Sağlık sektöründe kullanılan yapay zeka asistanları, hasta takibinde kritik bir sorunla karşı karşıya: hastanın anlattıkları ile elektronik sağlık kayıtları arasındaki çelişkiler. Araştırmacılar bu sorunu çözmek için yenilikçi bir yaklaşım geliştirdi.
Büyük Dil Modeli (LLM) tabanlı sağlık asistanları, tek seferlik araçlardan uzun vadeli hasta takibi yapan kalıcı sistemlere dönüştükçe hafıza mimarileri önemli bir challenge ile yüzleşiyor. Hastanın kendi beyanları güncel olmakla birlikte hatırlama önyargıları içerebiliyor. Elektronik Sağlık Kayıtları (EHR) ise tıbbi açıdan doğrulanmış ancak sıklıkla güncel değil.
Genel amaçlı yapay zeka hafıza sistemleri, tutarlılığı sağlamak için eski bilgileri kullanıcının en son beyanıyla değiştirme eğiliminde. Ancak bu yaklaşım klinik verilerde uygulandığında ciddi güvenlik risklerine yol açabiliyor.
Yeni geliştirilen İkili Akış Hafıza Mimarisi, hasta anlatılarını yapılandırılmış klinik kayıtlardan (FHIR) kesin olarak ayırıyor. Sistem, özel bir Uzlaştırma Motoru ile yönetiliyor. Bu motor, çıkarılan her hafıza bilgisini hastanın FHIR profiliyle değerlendirerek çelişkileri türe, ciddiyete ve ilgili FHIR kaynaklarına göre sınıflandırıyor.
Bu yaklaşım, sağlık alanında kullanılan yapay zeka sistemlerinin hem daha güvenli hem de daha güvenilir olmasını sağlayarak, hasta güvenliğini ön planda tutarak teknolojik ilerleme kaydediyor.