Google Research اعلام کرده است که AMIE، سیستم هوش مصنوعی پزشکی آزمایشی آن، عملکردی در سطح متخصص در مشاوره‌های ویدیویی بالینی بی‌درنگ نشان داده است، و این اولین باری است که یک سیستم هوش مصنوعی با پزشکان دارای گواهی هیئت مدیره در یک برخورد پزشکی سمعی و بصری همزمان مطابقت می‌کند. این یافته ها که در 11 آگوست 2026 منتشر شد، نقطه عطف مهمی در توسعه مراقبت های بهداشتی با کمک هوش مصنوعی است.

در یک مطالعه تصادفی چندبازویی که شامل 100 سناریو بالینی، 300 مشاوره زنده، و پانلی متشکل از 30 پزشک مراقبت های اولیه دارای گواهی هیئت مدیره بود، پیکربندی ویدیوی AMIE با پزشکان انسانی در سراسر صلاحیت های بالینی اصلی رتبه بندی شد. این مطالعه که در پستی در وبلاگ رسمی Google Research به تفصیل شرح داده شد، دقت تشخیصی، تاریخ‌گیری دقیق، تناسب مدیریت و کیفیت ارتباطات را ارزیابی کرد. برای خوانندگانی که پیشرفت‌ها در تحقیقات و مراقبت‌های بهداشتی هوش مصنوعی را دنبال می‌کنند، [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) از AI Buzz Wire پوشش مداوم ارائه می‌دهد.

چگونه ویدئو AMIE کار می کند

AMIE (Video) که بر اساس مدل Gemini گوگل و پروژه Astra ساخته شده است، مشاوره های بالینی همزمان را از طریق یک رابط ویدیویی انجام می دهد. این سیستم می‌تواند نشانه‌های بالینی غیرکلامی را درک کند، بازیگران بیمار را از طریق معاینات فیزیکی مجازی راهنمایی کند و به‌صورت تشخیصی در زمان واقعی استدلال کند.

برای دستیابی به این هدف، گوگل AMIE را با معماری چند عامله ناهمزمان طراحی کرد که کار را بین سه عامل تخصصی که به طور مداوم به طور موازی کار می کنند تقسیم می کند. عامل Talker تعامل گفتاری رو به بیمار را مدیریت می‌کند و جریان گفت‌وگوی طبیعی را حفظ می‌کند و در عین حال راهنمایی‌هایی را از سایر مؤلفه‌ها در بر می‌گیرد. عامل Planner در پس‌زمینه عمل می‌کند، به طور مداوم استدلال بالینی را اصلاح می‌کند، تشخیص‌های افتراقی را به‌روزرسانی می‌کند و شکاف‌های اطلاعاتی را شناسایی می‌کند. عامل ادراک به طور مداوم جریان‌های صوتی و تصویری را بررسی می‌کند و نشانه‌های غیرکلامی مرتبط بالینی مانند علائم قابل مشاهده پریشانی، یافته‌های فیزیکی یا سیگنال‌های شنیداری را شناسایی می‌کند.

این طراحی جدا شده به یک چالش اساسی در هوش مصنوعی پزشکی محاوره ای می پردازد. استدلال بالینی عمیق زمان می برد، اما مکث های مکالمه اعتماد و ارتباط بیمار را از بین می برد. با جداسازی عوامل، AMIE می‌تواند تأخیر مکالمه طبیعی را در حالی که استدلال تشخیصی پیچیده و درک سمعی و بصری را به طور همزمان انجام می‌دهد، حفظ کند.

طراحی مطالعه و نتایج کلیدی

این مطالعه از فرمت معاینه بالینی ساختاریافته عینی، استاندارد طلایی برای ارزیابی صلاحیت بالینی در آموزش پزشکی استفاده کرد. 15 بازیگر بیمار آموزش دیده 300 مشاوره استاندارد را در سه بازوی مطالعه انجام دادند: AMIE در حالت ویدیویی، AMIE در حالت فقط متنی به عنوان خط پایه، و ده پزشک مراقبت های اولیه دارای گواهی هیئت مدیره که از طریق رابط ویدیویی مشابه مشاوره می کردند.

یک پانل مستقل از 20 پزشک باتجربه مراقبت های اولیه، تمام مشاوره ها را با استفاده از روبریک های بالینی تثبیت شده، از جمله مقیاس های شایستگی عمومی و معیارهای امتیازدهی خاص موردی متناسب با هر سناریو، ارزیابی کردند.

نتایج قابل توجه بود. در سراسر شایستگی های بالینی اصلی، ارزیابان بالینی AMIE (ویدئو) را با پزشکان مراقبت های اولیه رتبه بندی کردند. AMIE همچنین در برانگیختن علائم فیزیکی و هدایت فعالانه بازیگران بیمار از طریق مانورهای معاینه مجازی، به طور قابل توجهی بالاتر از هر دو پزشک و خط پایه متنی بود.

بازیگران بیمار به شدت تجربه ویدیویی را به چت مبتنی بر متن ترجیح می‌دهند، و استفاده از آن را به‌طور قابل‌توجهی آسان‌تر و برای برقراری ارتباط نگرانی‌های سلامتی مؤثرتر ارزیابی می‌کنند. آنها همچنین AMIE (ویدئو) را از نظر همدلی، ارتباط و اطمینان در مراقبت در مقایسه با پزشکان انسانی و نسخه فقط متنی، مثبت ارزیابی کردند.

محدودیت ها و توسعه مسئولانه

گوگل تاکید کرد که این مطالعه محدودیت های مهمی دارد. این تحقیق به طور کامل با بازیگران حرفه ای بیمار در محیط های بالینی شبیه سازی شده انجام شد، نه با بیماران واقعی که شرایط سلامتی خود را نشان می دادند. بازیگران بیمار، هرچند ماهر، نمی توانند پیچیدگی و غیرقابل پیش بینی بودن برخوردهای بالینی واقعی را به طور کامل تکرار کنند.

سناریوها همچنین به شرایطی محدود می‌شدند که می‌توان آنها را به‌طور واقعی از طریق بازیگری به تصویر کشید و از تظاهرات بالینی مهم که در آن ادراک سمعی و بصری از نظر تشخیصی اهمیت داشت حذف شد. ارزیابی‌های خودکار هدفمند، علی‌رغم کلی مکالمه با کیفیت بالا و دقت تشخیصی، اشتباهات ادراکی و استدلالی گاه به گاه را نشان داد.

گوگل خاطرنشان کرد که ارزیابی این یافته ها در مطالعات با بیماران واقعی و شرایط بالینی واقعی یک گام بعدی ضروری قبل از نتیجه گیری در مورد سودمندی در دنیای واقعی است. این شرکت قبلاً گام‌های اولیه‌ای را در این مسیر برداشته است، از جمله یک مطالعه امکان‌سنجی در دنیای واقعی با مرکز پزشکی Beth Israel Deaconess و یک مطالعه تصادفی در حال انجام در سراسر کشور با Included Health.

مسیر رو به جلو برای هوش مصنوعی پزشکی

نتایج AMIE در زمان تشدید علاقه به مراقبت های بهداشتی با کمک هوش مصنوعی می رسد. در ژوئن 2026، مطالعه‌ای که در Nature منتشر شد نشان داد که ابزارهای پزشکی هوش مصنوعی در تصمیم‌گیری‌های تشخیصی و درمانی با پزشکان مطابقت دارند یا از آنها پیشی می‌گیرند. تحقیقات AMIE گوگل این کار را به حوزه سمعی و بصری گسترش می دهد و نشان می دهد که هوش مصنوعی می تواند با غنای ادراکی عمل بالینی درگیر شود.

محققان گوگل هشدار می دهند که در حالی که انتقال از هوش مصنوعی بالینی مبتنی بر متن به سمعی و بصری با کیفیتی در سطح متخصص در تنظیمات شبیه سازی شده قابل دستیابی است، سوالات مهمی در مسیر استقرار مسئولانه در دنیای واقعی باقی می مانند. یافته‌ها باید با بیماران واقعی تأیید شوند، به گونه‌ای گسترش یابند که تظاهرات بالینی را که نمی‌توان از طریق شبیه‌سازی اجرا کرد، گسترش داد و با چارچوب‌های ایمنی قوی پشتیبانی کرد.

از هوش مصنوعی جلوتر بمانید

به آخرین پیشرفت ها در تقاطع هوش مصنوعی و پزشکی علاقه دارید؟ [اخبار هوش مصنوعی را بیشتر بخوانید] (https://aibuzzwire.news) در AI Buzz Wire برای پوشش عمیق تحقیقات هوش مصنوعی، نوآوری های مراقبت های بهداشتی، و فناوری هایی که مراقبت از بیمار را متحول می کنند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →