી શકે છે, ક્યાં તેને આગળનાં પગલાં વિશે વધુ સ્પષ્ટ હોવું જોઈએ, અથવા કોઈને તબીબી સંભાળ લેવા માટે વધુ સીધી રીતે પ્રોત્સાહિત કરવું જોઈએ.

આજ સુધી, ચિકિત્સકોએ 700,000થી વધુ એવા મોડલ ઉદાહરણ જવાબોની સમીક્ષા કરી છે જે વાસ્તવિક દુનિયામાં ક્લિનિશિયન અને દર્દીઓ ChatGPTનો ઉપયોગ કેવી રીતે કરી શકે છે તે દર્શાવે છે. દર થોડી મિનિટે, કોઈ ચિકિત્સક નવા જવાબની સમીક્ષા કરે છે. તેમનો પ્રતિસાદ રૂબ્રિક્સ અને મૂલ્યાંકન માપદંડોમાં ફેરવાય છે, જે સંશોધકોને વાસ્તવિક હેલ્થ પરિસ્થિતિઓમાં જવાબો સચોટ, સલામત, સ્પષ્ટ, સંપૂર્ણ, યોગ્ય રીતે સાવચેત અને ઉપયોગી છે કે નહીં તે માપવામાં મદદ કરે છે. આ અમને વધુ સ્પષ્ટ રીતે જોવામાં મદદ કરે છે કે મોડલ ક્યાં સુધરી રહ્યા છે અને ક્યાં તેમને હજી કામ કરવાની જરૂર છે.

આ કાર્ય હેલ્થમાં OpenAIના વ્યાપક કાર્યને પણ આધાર આપે છે, જેમાં લોકોને હેલ્થ માહિતી વધુ સારી રીતે સમજવામાં અને તેમાં માર્ગ શોધવામાં મદદ કરતા ટૂલ્સ તેમજ ક્લિનિશિયન્સ માટે બનાવેલા ટૂલ્સ સામેલ છે, જેમ કે ક્લિનિશિયન્સ માટે ChatGPT⁠ અને આરોગ્યસંભાળ માટે OpenAI⁠, જે દસ્તાવેજીકરણ, સંશોધન અને સંભાળ પરામર્શ જેવા કાર્યોમાં તબીબી વ્યાવસાયિકોને સહાય કરે છે.

માનવ હેલ્થમાં સુધારો AGIની સૌથી વ્યક્તિગત અને સ્પર્શી શકાય તેવી અસરોમાંથી એક હશે. અમારા મોડલ સતત સુધરતા જાય તેમ, અમારું લક્ષ્ય એ ક્ષણોમાં ChatGPTને વધુ સચોટ, વધુ સાવચેત અને વધુ ઉપયોગી બનાવવાનું છે — અને તે પ્રગતિ વધુ લોકો સુધી પહોંચાડતા રહેવાનું છે.