تقول شركة مايكروسوفت إن نظام الذكاء الاصطناعي الطبي الخاص بها يمكنه تشخيص الحالات الصعبة بدقة تزيد عن ضعف دقة الأطباء الممارسين، وهذه المرة، نجت المطالبة من مراجعة النظراء.

تفوق برنامج Microsoft AI Diagnostic Orchestrator (MAI-DxO) بشكل كبير على الأطباء العموميين الممارسين في دقة التشخيص بينما طلب اختبارات وإجراءات أقل، وفقًا لدراسة بعنوان "التشخيص المتسلسل باستخدام نماذج اللغة". ظهر العمل لأول مرة على arXiv العام الماضي كنسخة أولية غير خاضعة لمراجعة النظراء. وفي يوم الخميس، نُشرت النتائج رسميًا في مجلة Science، وهي خطوة تقول Microsoft إنها تنقل النظام من منطقة تجريبية مثيرة للإعجاب نحو المصداقية السريرية. لمزيد من السياق حول هذه القصة، راجع أحدث تطورات الذكاء الاصطناعي.

وفي الاختبارات المبنية على سجلات الحالات المعقدة المنشورة في مجلة New England Journal of Medicine، حقق MAI-DxO دقة تشخيصية بنسبة 83.2 بالمائة، مقارنة بنسبة 36.1 بالمائة للأطباء العموميين الذين تمكنوا من الوصول إلى المواد المرجعية. وعندما حُرم الأطباء من هذه الموارد، انخفضت دقتهم إلى ما يقرب من 22%، مما يجعل نظام الذكاء الاصطناعي أكثر دقة بأربعة أضعاف في ظل هذه الظروف. وفي اختبار منفصل يعتمد على القبول في قسم الطوارئ، تفوق الذكاء الاصطناعي مرة أخرى على الأطباء العموميين، وإن كان بهامش أضيق بنسبة 80.3% إلى 46.8%.

نظام يقوم بالتشخيص بالطريقة التي يقوم بها الأطباء

ما يميز MAI-DxO عن أدوات فحص الأعراض التقليدية هو أنه يعمل بشكل تسلسلي. لا يقوم المرضى بتسليم النموذج ملفًا كاملاً بالأعراض والتاريخ ونتائج الاختبار. وبدلاً من ذلك، يبدأ النظام بشكوى رئيسية ويجب أن يقرر أي أسئلة متابعة يجب طرحها وأي اختبارات يجب طلبها قبل الالتزام بالتشخيص - وهو أقرب كثيرًا إلى كيفية عمل الطبيب الحقيقي في ظل عدم اليقين.

يقول الباحثون إن المعايير السابقة فشلت في تقييم القدرات التشخيصية لنماذج اللغة الكبيرة بهذه الطريقة التسلسلية، لذلك قاموا ببناء تقييم جديد يسمى معيار التشخيص المتسلسل، أو SDBench.

وتحت الغطاء، يحاكي MAI-DxO "لجنة من الأطباء"، وفقًا للورقة البحثية، ويقومون باستمرار بمراجعة التشخيص التفريقي واختيار اختبارات فعالة من حيث التكلفة. يتولى وكلاء الذكاء الاصطناعي المختلفون أدوارًا متميزة: اقتراح التشخيصات، وطلب الاختبارات، وتحدي الافتراضات، ووزن التكاليف. يقترح الباحثون أن هذه البنية تساعد في مواجهة التحيزات المعرفية التي تؤثر على الأطباء الأفراد، مثل الثبات على التشخيص الأولي أو تجاهل التفسيرات البديلة.

مبني على نماذج GPT الخاصة بـ OpenAI

حقق النظام أقوى نتائجه عند تشغيله على GPT-5 من OpenAI، مع اختبارات إضافية تظهر المزيد من التحسينات باستخدام GPT-5.5. تؤكد Microsoft أيضًا على الجوانب الاقتصادية: تقول الشركة إن MAI-DxO يصل إلى التشخيص الصحيح بنصف التكلفة أو حتى ثلثها عن طريق طلب عدد أقل من الاختبارات والإجراءات غير الضرورية.

تأتي مطالبة التكلفة هذه مصحوبة بتحذير تشير إليه شركة Microsoft نفسها - حيث يتم تصميم المدخرات على أساس التكاليف المقدرة في حالات المحاكاة، وليس الفواتير الطبية في العالم الحقيقي. ويعترف الباحثون أيضًا بأنهم يتوقعون تضييق فجوة الأداء إذا تمت مقارنة النظام مع المتخصصين الخبراء بدلاً من الأطباء العموميين.

من المعيار إلى السرير

النشر في مجلة مرموقة هو شيء واحد؛ علاج المرضى هو شيء آخر. صرح مصطفى سليمان، رئيس شركة مايكروسوفت للذكاء الاصطناعي، لموقع The Verge أن أي نشر في العالم الحقيقي سيظل يتطلب اختبارات سريرية، وأن الشركة لديها بالفعل خطط لذلك. وقال الدكتور دومينيك كينج، قائد صحة الذكاء الاصطناعي في مايكروسوفت، إن الاختبار سيبدأ في مركز Beth Israel Deaconess الطبي في بوسطن خلال الشهرين المقبلين.

هذا النهج المرحلي مهم، لأن المجال قد شاهد هذا الفيلم من قبل. في وقت سابق من هذا العام، أفاد باحثون من جامعة هارفارد ومركز بيث إسرائيل ديكونيس الطبي أن نموذج الاستدلال المنطقي لمعاينة o1 الخاص بـ OpenAI يتفوق أيضًا على الأطباء في المهام التشخيصية، مما أدى إلى تغذية موجة من العناوين الرئيسية حول استبدال الذكاء الاصطناعي بالأطباء. ما لم تتمكن هذه الدراسات من إثباته هو السلامة في البيئات السريرية الحية، حيث تحمل الأخطاء عواقب حقيقية، ويكون عدد المرضى أكثر فوضوية بكثير من الحالات التي يتم تنسيقها في المجلات.

لقد اتجهت مايكروسوفت إلى التأطير الطموح، ونشرت إعلانها الخاص تحت شعار "بناء الذكاء الطبي الفائق". لقد وضع سليمان المنطق التشخيصي كواحد من أوضح المجالات التي يمكن للذكاء الاصطناعي أن يتجاوز فيها أداء الخبراء البشريين على المدى القريب.

سبب أهمية التفاصيل

تعتبر حالات NEJM المستخدمة في المعيار، بحكم تصميمها، صعبة التشخيص، وهو نوع من الألغاز التي تتم كتابتها على وجه التحديد لأنها حيرت شخصًا ما. تتضمن الرعاية الأولية اليومية كميات هائلة من العروض الروتينية حيث تكون الدقة العامة أعلى بكثير بشكل طبيعي. يعد النظام الذي يضاعف الدقة في الحالات النادرة والمعقدة أمرًا ذا قيمة، ولكنه ليس مثل مضاعفة الدقة في جميع مجالات الطب.

وهناك أيضاً مسألة المساءلة. إذا طلب أحد منسقي الذكاء الاصطناعي سلسلة اختبار تفتقد حالة قاتلة، فستظل أسئلة المسؤولية دون حل في معظم الولايات القضائية. تهدف التجارب السريرية في Beth Israel Deaconess إلى توليد نوع الأدلة المحتملة التي يحتاجها المنظمون وأنظمة المستشفيات.

ومع ذلك، من الصعب تجاهل هذا المسار. تشير نتائج مراجعة النظراء في العلوم، وخطة الاختبارات السريرية المحددة، وضغط التكلفة على الأنظمة الصحية، إلى نفس الاتجاه: الذكاء الاصطناعي التشخيصي ينتقل من العروض البحثية إلى الممارسة الطبية المنظمة. سيكون المعلم التالي هو نتائج تجربة بوسطن - الاختبار الأول لما إذا كانت الهيمنة المرجعية تترجم إلى نتائج أفضل للمرضى الفعليين.

في الوقت الحالي، يعد الإطار الخاص بالورقة البحثية هو الملخص الأكثر عدلاً: في التشخيص المتسلسل للحالات المعقدة، تفوقت لجنة محاكاة من أطباء الذكاء الاصطناعي على العموميين الممارسين بهامش واسع، وبتكلفة تقديرية أقل. إن تحويل ذلك إلى ممارسة سريرية معتمدة هو المشكلة الأصعب التي اشتركت فيها Microsoft الآن.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →