Ulepszamy sztuczną inteligencję dla ochrony zdrowia w ChatGPT

Zdrowie to jeden z najważniejszych obszarów, w których ludzie korzystają z ChatGPT. Co tydzień ponad 230 milionów osób zwraca się do ChatGPT z pytaniami o zdrowie i dobrostan: aby lepiej zrozumieć informacje medyczne, wyniki badań laboratoryjnych, przygotować się do wizyt, poruszać się po zawiłościach warunków ubezpieczeń, budować zdrowsze nawyki i ustalić, o co zapytać dalej.

W GPT‑5.5 Instant widzimy znaczący krok naprzód w tym, jak model obsługuje pytania dotyczące zdrowia: lepiej rozpoznaje sytuacje, w których może być potrzebna pilna pomoc, prosi o istotny kontekst, wyjaśnia niepewność i ułatwia zrozumienie złożonych informacji. W naszych najtrudniejszych ocenach dotyczących zdrowia GPT‑5.5 Instant osiąga obecnie poziom porównywalny z naszymi najnowocześniejszymi modelami Thinking. A ponieważ jest dostępny dla użytkowników bezpłatnych planów ChatGPT, z tych ulepszeń może skorzystać więcej osób. Może to oznaczać łatwiejsze do zrozumienia informacje o zdrowiu, lepsze pytania i jasne kolejne kroki.

Ten postęp odzwierciedla zarówno rozwój możliwości modeli, jak i pracę nad naszymi ocenami zdrowotnymi prowadzoną przez lekarzy. W ramach tych działań globalna sieć lekarzy pomaga określać, co oznacza „dobra” odpowiedź w rzeczywistych sytuacjach zdrowotnych: przegląda przykładowe odpowiedzi modelu, opisuje pożądane zachowanie i wskazuje tryby niepowodzeń. Współpraca z lekarzami pozwala nam mierzyć postępy w obszarze zdrowia i z czasem ulepszać sposób, w jaki odpowiada ChatGPT.

W zdrowiu postęp oznacza udzielanie odpowiedzi dokładnych, zrozumiałych i opartych na dobrym osądzie: rozpoznawanie, kiedy potrzebny jest dodatkowy kontekst, wyjaśnianie niepewności bez przesadnej pewności oraz pomaganie ludziom zrozumieć, kiedy powinni zgłosić się po opiekę.

Aby mierzyć ten postęp, korzystamy z ocen specyficznych dla zdrowia, w tym HealthBench i HealthBench Professional. Oceny te wykorzystują realistyczne rozmowy o zdrowiu oraz kryteria opracowane przez lekarzy, aby oceniać takie cechy jak dokładność, bezpieczeństwo, komunikacja, świadomość kontekstu, kompletność i właściwe kierowanie do pilniejszej pomocy.

Jako dodatkowe porównanie poprosiliśmy także lekarzy o napisanie odpowiedzi do reprezentatywnych rozmów dotyczących zdrowia, bez limitu czasu i z dostępem do internetu, ale bez użycia AI. Następnie osobny panel lekarzy porównał te odpowiedzi napisane przez lekarzy z modelami Instant w kolejnych okresach, oceniając cechy ważne w rzeczywistych interakcjach — w tym dokładność, komunikację, kompletność, stosowanie się do instrukcji i przydatność w podejmowaniu decyzji zdrowotnych — wśród 3500 przejrzanych odpowiedzi.

Lekarze ocenili, że odpowiedzi GPT‑5.5 Instant mają mniej trybów niepowodzeń niż odpowiedzi starszych modeli i lekarzy. Na przykład GPT 5.5 Instant rzadziej niż starsze modele i lekarze nie dostosowywał odpowiedzi do lokalnego kontekstu opieki zdrowotnej, pomijał sygnały alarmowe lub zalecenie skorzystania z opieki albo nie prosił użytkownika o dodatkowy kontekst, gdy było to potrzebne.

Biorąc pod uwagę skalę wykorzystania naszych modeli w obszarze zdrowia, innym sposobem zrozumienia ostatnich ulepszeń modelu jest pomiar ruchu produkcyjnego. W ruchu produkcyjnym używamy monitorów chroniących prywatność, aby śledzić możliwe problemy z rzeczowością odpowiedzi dotyczących zdrowia. Na podstawie porównania niedawnego ruchu produkcyjnego w obszarze zdrowia — miliardów wiadomości tygodniowo — odsetek odpowiedzi z co najmniej jednym oznaczonym problemem dotyczącym rzeczowości spadł w ostatnich dwóch miesiącach o 71%.

Porównywanie odpowiedzi modeli z różnych momentów na rzeczywiste pytania zdrowotne pokazuje, jak ChatGPT poprawił się w obszarach istotnych dla zdrowia: rozpoznawaniu sytuacji, które mogą wymagać pilnej uwagi, lepszym radzeniu sobie z niepewnością i udzielaniu ludziom jaśniejszych, bardziej użytecznych wskazówek, co zrobić dalej.

Ten postęp kształtują lekarze, którzy pomagają nam definiować, mierzyć i ulepszać odpowiedzi dotyczące zdrowia w ChatGPT. 

OpenAI współpracuje z globalną siecią ponad 260 lekarzy z 60 krajów, reprezentujących 49 języków i 26 specjalizacji medycznych. Ich opinie wpływają na to, jak ChatGPT odpowiada na pytania zdrowotne w szerokim zakresie scenariuszy — od codziennych pytań o dobrostan po bardziej złożone sytuacje kliniczne.

Lekarze przeglądają przykładowe odpowiedzi modelu i oceniają, czy są dokładne, jasne, kompletne, odpowiednio ostrożne i użyteczne. Pomagają wskazać, gdzie odpowiedź może pomijać ważny kontekst, brzmieć zbyt pewnie, wymagać jaśniejszego określenia kolejnych kroków albo bardziej bezpośrednio zachęcać do skorzystania z opieki medycznej.

Do tej pory lekarze przejrzeli ponad 700 000 przykładowych odpowiedzi modelu, które odzwierciedlają, jak klinicyści i pacjenci mogą korzystać z ChatGPT w rzeczywistych sytuacjach. Co kilka minut lekarz przegląda nową odpowiedź. Ich opinie stają się kryteriami oceny, które pomagają badaczom mierzyć, czy odpowiedzi są dokładne, bezpieczne, jasne, kompletne, odpowiednio ostrożne i użyteczne w rzeczywistych sytuacjach zdrowotnych. Daje nam to jaśniejszy sposób oceny, w czym modele stają się lepsze, a gdzie nadal wymagają pracy.

Ta praca wspiera również szersze działania OpenAI w obszarze zdrowia, obejmujące zarówno narzędzia pomagające ludziom lepiej rozumieć informacje zdrowotne i korzystać z nich, jak i narzędzia tworzone dla klinicystów, takie jak ChatGPT for Clinicians⁠ oraz OpenAI for Healthcare⁠, które wspierają specjalistów medycznych w zadaniach takich jak dokumentacja, badania i konsultacje dotyczące opieki.

Poprawa zdrowia ludzi będzie jednym z najbardziej osobistych i namacalnych skutków AGI. W miarę jak nasze modele nadal się rozwijają, naszym celem jest, aby ChatGPT był w takich chwilach dokładniejszy, ostrożniejszy i bardziej użyteczny — oraz abyśmy mogli udostępniać ten postęp coraz większej liczbie osób.