Instrumente der künstlichen Intelligenz wie ChatGPT werden in der Krebsbehandlung zunehmend erforscht, können jedoch manchmal veraltete oder falsche Informationen liefern. In der Medizin, wo Genauigkeit von entscheidender Bedeutung ist, ist dieses Risiko ein ernstes Problem.
Eine neue Überprüfung untersucht einen neuen Ansatz namens Retrieval‑augmented Generation oder RAG, der darauf abzielt, medizinische KI zuverlässiger zu machen. Anstatt sich nur auf das zu verlassen, was ein KI-Modell während des Trainings gelernt hat, rufen RAG-Systeme zunächst relevante, aktuelle Informationen aus vertrauenswürdigen Quellen wie klinischen Richtlinien, Forschungsstudien und medizinischen Datenbanken ab und nutzen diese Beweise dann, um Antworten zu generieren.
Die Überprüfung beleuchtet frühe Anwendungen von RAG in der Onkologie, einschließlich klinischer Entscheidungsunterstützung, Identifizierung geeigneter klinischer Studien, Übersetzung komplexer Krebsinformationen für Patienten und Unterstützung der Bildgebung und Pathologieinterpretation. In mehreren Studien lieferten RAG‑-verstärkte Systeme genauere und transparentere Ergebnisse und stimmten besser mit Expertenempfehlungen überein als Standard-KI-Modelle.
Die Autoren stellen fest, dass weiterhin Herausforderungen bestehen, darunter die Sicherstellung hochwertiger Quellen, die Verwaltung der technischen Komplexität und die sichere Integration von KI in klinische Arbeitsabläufe. Insgesamt legt die Überprüfung nahe, dass die Generation von Retrieval‑augmented dazu beitragen könnte, KI-Tools vertrauenswürdiger und nützlicher als unterstützende Hilfsmittel bei der Krebsbehandlung zu machen und gleichzeitig Ärzte fest in der Entscheidungsrolle zu halten.
DOI
