Microsoft планує розпочати випробування інструменту в одній з лікарень Бостона вже незабаром.
Microsoft стверджує, що її система медичного штучного інтелекту може діагностувати складні випадки більш ніж удвічі точніше, ніж лікарі-практиканти.
Система, що отримала назву Microsoft AI Diagnostic Orchestrator (MAI-DxO), “суттєво перевершила лікарів загальної практики” за точністю діагностики, одночасно призначаючи менше аналізів та процедур, згідно з нещодавно опублікованою статтею.
Дослідження Microsoft під назвою “Послідовна діагностика за допомогою мовних моделей” було вперше опубліковане минулого року на arXiv як препринт без рецензування. У четвер результати були нарешті опубліковані в рецензованому журналі Science.
Це важливий крок до підтвердження висновків, але будь-яке реальне впровадження все ще вимагатиме клінічних випробувань, повідомив The Verge головний спеціаліст Microsoft зі штучного інтелекту Мустафа Сулейман. Microsoft вже має плани щодо цього: керівник відділу охорони здоров’я Microsoft у сфері ШІ, доктор Домінік Кінг, повідомив виданню, що випробування розпочнуться в медичному центрі Beth Israel Deaconess у Бостоні, штат Массачусетс, протягом наступних кількох місяців.
У тестах, що стосувалися складних медичних випадків, опублікованих у The New England Journal of Medicine, DxO досяг 83,2% точності діагностики порівняно з 36,1% у лікарів загальної практики, які мали доступ до довідкових матеріалів. Коли лікарям було відмовлено в доступі до цих ресурсів, їх точність знизилася приблизно до 22%, що зробило DxO майже вчетверо точнішим. В окремому тесті, що стосувався прийому пацієнтів у відділенні невідкладної допомоги, ШІ від Microsoft знову перевершив лікарів загальної практики, хоча й з меншим розривом: 80,3% проти 46,8%. Система показала найсильніші результати, використовуючи GPT-5 від OpenAI, з додатковими тестами, що демонструють покращення з GPT-5.5.
“Він також робить це вдвічі або навіть втричі дешевше, досягаючи правильного діагнозу з меншою кількістю аналізів та процедур”, – заявила Microsoft у своєму блозі в четвер. Однак ці заощадження базуються на оціночних витратах у симульованих випадках, а не на фактичних медичних витратах. Дослідники визнали, що “очікують, що розрив у продуктивності скоротиться”, якщо DxO порівнюватиметься з експертами-спеціалістами, а не з лікарями загальної практики.
Важливо відзначити, що DxO працює послідовно, тобто пацієнти не просто надають системі повний список симптомів, медичну історію та результати аналізів. Натомість, система починає з основної скарги та повинна визначити, які наступні запитання ставити та які аналізи призначати, перш ніж дійти до діагнозу. Це набагато ближче до того, як лікарі насправді діагностують пацієнтів. Дослідники зазначають, що раніше бенчмарки не оцінювали діагностичні можливості LLM послідовно, і пропонують новий бенчмарк під назвою Sequential Diagnosis Benchmark, або SDBench.
DxO “симулює групу лікарів”, пояснюється в статті, “постійно переглядаючи диференціальну діагностику та вибираючи економічно ефективні аналізи”. Система призначає різні ролі агентам ШІ, які пропонують діагнози, вибирають аналізи, ставлять під сумнів припущення та зважують витрати. Дослідники припускають, що такий підхід може допомогти протидіяти деяким когнітивним упередженням, що впливають на окремих лікарів, таким як прив’язка до початкового діагнозу або ігнорування альтернативних пояснень.
Схожі заяви робилися щодо інструментів ШІ інших компаній. На початку цього року дослідники з Гарвардського університету та медичного центру Beth Israel Deaconess виявили, що модель міркувань o1-preview від OpenAI перевершила лікарів у діагностиці пацієнтів відділення невідкладної допомоги під час сортування.
У всіх цих випадках медичні експерти наголошують, що вища продуктивність у діагностичних тестах не означає, що системи ШІ можуть або повинні замінювати людей-лікарів. Натомість, інструменти позиціонуються як помічники для медичних працівників. Навіть якщо DxO покаже хороші результати в клінічних випробуваннях, широке впровадження порушить складні юридичні питання щодо відповідальності, коли діагностика за допомогою ШІ піде не так. І, до речі, дослідження 2025 року показало, що лікарі, які покладалися на ШІ для виявлення потенційних ризиків раку під час колоноскопій, працювали гірше, ніж раніше, коли технологія була відсутня.
За даними порталу: gizmodo.com