שיפור היכולות של ChatGPT בתחום הבריאות
GPT‑5.5 Instant מנגיש ליותר אנשים יכולות בינה מלאכותית בחזית תחום הבריאות, בזכות התקדמות במודלים שלנו והערכה בהובלת רופאים.
בריאות היא אחד התחומים המשמעותיים ביותר שבהם אנשים נעזרים ב-ChatGPT. בכל שבוע, יותר מ-230 מיליון אנשים פונים ל-ChatGPT לעזרה בשאלות של בריאות ואורח חיים בריא: להבין מידע בריאותי ותוצאות בדיקות מעבדה, להתכונן לפגישות רפואיות, להתמצא בנושאי ביטוח, לאמץ הרגלים בריאים יותר ולברר מה כדאי לשאול בהמשך.
עם GPT‑5.5 Instant, אנחנו רואים התקדמות משמעותית בתחום הבריאות: שיפור בזיהוי מצבים שעשויים לדרוש טיפול דחוף, בבקשת מידע רלוונטי נוסף, בהבהרת אי-ודאות ובהנגשת מידע מורכב. במבחני ההערכה המאתגרים ביותר שלנו בתחום הבריאות, GPT‑5.5 Instant מגיע כעת לרמת ביצועים דומה לזו של מודלי החזית שלנו מסוג Thinking. מכיוון שהוא זמין לכל המשתמשים בגרסה החינמית של ChatGPT, יותר אנשים יכולים ליהנות מהשיפורים האלה.
ההתקדמות הזאת משקפת הן את השיפור ביכולות המודלים והן את העבודה בהובלת רופאים שעליה מבוססים מבחני ההערכה שלנו בתחום הבריאות. בכלל הפעילות שלנו, רשת עולמית של רופאים עוזרת להגדיר מה נחשב מענה ״טוב״ במצבי בריאות בחיי היומיום. לשם כך, הם בוחנים דוגמאות לתשובות של מודלים, מתארים את ההתנהגות הרצויה ומזהים סוגי כשלים. העבודה עם רופאים מאפשרת לנו למדוד התקדמות בתחום הבריאות ולשפר לאורך זמן את האופן שבו ChatGPT משיב.
בתחום הבריאות, התקדמות פירושה מתן תשובות מדויקות, מובנות ומבוססות על שיקול דעת נכון: לזהות מתי דרוש מידע נוסף, להסביר אי-ודאות בלי להפגין ביטחון מופרז ולעזור לאנשים להבין מתי לפנות לטיפול.
כדי למדוד את ההתקדמות הזאת, אנחנו משתמשים במבחני הערכה ייעודיים לתחום הבריאות, ובהם HealthBench ו-HealthBench Professional(נפתח בחלון חדש). מבחני ההערכה האלה משתמשים בשיחות מציאותיות בנושאי בריאות ובמחוונים שכתבו רופאים כדי להעריך היבטים כמו דיוק, בטיחות, תקשורת, הבנת ההקשר, שלמות המענה והפניה לגורם רפואי מתאים בעת הצורך.
בשקלול מבחני הערכה בתחום הבריאות, ובהם HealthBench Professional, הביצועים של GPT‑5.5 Instant דומים לאלה של מודלי החזית העדכניים ביותר שלנו, עם שיפור ניכר לעומת GPT‑5.3 Instant. המודלים 5.5 Instant (שהושק במאי 2026) ו-5.3 Instant (שהושק במרץ 2026) זמינים לכל המשתמשים בגרסה החינמית של ChatGPT (בכפוף למגבלות). לחישוב העלות של 5.4 Thinking ו-5.5 Thinking אנחנו משתמשים בתמחור ה-API.
לשם השוואה נוספת, ביקשנו מרופאים לכתוב תשובות לשיחות מייצגות בנושאי בריאות, ללא הגבלת זמן ועם גישה לאינטרנט (אך לא לבינה מלאכותית). לאחר מכן, צוות נפרד של רופאים השווה בין תשובות הרופאים לתשובות של מודלים לאורך זמן. הצוות בחן 3,500 תשובות לפי היבטים שחשובים בשיחות בפועל, ובהם דיוק, תקשורת, שלמות המענה, מילוי הוראות וסיוע בקבלת החלטות בריאותיות.
במבחן הערכה זה, התשובות של GPT‑5.5 Instant קיבלו ציונים גבוהים יותר מתשובות שכתבו רופאים ומתשובות של מודלים קודמים, לאורך הקריטריונים שנבדקו.
לפי דירוג הרופאים, בתשובות של GPT‑5.5 Instant היו פחות כשלים מאשר בתשובות של מודלים קודמים ושל רופאים. לדוגמה, בתשובות של GPT‑5.5 Instant היו פחות מקרים של חוסר התאמה להקשר של מערכת הבריאות המקומית, החמצת סימני אזהרה או היעדר הפניה לטיפול, ואי-בקשת מידע נוסף מהמשתמש בעת הצורך — בהשוואה הן למודלים קודמים והן לרופאים.
לנוכח היקף השימוש במודלים שלנו בתחום הבריאות, דרך נוספת להבין את השיפורים האחרונים במודלים היא למדוד את תעבורת השימוש בפועל. אנחנו משתמשים במנגנוני ניטור שומרי פרטיות בתעבורת השימוש בפועל כדי לעקוב אחר בעיות אפשריות בדיוק העובדתי של תשובות בנושאי בריאות. בהשוואה של תעבורת השימוש האחרונה בתחום הבריאות — מיליארדי הודעות בשבוע — נמצא ששיעור התשובות שבהן סומנה לפחות בעיה אחת של דיוק עובדתי ירד ב-71% בחודשיים האחרונים.
השוואת תשובות של מודלים לשאלות בריאות מחיי היומיום לאורך זמן מראה כיצד ChatGPT השתפר בהיבטים שחשובים לבריאות: זיהוי מצבים שעשויים לדרוש טיפול דחוף, הפעלת שיקול דעת טוב יותר במצבי אי-ודאות ומתן הנחיות ברורות ומועילות יותר לגבי הצעדים הבאים.
ההתקדמות הזאת מתעצבת בעזרת רופאים שעוזרים לנו להגדיר, למדוד ולשפר תשובות בנושאי בריאות ב-ChatGPT.
OpenAI עובדת עם רשת עולמית של יותר מ-260 רופאים מ-60 מדינות, הדוברים 49 שפות ועוסקים ב-26 התמחויות רפואיות. המשוב שלהם מסייע לעצב את האופן שבו ChatGPT משיב לשאלות בריאות במגוון רחב של תרחישים, משאלות יומיומיות על אורח חיים בריא ועד למצבים קליניים מורכבים יותר.
הרופאים בוחנים דוגמאות לתשובות של מודלים ומעריכים אם הן מדויקות, ברורות, שלמות, זהירות במידה המתאימה ומועילות. הם עוזרים לזהות היכן תשובה עלולה להחמיץ מידע חשוב, להישמע בטוחה מדי, או להצריך הבהרה של הצעדים הבאים או עידוד ישיר יותר לפנות לטיפול רפואי.
עד היום, רופאים בחנו יותר מ-700,000 דוגמאות לתשובות של מודלים, המשקפות את האופן שבו מטופלים ואנשי מקצוע קליניים משתמשים ב-ChatGPT בפועל. מדי כמה דקות, רופא בוחן תשובה חדשה. המשוב שלהם הופך למחוונים ולקריטריונים להערכה שעוזרים לחוקרים למדוד אם התשובות מדויקות, בטוחות, ברורות, שלמות, זהירות במידה המתאימה ומועילות במצבי בריאות בחיי היומיום. כך אנחנו יכולים לראות בבירור רב יותר היכן המודלים משתפרים והיכן עדיין נדרשת עבודה.
העבודה הזאת תומכת גם בפעילות הרחבה יותר של OpenAI בתחום הבריאות, לרבות כלים שנבנו עבור מערכת הבריאות, כמו ChatGPT לאנשי מקצוע קליניים ו-OpenAI למערכת הבריאות, שמסייעים לאנשי מקצוע רפואיים במשימות כמו תיעוד, מחקר ומתן טיפול.
שיפור בריאות האדם יהיה אחת ההשפעות האישיות והמוחשיות ביותר של AGI. ככל שהמודלים שלנו ממשיכים להשתפר, המטרה שלנו היא להפוך את ChatGPT למדויק יותר, מועיל יותר ומשמעותי יותר ברגעים האלה — ולהמשיך להנגיש את ההתקדמות הזאת ליותר אנשים.
