ข่าว

แบบจำลองภาษาขนาดใหญ่ (LLM) สามารถเขียนบทความที่โน้มน้าวใจโดยอาศัยคำที่กระตุ้นความสนใจ สอบผ่านเกณฑ์วัดระดับความสามารถทางวิชาชีพ และเขียนข้อมูลที่เป็นมิตรกับผู้ป่วยและเห็นอกเห็นใจ อย่างไรก็ตาม นอกเหนือจากความเสี่ยงที่ทราบกันดีเกี่ยวกับเรื่องแต่ง ความเปราะบาง และข้อเท็จจริงที่ไม่ถูกต้องใน LLM แล้ว ปัญหาอื่นๆ ที่ยังไม่ได้รับการแก้ไขก็ค่อยๆ กลายเป็นประเด็นสำคัญ เช่น โมเดล AI ที่มี “คุณค่าของมนุษย์” ที่อาจเลือกปฏิบัติในการสร้างและการใช้งาน และแม้ว่า LLM จะไม่สร้างเนื้อหาขึ้นมาเองและตัดผลลัพธ์ที่เป็นอันตรายออกไปอย่างชัดเจนแล้ว “คุณค่าของ LLM” อาจยังคงเบี่ยงเบนไปจากคุณค่าของมนุษย์

ตัวอย่างมากมายแสดงให้เห็นว่าข้อมูลที่ใช้ในการฝึกโมเดล AI เข้ารหัสค่านิยมส่วนบุคคลและค่านิยมทางสังคมอย่างไร ซึ่งอาจแข็งแกร่งขึ้นภายในโมเดล ตัวอย่างเหล่านี้เกี่ยวข้องกับการประยุกต์ใช้งานที่หลากหลาย ซึ่งรวมถึงการตีความภาพเอกซเรย์ทรวงอกโดยอัตโนมัติ การจำแนกโรคผิวหนัง และการตัดสินใจเชิงอัลกอริทึมเกี่ยวกับการจัดสรรทรัพยากรทางการแพทย์ ดังที่ได้กล่าวไว้ในบทความล่าสุดในวารสารของเรา ข้อมูลการฝึกที่มีอคติอาจขยายและเผยให้เห็นค่านิยมและอคติที่มีอยู่ในสังคม ในทางกลับกัน งานวิจัยยังแสดงให้เห็นว่า AI สามารถใช้เพื่อลดอคติได้ ตัวอย่างเช่น นักวิจัยได้นำแบบจำลองการเรียนรู้เชิงลึกมาใช้กับฟิล์มเอกซเรย์หัวเข่า และค้นพบปัจจัยที่ตัวบ่งชี้ความรุนแรงมาตรฐาน (ซึ่งจัดระดับโดยรังสีแพทย์) มองข้ามภายในข้อเข่า จึงช่วยลดความแตกต่างของอาการปวดที่อธิบายไม่ได้ระหว่างผู้ป่วยผิวดำและผิวขาว

แม้ว่าผู้คนจำนวนมากขึ้นเรื่อยๆ จะตระหนักถึงอคติในโมเดล AI โดยเฉพาะอย่างยิ่งในแง่ของข้อมูลการฝึกอบรม แต่จุดเข้าสู่คุณค่าของมนุษย์อื่นๆ จำนวนมากยังไม่ได้รับความสนใจอย่างเพียงพอในกระบวนการพัฒนาและการนำโมเดล AI ไปใช้ AI ทางการแพทย์ได้ให้ผลลัพธ์ที่น่าประทับใจในช่วงที่ผ่านมา แต่ส่วนใหญ่แล้ว มันไม่ได้พิจารณาคุณค่าของมนุษย์และปฏิสัมพันธ์กับการประเมินความเสี่ยงและการใช้เหตุผลเชิงความน่าจะเป็นอย่างชัดเจน และยังไม่ได้ถูกสร้างแบบจำลองขึ้นมา

เพื่อให้แนวคิดเชิงนามธรรมเหล่านี้เป็นรูปธรรม ลองนึกภาพว่าคุณเป็นแพทย์ด้านต่อมไร้ท่อที่ต้องสั่งจ่ายฮอร์โมนเจริญเติบโตของมนุษย์ชนิดรีคอมบิแนนท์ให้กับเด็กชายอายุ 8 ปี ซึ่งมีอายุต่ำกว่าร้อยละ 3 ของอายุ ระดับฮอร์โมนเจริญเติบโตของมนุษย์ที่ถูกกระตุ้นของเด็กชายต่ำกว่า 2 นาโนกรัม/มิลลิลิตร (ค่าอ้างอิง >10 นาโนกรัม/มิลลิลิตร ค่าอ้างอิงสำหรับหลายประเทศนอกสหรัฐอเมริกาคือ >7 นาโนกรัม/มิลลิลิตร) และยีนที่เข้ารหัสฮอร์โมนเจริญเติบโตของมนุษย์ของเขาตรวจพบการกลายพันธุ์ที่ทำให้เกิดการยับยั้งการทำงานที่หายาก เราเชื่อว่าการประยุกต์ใช้การบำบัดด้วยฮอร์โมนเจริญเติบโตของมนุษย์นั้นชัดเจนและไม่อาจโต้แย้งได้ในทางคลินิกนี้

การใช้ฮอร์โมนเจริญเติบโตของมนุษย์ในสถานการณ์ต่อไปนี้อาจก่อให้เกิดข้อถกเถียงได้: เด็กชายอายุ 14 ปีมีความสูงอยู่ที่เปอร์เซ็นไทล์ที่ 10 ของเพื่อนวัยเดียวกันเสมอ และระดับสูงสุดของฮอร์โมนเจริญเติบโตของมนุษย์หลังการกระตุ้นคือ 8 นาโนกรัม/มิลลิลิตร ยังไม่มีการกลายพันธุ์ทางการทำงานที่ทราบแน่ชัดที่สามารถส่งผลต่อความสูง หรือสาเหตุอื่นๆ ของภาวะตัวเตี้ย และอายุกระดูกของเขาคือ 15 ปี (กล่าวคือไม่มีความล่าช้าในการพัฒนา) ข้อถกเถียงส่วนหนึ่งเกิดจากความแตกต่างของค่าเกณฑ์ที่ผู้เชี่ยวชาญกำหนดขึ้นจากการศึกษาหลายสิบชิ้นเกี่ยวกับระดับฮอร์โมนเจริญเติบโตของมนุษย์ที่ใช้ในการวินิจฉัยภาวะขาดฮอร์โมนเจริญเติบโตชนิดแยกเดี่ยว ข้อถกเถียงส่วนใหญ่เกิดจากความสมดุลระหว่างความเสี่ยงและประโยชน์จากการใช้ฮอร์โมนเจริญเติบโตของมนุษย์ในมุมมองของผู้ป่วย ผู้ปกครองผู้ป่วย บุคลากรทางการแพทย์ บริษัทยา และผู้จ่ายเงิน กุมารแพทย์ด้านต่อมไร้ท่ออาจพิจารณาผลข้างเคียงที่หายากของการฉีดฮอร์โมนเจริญเติบโตทุกวันเป็นเวลา 2 ปี โดยพิจารณาจากความเป็นไปได้ที่ขนาดร่างกายของผู้ใหญ่จะไม่เพิ่มขึ้นหรือมีเพียงเล็กน้อยเมื่อเทียบกับปัจจุบัน เด็กผู้ชายอาจเชื่อว่าแม้ส่วนสูงของพวกเขาจะเพิ่มขึ้นเพียง 2 ซม. ก็คุ้มค่าที่จะฉีดฮอร์โมนเร่งการเจริญเติบโต แต่ผู้จ่ายเงินและบริษัทยาอาจมีมุมมองที่แตกต่างกัน

เรายกตัวอย่าง eGFR ที่คำนวณจากค่าครีเอตินิน ซึ่งเป็นตัวชี้วัดการทำงานของไตที่ใช้กันอย่างแพร่หลายในการวินิจฉัยและกำหนดระยะของโรคไตเรื้อรัง การกำหนดเงื่อนไขการปลูกถ่ายหรือบริจาคไต และการกำหนดเกณฑ์การลดและข้อห้ามใช้ยาตามใบสั่งแพทย์หลายชนิด EGFR เป็นสมการถดถอยอย่างง่ายที่ใช้ประมาณอัตราการกรองของไต (mGFR) ที่วัดได้ ซึ่งเป็นมาตรฐานอ้างอิง แต่วิธีการประเมินค่อนข้างยุ่งยาก สมการถดถอยนี้ไม่ถือเป็นแบบจำลอง AI แต่แสดงให้เห็นถึงหลักการมากมายเกี่ยวกับคุณค่าของมนุษย์และการใช้เหตุผลเชิงความน่าจะเป็น

จุดแรกที่ค่าของมนุษย์จะเข้าสู่ eGFR คือการเลือกข้อมูลสำหรับการปรับสมการ คิวเริ่มต้นที่ใช้ในการออกแบบสูตร eGFR ส่วนใหญ่ประกอบด้วยผู้เข้าร่วมทั้งผิวดำและผิวขาว และการนำไปใช้กับกลุ่มชาติพันธุ์อื่นๆ อีกมากมายยังไม่ชัดเจน จุดถัดไปสำหรับค่าของมนุษย์ในสูตรนี้ประกอบด้วย: การเลือกความแม่นยำของ mGFR เป็นวัตถุประสงค์หลักในการประเมินการทำงานของไต ระดับความแม่นยำที่ยอมรับได้ วิธีการวัดความแม่นยำ และการใช้ eGFR เป็นเกณฑ์ในการกระตุ้นการตัดสินใจทางคลินิก (เช่น การกำหนดเงื่อนไขสำหรับการปลูกถ่ายไตหรือการสั่งจ่ายยา) สุดท้าย เมื่อเลือกเนื้อหาของแบบจำลองอินพุต ค่าของมนุษย์จะเข้าสู่สูตรนี้ด้วย

ยกตัวอย่างเช่น ก่อนปี พ.ศ. 2564 แนวทางแนะนำให้ปรับระดับครีเอตินินในสูตร eGFR ตามอายุ เพศ และเชื้อชาติของผู้ป่วย (จำแนกเฉพาะผู้ป่วยผิวดำหรือไม่ใช่ผิวดำ) การปรับสูตรตามเชื้อชาติมีวัตถุประสงค์เพื่อปรับปรุงความแม่นยำของสูตร mGFR แต่ในปี พ.ศ. 2563 โรงพยาบาลขนาดใหญ่เริ่มตั้งคำถามเกี่ยวกับการใช้ eGFR ตามเชื้อชาติ โดยอ้างเหตุผลต่างๆ เช่น การเลื่อนระยะเวลาที่ผู้ป่วยมีสิทธิ์เข้ารับการปลูกถ่ายอวัยวะ และการทำให้เชื้อชาติเป็นแนวคิดทางชีววิทยาที่เป็นรูปธรรม งานวิจัยแสดงให้เห็นว่าการออกแบบแบบจำลอง eGFR ในแง่ของเชื้อชาติอาจส่งผลกระทบอย่างลึกซึ้งและหลากหลายต่อความแม่นยำและผลลัพธ์ทางคลินิก ดังนั้น การมุ่งเน้นความแม่นยำเฉพาะเจาะจงหรือการมุ่งเน้นผลลัพธ์เพียงบางส่วนจึงสะท้อนการตัดสินคุณค่าและอาจบดบังการตัดสินใจที่โปร่งใส สุดท้าย คณะทำงานระดับชาติได้เสนอสูตรใหม่ที่นำมาปรับใช้ใหม่โดยไม่พิจารณาเชื้อชาติเพื่อสร้างสมดุลระหว่างประสิทธิภาพและความยุติธรรม ตัวอย่างนี้แสดงให้เห็นว่าแม้แต่สูตรทางคลินิกที่เรียบง่ายก็ยังมีจุดเชื่อมโยงมากมายกับค่านิยมของมนุษย์

เมื่อเทียบกับสูตรทางคลินิกที่มีตัวบ่งชี้เชิงทำนายเพียงเล็กน้อย หลักสูตร LLM อาจประกอบด้วยพารามิเตอร์ (น้ำหนักของแบบจำลอง) หลายพันล้านถึงหลายแสนล้านพารามิเตอร์หรือมากกว่า ทำให้เข้าใจได้ยาก เหตุผลที่เรากล่าวว่า "เข้าใจยาก" ก็คือ ในหลักสูตร LLM ส่วนใหญ่ ไม่สามารถระบุวิธีการเรียกคำตอบผ่านคำถามได้อย่างชัดเจน จำนวนพารามิเตอร์สำหรับ GPT-4 ยังไม่มีการประกาศออกมา แต่ GPT-3 ซึ่งเป็นรุ่นก่อนหน้ามีพารามิเตอร์ถึง 175 พันล้านพารามิเตอร์ การมีพารามิเตอร์มากขึ้นไม่ได้หมายความว่าความสามารถจะแข็งแกร่งขึ้นเสมอไป เนื่องจากแบบจำลองขนาดเล็กที่มีวงจรการคำนวณมากขึ้น (เช่น ชุดแบบจำลอง LLaMA [Large Language Model Meta AI]) หรือแบบจำลองที่ปรับแต่งอย่างละเอียดโดยอิงจากฟีดแบ็กของมนุษย์จะมีประสิทธิภาพดีกว่าแบบจำลองขนาดใหญ่ ตัวอย่างเช่น ผู้ประเมินที่เป็นมนุษย์ระบุว่า แบบจำลอง InstrumentGPT (แบบจำลองที่มีพารามิเตอร์ 1.3 พันล้านพารามิเตอร์) มีประสิทธิภาพเหนือกว่า GPT-3 ในการปรับปรุงผลลัพธ์ของแบบจำลองให้เหมาะสมที่สุด

ยังไม่มีการเปิดเผยรายละเอียดเฉพาะของการฝึกอบรม GPT-4 แต่ได้มีการเปิดเผยรายละเอียดของแบบจำลองรุ่นก่อนหน้า ได้แก่ GPT-3, InstrumentGPT และ LLM โอเพนซอร์สอื่นๆ อีกมากมาย ปัจจุบันแบบจำลอง AI หลายแบบมาพร้อมกับการ์ดแบบจำลอง ข้อมูลการประเมินและความปลอดภัยของ GPT-4 ได้รับการเผยแพร่ในการ์ดระบบที่คล้ายกันซึ่งจัดทำโดยบริษัทสร้างแบบจำลอง OpenAI การสร้าง LLM สามารถแบ่งคร่าวๆ ได้เป็นสองขั้นตอน ได้แก่ ขั้นตอนก่อนการฝึกอบรมเบื้องต้นและขั้นตอนการปรับแต่งเพื่อเพิ่มประสิทธิภาพผลลัพธ์ของแบบจำลอง ในขั้นตอนก่อนการฝึกอบรม แบบจำลองจะได้รับคลังข้อมูลขนาดใหญ่ซึ่งรวมถึงข้อความต้นฉบับบนอินเทอร์เน็ตเพื่อฝึกอบรมให้ทำนายคำถัดไป กระบวนการ "การเติมข้อมูลอัตโนมัติ" ที่ดูเหมือนเรียบง่ายนี้สร้างแบบจำลองพื้นฐานที่มีประสิทธิภาพ แต่ก็อาจนำไปสู่พฤติกรรมที่เป็นอันตรายได้เช่นกัน ค่านิยมของมนุษย์จะเข้าสู่ขั้นตอนก่อนการฝึกอบรม ซึ่งรวมถึงการเลือกข้อมูลก่อนการฝึกอบรมสำหรับ GPT-4 และการตัดสินใจลบเนื้อหาที่ไม่เหมาะสม เช่น เนื้อหาลามกอนาจาร ออกจากข้อมูลก่อนการฝึกอบรม แม้จะมีความพยายามเหล่านี้ แบบจำลองพื้นฐานก็อาจยังไม่มีประโยชน์และไม่สามารถรองรับผลลัพธ์ที่เป็นอันตรายได้ ในขั้นตอนการปรับแต่งขั้นต่อไป พฤติกรรมที่มีประโยชน์และไม่เป็นอันตรายหลายประการจะเกิดขึ้น

ในขั้นตอนการปรับแต่งอย่างละเอียด พฤติกรรมของแบบจำลองภาษามักถูกเปลี่ยนแปลงอย่างลึกซึ้งผ่านการปรับแต่งอย่างละเอียดแบบมีผู้สอนและการเรียนรู้แบบเสริมแรงโดยอิงจากฟีดแบ็กของมนุษย์ ในขั้นตอนการปรับแต่งอย่างละเอียดแบบมีผู้สอน บุคลากรที่รับจ้างจะเขียนตัวอย่างคำตอบสำหรับคำกระตุ้นและฝึกอบรมแบบจำลองโดยตรง ในขั้นตอนการเรียนรู้แบบเสริมแรงโดยอิงจากฟีดแบ็กของมนุษย์ ผู้ประเมินที่เป็นมนุษย์จะจัดเรียงผลลัพธ์ของแบบจำลองเป็นตัวอย่างเนื้อหาอินพุต จากนั้นนำผลการเปรียบเทียบข้างต้นไปใช้เพื่อเรียนรู้ "แบบจำลองรางวัล" และปรับปรุงแบบจำลองต่อไปผ่านการเรียนรู้แบบเสริมแรง การมีส่วนร่วมของมนุษย์ในระดับต่ำที่น่าทึ่งสามารถปรับปรุงแบบจำลองขนาดใหญ่เหล่านี้ได้ ตัวอย่างเช่น แบบจำลอง InstrumentGPT ใช้ทีมงานผู้รับเหมาประมาณ 40 คนจากเว็บไซต์ crowdsourcing และผ่านการทดสอบคัดกรองที่มุ่งเป้าไปที่การคัดเลือกกลุ่มผู้ให้คำอธิบายประกอบที่คำนึงถึงความต้องการของกลุ่มประชากรที่แตกต่างกัน

จากตัวอย่างสุดโต่งสองตัวอย่างนี้ ได้แก่ สูตรทางคลินิกแบบง่าย [eGFR] และ LLM ที่ทรงพลัง [GPT-4] แสดงให้เห็นว่าการตัดสินใจของมนุษย์และคุณค่าของมนุษย์มีบทบาทสำคัญในการกำหนดผลลัพธ์ของแบบจำลอง โมเดล AI เหล่านี้สามารถรวบรวมคุณค่าที่หลากหลายของผู้ป่วยและแพทย์ได้หรือไม่? เราจะนำพาการประยุกต์ใช้ AI ทางการแพทย์สู่สาธารณะได้อย่างไร? ดังที่ได้กล่าวไว้ด้านล่าง การตรวจสอบการวิเคราะห์การตัดสินใจทางการแพทย์อีกครั้งอาจเป็นแนวทางแก้ไขปัญหาเหล่านี้อย่างมีหลักการ

การวิเคราะห์การตัดสินใจทางการแพทย์อาจไม่คุ้นเคยกับแพทย์หลายคน แต่สามารถแยกแยะระหว่างการใช้เหตุผลเชิงความน่าจะเป็น (สำหรับผลลัพธ์ที่ไม่แน่นอนที่เกี่ยวข้องกับการตัดสินใจ เช่น การให้ฮอร์โมนเร่งการเจริญเติบโตของมนุษย์ในสถานการณ์ทางคลินิกที่เป็นที่ถกเถียงดังแสดงในรูปที่ 1) และปัจจัยพิจารณา (สำหรับค่าเชิงอัตวิสัยที่เกี่ยวข้องกับผลลัพธ์เหล่านี้ ซึ่งมีค่าเป็น "อรรถประโยชน์" เช่น ค่าความสูงของผู้ชายที่เพิ่มขึ้น 2 เซนติเมตร) ซึ่งเป็นแนวทางแก้ปัญหาที่เป็นระบบสำหรับการตัดสินใจทางการแพทย์ที่ซับซ้อน ในการวิเคราะห์การตัดสินใจ แพทย์ต้องพิจารณาการตัดสินใจและความน่าจะเป็นที่เป็นไปได้ทั้งหมดที่เกี่ยวข้องกับผลลัพธ์แต่ละรายการก่อน จากนั้นจึงนำอรรถประโยชน์ของผู้ป่วย (หรือบุคคลอื่น) ที่เกี่ยวข้องกับผลลัพธ์แต่ละรายการมาพิจารณาเพื่อเลือกตัวเลือกที่เหมาะสมที่สุด ดังนั้น ความถูกต้องของการวิเคราะห์การตัดสินใจจึงขึ้นอยู่กับว่าการตั้งค่าผลลัพธ์นั้นครอบคลุมหรือไม่ รวมถึงการวัดอรรถประโยชน์และการประมาณค่าความน่าจะเป็นนั้นถูกต้องหรือไม่ โดยหลักการแล้ว วิธีการนี้ช่วยให้มั่นใจได้ว่าการตัดสินใจนั้นอิงตามหลักฐานเชิงประจักษ์และสอดคล้องกับความต้องการของผู้ป่วย ซึ่งจะช่วยลดช่องว่างระหว่างข้อมูลที่เป็นกลางและค่านิยมส่วนบุคคล วิธีการนี้ได้รับการแนะนำเข้าสู่วงการแพทย์เมื่อหลายทศวรรษก่อน และนำมาประยุกต์ใช้ในการตัดสินใจของผู้ป่วยแต่ละรายและการประเมินสุขภาพของประชากร เช่น การให้คำแนะนำสำหรับการคัดกรองมะเร็งลำไส้ใหญ่กับประชากรทั่วไป

ในการวิเคราะห์การตัดสินใจทางการแพทย์ มีการพัฒนาวิธีการต่างๆ เพื่อให้ได้ประโยชน์สูงสุด วิธีการแบบดั้งเดิมส่วนใหญ่ได้รับคุณค่าโดยตรงจากผู้ป่วยแต่ละราย วิธีที่ง่ายที่สุดคือการใช้มาตราส่วนการประเมิน ซึ่งผู้ป่วยจะประเมินระดับความพึงพอใจต่อผลลัพธ์บางอย่างบนมาตราส่วนดิจิทัล (เช่น มาตราส่วนเชิงเส้นตั้งแต่ 1 ถึง 10) โดยให้ผลลัพธ์ด้านสุขภาพที่รุนแรงที่สุด (เช่น สุขภาพสมบูรณ์และการเสียชีวิต) อยู่ที่ทั้งสองด้าน วิธีการแลกเปลี่ยนเวลา (time exchange method) เป็นอีกวิธีหนึ่งที่ใช้กันทั่วไป ในวิธีนี้ ผู้ป่วยจำเป็นต้องตัดสินใจว่าจะยอมสละเวลาเพื่อสุขภาพมากน้อยเพียงใดเพื่อแลกกับช่วงเวลาที่มีสุขภาพย่ำแย่ วิธีการเล่นพนันแบบมาตรฐานก็เป็นอีกวิธีหนึ่งที่ใช้กันทั่วไปในการประเมินประโยชน์สูงสุด ในวิธีนี้ ผู้ป่วยจะถูกถามว่าต้องการตัวเลือกใดระหว่างสองตัวเลือกนี้: มีชีวิตที่มีสุขภาพดีเป็นจำนวนปีที่กำหนดโดยมีความน่าจะเป็นเฉพาะเจาะจง (p) (t) และมีความเสี่ยงต่อการเสียชีวิตโดยมีความน่าจะเป็น 1-p หรือ ให้แน่ใจว่าจะมีชีวิตอยู่ได้ t ปีภายใต้สภาวะสุขภาพที่หลากหลาย ถามผู้ป่วยหลายๆ ครั้งด้วยค่า p-value ที่ต่างกัน จนกว่าผู้ป่วยจะไม่แสดงความพึงพอใจต่อตัวเลือกใดๆ เพื่อให้สามารถคำนวณประโยชน์สูงสุดนั้นได้จากคำตอบของผู้ป่วย
นอกจากวิธีการที่ใช้ในการดึงดูดความต้องการของผู้ป่วยแต่ละรายแล้ว ยังมีการพัฒนาวิธีการต่างๆ เพื่อให้ได้ประโยชน์สูงสุดสำหรับกลุ่มผู้ป่วย โดยเฉพาะอย่างยิ่งการสนทนากลุ่ม (การนำผู้ป่วยมารวมกันเพื่อพูดคุยเกี่ยวกับประสบการณ์เฉพาะ) สามารถช่วยให้เข้าใจมุมมองของพวกเขาได้ เพื่อที่จะรวบรวมประโยชน์สูงสุดของกลุ่มได้อย่างมีประสิทธิภาพ จึงได้มีการนำเสนอเทคนิคการสนทนากลุ่มแบบมีโครงสร้างที่หลากหลาย
ในทางปฏิบัติ การนำอรรถประโยชน์มาใช้ในกระบวนการวินิจฉัยและรักษาทางคลินิกโดยตรงนั้นใช้เวลานานมาก เพื่อเป็นแนวทางแก้ไขปัญหา แบบสอบถามมักจะถูกแจกจ่ายไปยังกลุ่มประชากรที่เลือกแบบสุ่มเพื่อให้ได้คะแนนอรรถประโยชน์ในระดับประชากร ตัวอย่างได้แก่ แบบสอบถาม EuroQol 5 มิติ แบบสอบถามน้ำหนักอรรถประโยชน์ 6 มิติแบบสั้น ดัชนีอรรถประโยชน์ด้านสุขภาพ และแบบสอบถามคุณภาพชีวิตหลัก 30 ของ Cancer Specific European Cancer Research and Treatment Organization