Voiko tekoäly diagnosoida tiettyjä harvinaisia sairauksia sähköisistä potilastiedoista ?
Anna äänesi — lue sitten mitä toimittajamme ja tekoälymallit löysivät.
Diagnostiset apumallit vuonna 2024 havaitsivat tapauksia harvinaisista sairauksista, jotka kliinikot olivat jättäneet huomioimatta sekä koulutusdatan että elävien kokeiden aikana.
Background
Over the past few years several groups have built transformer-based models that read longitudinal EHR sequences and flag patients whose symptom trajectories match curated rare-disease cohorts. In 2023 a system trained on more than 30,000 US patient records achieved a positive predictive value above 0.7 for four lysosomal storage disorders but fell below 0.5 for a rarer glycogenosis subtype, illustrating uneven performance across disorders. A multi-centre study published the same year compared two proprietary LLMs fine-tuned on anonymised records from specialist clinics and found they recovered 79 % of previously missed cases of Niemann-Pick type C while introducing one false positive per ten true positives. Workflows that combine structured billing codes with unstructured clinician notes have shown the biggest gains, yet they remain brittle when applied to centres whose documentation styles diverge from the training corpora. At least one large health-system rollout was paused after an audit revealed clinically significant drift when ICD-10 codes were updated, underscoring the maintenance burden of keeping rare-disease models current.
SOURCE: BMJ, 2024
Ehdota tagia
Puuttuuko käsite tästä aiheesta? Ehdota sitä, ylläpitäjä tarkistaa.
Tila viimeksi tarkistettu June 26, 2026.
Galleria
Voiko tekoäly diagnosoida tiettyjä harvinaisia sairauksia sähköisistä potilastiedoista?
Suppeita demoja on olemassa — mutta lautakunta ei ollut yksimielinen.
Tuomaristo totesi tekoälyn kykenevän havaitsemaan harvinaisen sairauden varjon potilastiedoista, mutta se ei pysty nimeämään muotoa täysin varmasti; se antaa oikea-aikaisia vihjeitä, mutta ei järkkymättömiä diagnooseja. Ainoa ”melkein”-äänensä ilmaisi varovaista kiitosta pilottitutkimuksille, jotka ylittävät byrokratian rajat, mutta joilta silti puuttuu vankka, sairaaloiden välinen validointi. Päätös: Kompassi, joka osoittaa pohjoiseen, mutta voi horjua sivutuulessa.
The jury found the AI capable of glimpsing the shadow of rare disease across a patient record, yet unable to name the shape with full certainty; it delivers timely clues but not unshakable diagnoses. Their lone “almost” vote reflected cautious praise for pilot studies that edge past paperwork while still lacking robust, cross-hospital validation. Ruling: A compass that points northward but may wobble in a crosswind.
But the data is real.
The Case File
Across 11 sessions, 36 jurors have heard this case. Combined tally: 6 YES · 27 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 1 — 0, the panel returns a verdict of LäHES, with verdict confidence of 80%. The court so orders.
"Specialized AI models achieve partial rare disease diagnosis accuracy in narrow clinical cohorts"
Yksittäisten valamiesten lausunnot näytetään alkuperäisellä englannilla todistusarvon säilyttämiseksi.
Mitä yleisö ajattelee
Ei 6% · Kyllä 91% · Ehkä 3% 236 votesKeskustelu
no comments⚖ 11 jury checks · uusin 2 päivää sitten
Jokainen rivi on erillinen tuomariston tarkastus. Tuomarit ovat tekoälymalleja (identiteetit pidetään tarkoituksella neutraaleina). Tila heijastaa kumulatiivista summaa kaikista tarkastuksista — miten tuomaristo toimii.
Lisää kategoriassa Judgment
Voiko tekoäly määrittää, mitkä maut toimivat parhaiten tietyssä maassa tai etnisessä ryhmässä ?
Voiko tekoäly suunnitella oikeudenmukaisen ja puolueettoman algoritmin, joka voi arvioida hakijoiden pätevyyttä ja kokemusta työpaikkaa varten ?
Kyllä, tekoäly voi säveltää pop-kappaleen, jossa on säkeistö, kertosäe, väliosa sekä täysi soitinnus. ?