DeepSeek-R1 در تشخیص و مدیریت بیماریهای چشمپزشکی از OpenAI پیشی گرفت
منبع: AJMC
تاریخ: 28 می 2026
یک مطالعه جدید در ژورنال JAMA Ophthalmology نشان میدهد که مدل هوش مصنوعی DeepSeek-R1 در تشخیص بیماریها و ارائه راهکارهای مدیریتی در تخصصهای فرعی چشمپزشکی، بهتر از مدل OpenAI o1 عمل کرده است.
نکات کلیدی:
- دقت تشخیص DeepSeek-R1 در موارد بالینی ۷۰٫۴٪ بوده، در حالی که مدل o1 اوپنایآی ۶۳٫۰٪ دقت داشته است.
- در پیشنهاد روشهای درمانی یا گام بعدی مدیریتِ بیماری نیز DeepSeek-R1 بهتر عمل کرده: حدود ۸۲٫۷٪ موفقیت در مدیریت مقابل ۷۵٫۸٪ برای o1. هزینه استفاده از DeepSeek-R1 برای ۴۲۲ پرسش تقریباً ۱٫۱۲ دلار بوده، در حالی که o1 اوپنایآی برای همان تعداد پرسش ۱۶٫۹۱ دلار هزینه داشته است.
روششناسی و محدودیتها:
- محققان از موارد بالینی منتشرشده در بخش چالشهای بالینی (Clinical Challenge) مجله استفاده کردند.
- شامل ۱۰ تخصص فرعی چشمپزشکی مختلف مثل رتینا، تومورها، کودکان، آبمروارید، گلوکوم و غیره بودهاند.
- تصاویر پزشکی در همه نمونهها لحاظ نشده است (یکی از نقاط ضعف DeepSeek-R1 در بررسی تصویر ضعیفتر شناخته شده است .در برخی تخصصها، تعداد موارد زیر ده مورد بود که تحلیل دقیقتر را دشوار میکند.
نتایج:
- DeepSeek-R1 در ۸ مورد از ۱۰ تخصص فرعی عملکرد تشخیصی بهتری داشته است. در پیشنهاد مدیریت بیماری نیز در ۹ تخصص جلوتر بوده است.
- اگرچه مزایای قابل توجهی وجود دارد، اما محققان تأکید کردهاند که برای استفاده عمومیتر باید چند مشکل مهم حل شوند: کاهش خطاهای اشتباهی (“hallucinations”)، امکان کار با دادههای چندرسانهای (متن + تصویر)، و ایمنسازی بیشتر مدل.
لینک:
