בדיקה: האם הבינה המלאכותית יכולה להחליף רופא אנושי?

בזמן שהבינה המלאכותית הופכת לנוכחת יותר במערכות בריאות בעולם, מחקר ישראלי חדש מבקש לבחון את גבולות היכולות שלה, ולהבהיר את ההבדל בין שליפת ידע לבין שיקול דעת רפואי. צוות של חוקרים מאוניברסיטת בר אילן, מאוניברסיטת חיפה ומהמרכז הרפואי שיבא ערך ניסוי שבדק את ביצועיהן של שתי מערכות בינה מתקדמות – ChatGPT וגוגל ג’מיני – בהשוואה לפיזיותרפיסטים מנוסים ולסטודנטים לפיזיותרפיה. 

המבחן כלל 20 שאלות רבות-ברירה בתחום שיקום וסטיבולרי (העוסק בשיווי משקל), שחילקו את רמת הידע לשלוש קטגוריות: ידע תיאורטי, יישום בסיסי והסקה קלינית.

לפי תוצאות המחקר, שפורסם בכתב העת Physical Therapy & Rehabilitation Journal, מערכות הבינה הצליחו יפה בשאלות שדרשו ידע תאורטי – שתיהן קיבלו ציון של 100%. אך דווקא כשנדרשו להסיק מסקנות ממקרי בוחן, נרשמה ירידה דרמטית בביצועים: ChatGPT הצליחה לענות נכונה על מחצית בלבד מהשאלות, וג’מיני הסתפקה ב-25%. לשם השוואה, הפיזיותרפיסטים המנוסים ענו נכון על כ-76.5% מהשאלות, ואילו הסטודנטים קיבלו ציון ממוצע של 40.5%.

מעבר לאחוזי הצלחה, נבדקה גם איכות ההסברים שסיפקו המודלים. ההסברים של ChatGPT הוגדרו כ"מדויקים ומקיפים" בכמחצית מהמקרים בתחומי הידע התיאורטי והיישום הבסיסי, אך רק רבע מהם היו מדויקים בהסקה קלינית – בעוד 25% היו שגויים לחלוטין.

יעל ארבל, פיזיותרפיסטית בצוות המחקר, אמרה למעריב: "יש למערכות בינה מלאכותית תועלת בהנגשת מידע ובסיכום הנחיות – אך הן אינן תחליף לחשיבה הקלינית של אנשי מקצוע". לדבריה, השימוש בטכנולוגיה מחייב זהירות, פיקוח וידיעה ברורה של מגבלות הכלי. רק כך, טוענת ארבל, ניתן לנצל את יתרונות הבינה המלאכותית – מבלי להסתכן בטעויות מסוכנות למטופלים.