ChatGPT — это модель языка, которая имеет множество преимуществ и применений в области здравоохранения и медицины. Она может быть полезна для медицинских профессионалов в различных областях, включая исследования, диагностику, наблюдение за пациентами и образование. Однако использование GPT чата также влечет за собой ряд этических вопросов и ограничений, таких как точность, плагиат, нарушения авторских прав и предвзятость.Целью исследования являлась оценка возможности и успешности прохождения первичной аккредитации и первичной специализированной аккредитации с помощью искусственного интеллекта — ChatGPT, и поисковой системы Yandex.Исследование состояло из 2 этапов. По результатам исследования было выявлено, что использовавшие ChatGPT позволило пройти первичную аккредитацию по специальности "Лечебное дело" и первичную специализированную аккредитацию по специальности "Кардиология". Использование ChatGPT4 значительно ускоряло прохождение теста. Тем не менее, несмотря на значительное ускорение работы искусственного интеллекта, качество ответов не позволяет успешно пройти аккредитацию по всем специальностям. Отмечена тенденция, что испытуемые с большей степенью стали доверять ответам бота, не перепроверяя их.
1. Floridi L, Chiriatti M. GPT-3: its nature, scope, limits, and consequences. Minds Machines. 2020;30:681-94.
2. Dave T, Athaluri SA, Singh S. ChatGPT in medicine: an overview of its applications, advantages, limitations, future prospects, and ethical considerations. Front Artif Intell. 2023;6:1169595.
3. Biswas SS. Role of Chat GPT in public health. Ann Biomed Eng. 2023;51:868-9.
4. Heckerman DE, Horvitz E, Nathwani BN. Toward normative expert systems: Part I the Pathfinder project. Methods of Information in Medicine. 1992;31:90-105.
5. Patil RS, Szolovits P, Schwartz WB. Causal understanding of patient illness in medical diagnosis. In IJCAI. 1981;81:893-9.
6. Wiens J, Guttag J, Horvitz E. Patient risk stratification with time-varying parameters: a multitask learning approach. The Journal of Machine Learning Research. 2016;17(1):2797-819.
7. Henry KE, Hager DN, Pronovost PJ, Saria S. A targeted real-time early warning score (trew score) for septic shock. Science translational medicine. 2015;7(299):299ra122-299ra122.
8. Escobar GJ, Liu VX, Schuler A, et al. Automated identification of adults at risk for in-hospital clinical deterioration. New England Journal of Medicine. 2020;383(20):1951-60.
9. Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; 542(7639):115-8.
10. McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94.
11. Yang X, Chen A, Pour Nejatian N, et al. A large language model for electronic health records. NPJ Digit Med. 2022;5:194.
12. Aung YYM, Wong DCS, Ting DSW. The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare. British Medical Bulletin 2021;139:1:4-15.
13. Жаныбеков И. Ж., Аманбеков А. А. Роль искусственного интеллекта при изучении дисциплины патологическая анатомия. Новые технологии и инновации Кыргызстана. 2023;(6). doi:10.26104/NNTIK.2023.78.79.014.
14. Kung TH, Cheatham M, Medenilla A, et al. Performance of chatgpt on usmle: Potential for ai-assisted medical education usinglarge language models. PLOS Digital Health. 2023;2(2):e0000198.
