মাইক্রোসফ্ট বলেছে যে তার মেডিকেল এআই সিস্টেম ডাক্তারদের অনুশীলনের চেয়ে দ্বিগুণেরও বেশি নির্ভুলভাবে কঠিন কেস নির্ণয় করতে পারে - এবং এই সময়, দাবিটি পিয়ার পর্যালোচনা থেকে বেঁচে গেছে।
মাইক্রোসফ্ট এআই ডায়াগনস্টিক অর্কেস্ট্রেটর (এমএআই-ডিএক্সও) "ভাষা মডেলগুলির সাথে অনুক্রমিক রোগ নির্ণয়" শিরোনামের একটি সমীক্ষা অনুসারে, কম পরীক্ষা এবং পদ্ধতির অর্ডার দেওয়ার সময় ডায়াগনস্টিক নির্ভুলতার ক্ষেত্রে "প্র্যাকটিসিং জেনারেলিস্ট চিকিত্সকদের উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে"। কাজটি গত বছর arXiv-এ নন-পিয়ার-রিভিউ প্রিপ্রিন্ট হিসাবে প্রথম প্রকাশিত হয়েছিল। বৃহস্পতিবার, ফলাফলগুলি আনুষ্ঠানিকভাবে সায়েন্স জার্নালে প্রকাশিত হয়েছিল, মাইক্রোসফ্টের একটি পদক্ষেপ যুক্তি দেয় যে সিস্টেমটিকে চিত্তাকর্ষক ডেমো অঞ্চল থেকে ক্লিনিকাল বিশ্বাসযোগ্যতার দিকে নিয়ে যায়। For more context on this story, see our ongoing artificial intelligence updates.
নিউ ইংল্যান্ড জার্নাল অফ মেডিসিনে প্রকাশিত জটিল কেস রেকর্ড থেকে তৈরি পরীক্ষায়, MAI-DxO 83.2 শতাংশ ডায়াগনস্টিক নির্ভুলতা অর্জন করেছে, যেখানে রেফারেন্স উপকরণগুলিতে অ্যাক্সেস থাকা জেনারেলিস্ট চিকিত্সকদের 36.1 শতাংশের তুলনায়। যখন চিকিত্সকদের সেই সংস্থানগুলি অস্বীকার করা হয়েছিল, তখন তাদের নির্ভুলতা প্রায় 22 শতাংশে নেমে আসে - এই অবস্থার অধীনে এআই সিস্টেমকে প্রায় চারগুণ নির্ভুল করে। জরুরী বিভাগে ভর্তির উপর ভিত্তি করে একটি পৃথক পরীক্ষায়, এআই আবার জেনারেলিস্ট চিকিত্সকদের ছাড়িয়ে গেছে, যদিও 80.3 শতাংশ থেকে 46.8 শতাংশের সংকীর্ণ ব্যবধানে।
একটি সিস্টেম যা ডাক্তাররা যেভাবে করেন তা নির্ণয় করে
প্রচলিত উপসর্গ চেকার থেকে MAI-DxO কে আলাদা করে তা হল এটি ক্রমানুসারে কাজ করে। রোগীরা মডেলটিকে লক্ষণ, ইতিহাস এবং পরীক্ষার ফলাফলের একটি সম্পূর্ণ ফাইল দেয় না। পরিবর্তে, সিস্টেমটি একটি প্রধান অভিযোগ দিয়ে শুরু হয় এবং একটি নির্ণয়ের প্রতিশ্রুতি দেওয়ার আগে কোন ফলো-আপ প্রশ্ন জিজ্ঞাসা করতে হবে এবং কোন পরীক্ষাগুলি অর্ডার করতে হবে তা নির্ধারণ করতে হবে - একজন প্রকৃত চিকিত্সক কীভাবে অনিশ্চয়তার মধ্যে কাজ করে তার অনেক কাছাকাছি।
গবেষকরা বলছেন যে পূর্বের বেঞ্চমার্কগুলি এই অনুক্রমিক ফ্যাশনে বড় ভাষার মডেলগুলির ডায়াগনস্টিক ক্ষমতাগুলি মূল্যায়ন করতে ব্যর্থ হয়েছিল, তাই তারা একটি নতুন মূল্যায়ন তৈরি করেছে যার নাম সিকোয়েন্সিয়াল ডায়াগনসিস বেঞ্চমার্ক বা SDBench।
হুডের অধীনে, MAI-DxO "চিকিৎসকদের একটি প্যানেলকে অনুকরণ করে," কাগজ অনুসারে, ক্রমাগত একটি ডিফারেনশিয়াল ডায়াগনসিস সংশোধন করে এবং সাশ্রয়ী পরীক্ষা নির্বাচন করে। বিভিন্ন এআই এজেন্ট স্বতন্ত্র ভূমিকা গ্রহণ করে: রোগ নির্ণয়ের প্রস্তাব করা, পরীক্ষার অর্ডার দেওয়া, চ্যালেঞ্জিং অনুমান, এবং খরচ ওজন করা। গবেষকরা পরামর্শ দেন যে এই কাঠামোটি জ্ঞানীয় পক্ষপাতের প্রতিরোধে সাহায্য করে যা পৃথক ডাক্তারদের প্রভাবিত করে, যেমন প্রাথমিক নির্ণয়ের উপর নোঙর করা বা বিকল্প ব্যাখ্যা উপেক্ষা করা।
OpenAI এর GPT মডেলের উপর নির্মিত
ওপেনএআই-এর GPT-5-এ চলমান সিস্টেমটি তার শক্তিশালী ফলাফল অর্জন করেছে, অতিরিক্ত পরীক্ষায় GPT-5.5 ব্যবহার করে আরও উন্নতি দেখানো হয়েছে। মাইক্রোসফ্ট অর্থনীতির উপরও জোর দেয়: কোম্পানি বলে যে MAI-DxO কম অপ্রয়োজনীয় পরীক্ষা এবং পদ্ধতির অর্ডার দিয়ে খরচের অর্ধেক বা এমনকি এক তৃতীয়াংশে সঠিক রোগ নির্ণয় করে।
সেই খরচের দাবিটি একটি সতর্কতার সাথে আসে যা মাইক্রোসফ্ট নিজেই ফ্ল্যাগ করে — সঞ্চয়গুলি সিমুলেটেড ক্ষেত্রে আনুমানিক খরচের উপর মডেল করা হয়, বাস্তব-বিশ্বের চিকিৎসা বিল নয়। গবেষকরা স্বীকার করেছেন যে তারা কর্মক্ষমতা ব্যবধান সংকুচিত হবে বলে আশা করবেন যদি সিস্টেমটিকে সাধারণ চিকিত্সকদের পরিবর্তে বিশেষজ্ঞ বিশেষজ্ঞদের সাথে তুলনা করা হয়।
বেঞ্চমার্ক থেকে বেডসাইড পর্যন্ত
একটি শীর্ষ জার্নালে প্রকাশনা একটি জিনিস; রোগীদের চিকিত্সা অন্য। মাইক্রোসফ্টের এআই প্রধান মুস্তাফা সুলেমান দ্য ভার্জকে বলেছেন যে কোনও বাস্তব-বিশ্ব স্থাপনার জন্য এখনও ক্লিনিকাল পরীক্ষার প্রয়োজন হবে - এবং কোম্পানির ইতিমধ্যে এটির পরিকল্পনা রয়েছে। মাইক্রোসফটের এআই হেলথ লিড, ড. ডমিনিক কিং বলেছেন, আগামী কয়েক মাসের মধ্যে বোস্টনের বেথ ইজরায়েল ডেকোনেস মেডিকেল সেন্টারে পরীক্ষা শুরু হবে।
যে মঞ্চস্থ পদ্ধতির বিষয়, কারণ ক্ষেত্র আগে এই সিনেমা দেখেছেন. এই বছরের শুরুর দিকে, হার্ভার্ড ইউনিভার্সিটি এবং বেথ ইজরায়েল ডেকোনেস মেডিক্যাল সেন্টারের গবেষকরা রিপোর্ট করেছেন যে OpenAI-এর o1-প্রিভিউ রিজনিং মডেলটি ডাক্তারদেরও ডায়াগনস্টিক কাজে পরাজিত করে, চিকিত্সকদের প্রতিস্থাপনকারী এআই সম্পর্কে শিরোনামের একটি তরঙ্গ খাওয়ায়। এই অধ্যয়নগুলি যা স্থাপন করতে পারেনি তা হল লাইভ ক্লিনিকাল সেটিংসে নিরাপত্তা, যেখানে ভুলগুলি প্রকৃত পরিণতি বহন করে এবং রোগীর জনসংখ্যা কিউরেটেড জার্নাল কেসের তুলনায় অনেক বেশি অগোছালো।
মাইক্রোসফ্ট উচ্চাভিলাষী কাঠামোর দিকে ঝুঁকেছে, "মেডিকেল সুপার ইন্টেলিজেন্স তৈরি" এর ব্যানারে নিজস্ব ঘোষণা প্রকাশ করেছে। সুলেমান ডায়াগনস্টিক রিজনিংকে একটি পরিষ্কার ডোমেন হিসাবে স্থান দিয়েছেন যেখানে AI নিকটবর্তী মেয়াদে মানুষের বিশেষজ্ঞের কার্যকারিতা অতিক্রম করতে পারে।
কেন বিস্তারিত ব্যাপার
বেঞ্চমার্কে ব্যবহৃত NEJM কেসগুলি, ডিজাইন অনুসারে, ডায়াগনস্টিকভাবে কঠিন - যে ধরনের ধাঁধাগুলি সঠিকভাবে লেখা হয় কারণ তারা কাউকে স্টাম্প করেছে৷ প্রতিদিনের প্রাথমিক যত্নে প্রচুর পরিমাণে রুটিন উপস্থাপনা জড়িত যেখানে সাধারণের সঠিকতা স্বাভাবিকভাবেই অনেক বেশি। একটি সিস্টেম যা বিরল, জটিল ক্ষেত্রে নির্ভুলতাকে দ্বিগুণ করে মূল্যবান, তবে এটি সমস্ত ওষুধ জুড়ে নির্ভুলতা দ্বিগুণ করার মতো নয়।
জবাবদিহিতার প্রশ্নও রয়েছে। যদি একজন এআই অর্কেস্ট্রেটর একটি পরীক্ষা ক্যাসকেড অর্ডার করে যা একটি মারাত্মক অবস্থা মিস করে, দায়বদ্ধতার প্রশ্নগুলি বেশিরভাগ বিচারব্যবস্থায় অমীমাংসিত থাকে। বেথ ইজরায়েল ডেকোনেসে ক্লিনিকাল ট্রায়ালগুলি ঠিক যে ধরনের সম্ভাব্য প্রমাণ নিয়ন্ত্রক এবং হাসপাতালের সিস্টেমের প্রয়োজন হবে তা তৈরি করা।
তবুও, ট্র্যাজেক্টোরি উপেক্ষা করা কঠিন। বিজ্ঞানে একটি পিয়ার-পর্যালোচিত ফলাফল, একটি সংজ্ঞায়িত ক্লিনিকাল পরীক্ষার পরিকল্পনা এবং স্বাস্থ্য ব্যবস্থার উপর খরচের চাপ সবই একই দিক নির্দেশ করে: ডায়াগনস্টিক এআই গবেষণা প্রদর্শন থেকে নিয়ন্ত্রিত চিকিৎসা অনুশীলনের দিকে অগ্রসর হচ্ছে। পরবর্তী মাইলফলক হবে সেই বোস্টন ট্রায়ালের ফলাফল - বেঞ্চমার্কের আধিপত্য প্রকৃত রোগীদের জন্য আরও ভাল ফলাফলে অনুবাদ করে কিনা তার প্রথম পরীক্ষা।
আপাতত, কাগজের নিজস্ব ফ্রেমিং হল সবচেয়ে ন্যায্য সংক্ষিপ্তসার: জটিল কেসগুলির ক্রমিক নির্ণয়ের উপর, এআই চিকিত্সকদের একটি সিমুলেটেড প্যানেল কম আনুমানিক খরচে, প্র্যাকটিসিং জেনারেলিস্টদের একটি বিস্তৃত ব্যবধানে ছাড়িয়ে গেছে। এটিকে অনুমোদিত ক্লিনিকাল অনুশীলনে পরিণত করা একটি কঠিন সমস্যা যা মাইক্রোসফ্ট এখন সাইন আপ করেছে।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
