ក្រុមហ៊ុន Microsoft និយាយថា ប្រព័ន្ធ AI វេជ្ជសាស្រ្តរបស់ខ្លួនអាចធ្វើរោគវិនិច្ឆ័យករណីពិបាកបានច្រើនជាងពីរដងដោយភាពត្រឹមត្រូវជាងការអនុវត្តន៍វេជ្ជបណ្ឌិត ហើយនៅពេលនេះ ការទាមទារបានរួចផុតពីការត្រួតពិនិត្យពីមិត្តភ័ក្តិ។
Microsoft AI Diagnostic Orchestrator (MAI-DxO) "បានអនុវត្តខ្លាំងជាងការអនុវត្តន៍គ្រូពេទ្យទូទៅ" នៅក្នុងភាពត្រឹមត្រូវនៃការធ្វើរោគវិនិច្ឆ័យខណៈពេលដែលបញ្ជាការធ្វើតេស្តនិងនីតិវិធីតិចជាងនេះបើយោងតាមការសិក្សាមួយដែលមានចំណងជើងថា "ការវិនិច្ឆ័យតាមលំដាប់ជាមួយគំរូភាសា" ។ ការងារនេះបានបង្ហាញខ្លួនជាលើកដំបូងនៅលើ arXiv កាលពីឆ្នាំមុន ជាការបោះពុម្ពជាមុនដែលមិនបានត្រួតពិនិត្យ។ កាលពីថ្ងៃព្រហស្បតិ៍ ការរកឃើញត្រូវបានបោះពុម្ពផ្សាយជាផ្លូវការនៅក្នុងទស្សនាវដ្ដី Science ជាជំហានមួយដែលក្រុមហ៊ុន Microsoft អះអាងថានឹងផ្លាស់ប្តូរប្រព័ន្ធពីតំបន់សាកល្បងដ៏គួរឲ្យចាប់អារម្មណ៍ឆ្ពោះទៅរកភាពជឿជាក់ខាងព្យាបាល។ For more context on this story, see our ongoing AI trends.
នៅក្នុងការធ្វើតេស្តដែលបានបង្កើតឡើងពីកំណត់ត្រាករណីស្មុគស្មាញដែលបានចេញផ្សាយនៅក្នុង New England Journal of Medicine, MAI-DxO សម្រេចបាននូវភាពត្រឹមត្រូវនៃការធ្វើរោគវិនិច្ឆ័យ 83.2 ភាគរយធៀបនឹង 36.1 ភាគរយសម្រាប់គ្រូពេទ្យទូទៅដែលមានលទ្ធភាពប្រើប្រាស់ឯកសារយោង។ នៅពេលដែលវេជ្ជបណ្ឌិតត្រូវបានបដិសេធធនធានទាំងនោះ ភាពត្រឹមត្រូវរបស់ពួកគេបានធ្លាក់ចុះប្រហែល 22 ភាគរយ ដោយដាក់ប្រព័ន្ធ AI ជិត 4 ដងដូចភាពត្រឹមត្រូវនៅក្រោមលក្ខខណ្ឌទាំងនោះ។ នៅក្នុងការធ្វើតេស្តដាច់ដោយឡែកមួយដោយផ្អែកលើការចូលមន្ទីរពេទ្យសង្គ្រោះបន្ទាន់ AI ម្តងទៀតបានប្រសើរជាងគ្រូពេទ្យទូទៅ ទោះបីជាដោយរឹមតូចជាង 80.3 ភាគរយទៅ 46.8 ភាគរយ។
ប្រព័ន្ធដែលធ្វើរោគវិនិច្ឆ័យវិធីដែលគ្រូពេទ្យធ្វើ
អ្វីដែលសម្គាល់ MAI-DxO ពីឧបករណ៍ពិនិត្យរោគសញ្ញាធម្មតាគឺថាវាដំណើរការតាមលំដាប់លំដោយ។ អ្នកជំងឺមិនប្រគល់គំរូឯកសារពេញលេញនៃរោគសញ្ញា ប្រវត្តិ និងលទ្ធផលតេស្តនោះទេ។ ផ្ទុយទៅវិញ ប្រព័ន្ធចាប់ផ្តើមជាមួយនឹងពាក្យបណ្តឹងចម្បងមួយ ហើយត្រូវតែសម្រេចចិត្តថាតើសំណួរតាមដានមួយណាដែលត្រូវសួរ និងការធ្វើតេស្តណាមួយដែលត្រូវបញ្ជាមុននឹងធ្វើការធ្វើរោគវិនិច្ឆ័យ — កាន់តែខិតទៅជិតរបៀបដែលគ្រូពេទ្យពិតប្រាកដធ្វើការនៅក្រោមភាពមិនច្បាស់លាស់។
ក្រុមអ្នកស្រាវជ្រាវនិយាយថា គំរូស្តង់ដារពីមុនបានបរាជ័យក្នុងការវាយតម្លៃសមត្ថភាពវិនិច្ឆ័យរបស់ម៉ូដែលភាសាធំៗនៅក្នុងរបៀបបន្តបន្ទាប់គ្នា ដូច្នេះពួកគេបានបង្កើតការវាយតម្លៃថ្មីមួយហៅថា Sequential Diagnosis Benchmark ឬ SDBench។
នៅក្រោមក្រណាត់ MAI-DxO "ក្លែងធ្វើក្រុមគ្រូពេទ្យ" នេះបើយោងតាមក្រដាស ដោយបន្តកែសម្រួលការវិនិច្ឆ័យឌីផេរ៉ង់ស្យែល និងជ្រើសរើសការធ្វើតេស្តដែលមានប្រសិទ្ធភាព។ ភ្នាក់ងារ AI ផ្សេងៗគ្នាមានតួនាទីផ្សេងៗគ្នា៖ ស្នើសុំការធ្វើរោគវិនិច្ឆ័យ ការបញ្ជាទិញការធ្វើតេស្ត ការសន្មត់ដែលប្រឈម និងការចំណាយលើការថ្លឹងថ្លែង។ អ្នកស្រាវជ្រាវណែនាំរចនាសម្ព័ន្ធនេះជួយទប់ទល់នឹងភាពលំអៀងនៃការយល់ដឹងដែលប៉ះពាល់ដល់វេជ្ជបណ្ឌិតម្នាក់ៗ ដូចជាការបោះយុថ្កាលើការធ្វើរោគវិនិច្ឆ័យដំបូង ឬមើលរំលងការពន្យល់ជំនួស។
ត្រូវបានបង្កើតឡើងនៅលើម៉ូដែល GPT របស់ OpenAI
ប្រព័ន្ធនេះសម្រេចបានលទ្ធផលខ្លាំងបំផុតដែលដំណើរការលើ GPT-5 របស់ OpenAI ជាមួយនឹងការធ្វើតេស្តបន្ថែមបង្ហាញពីការកែលម្អបន្ថែមទៀតដោយប្រើ GPT-5.5 ។ ក្រុមហ៊ុន Microsoft ក៏សង្កត់ធ្ងន់លើសេដ្ឋកិច្ចផងដែរ៖ ក្រុមហ៊ុននិយាយថា MAI-DxO ឈានដល់ការធ្វើរោគវិនិច្ឆ័យត្រឹមត្រូវនៅពាក់កណ្តាលឬសូម្បីតែមួយភាគបីនៃការចំណាយដោយបញ្ជាឱ្យមានការសាកល្បង និងនីតិវិធីដែលមិនចាំបាច់តិចជាងមុន។
ការទាមទារថ្លៃចំណាយនោះមកជាមួយការព្រមានដែលក្រុមហ៊ុន Microsoft ខ្លួនឯងដាក់ទង់ - ការសន្សំត្រូវបានយកគំរូតាមការចំណាយប៉ាន់ស្មាននៅក្នុងករណីក្លែងធ្វើ មិនមែនជាវិក្កយបត្រវេជ្ជសាស្ត្រពិភពលោកពិតប្រាកដនោះទេ។ អ្នកស្រាវជ្រាវក៏ទទួលស្គាល់ថា ពួកគេនឹងរំពឹងថាគម្លាតនៃការអនុវត្តនឹងរួមតូច ប្រសិនបើប្រព័ន្ធនេះត្រូវបានគេប្រៀបធៀបជាមួយអ្នកឯកទេសជាជាងគ្រូពេទ្យទូទៅ។
ពី Benchmark ទៅ Bedside
ការបោះពុម្ភផ្សាយនៅក្នុងទិនានុប្បវត្តិកំពូលគឺជារឿងមួយ។ ការព្យាបាលអ្នកជំងឺគឺជារឿងមួយទៀត។ ប្រធានផ្នែក AI របស់ Microsoft លោក Mustafa Suleyman បានប្រាប់ The Verge ថា ការដាក់ពង្រាយពិភពពិតណាមួយនឹងនៅតែត្រូវការការធ្វើតេស្តគ្លីនិក ហើយក្រុមហ៊ុនមានផែនការសម្រាប់វារួចហើយ។ លោកវេជ្ជបណ្ឌិត Dominic King ដែលជាអ្នកដឹកនាំផ្នែកសុខភាព AI របស់ក្រុមហ៊ុន Microsoft បាននិយាយថា ការធ្វើតេស្តនឹងចាប់ផ្តើមនៅមជ្ឈមណ្ឌលវេជ្ជសាស្ត្រ Beth Israel Deaconess ក្នុងទីក្រុង Boston ក្នុងរយៈពេលពីរបីខែខាងមុខនេះ។
វិធីសាស្ត្រដែលបានរៀបចំនោះមានសារៈសំខាន់ព្រោះវិស័យនេះបានមើលរឿងនេះពីមុនមក។ កាលពីដើមឆ្នាំនេះ អ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Harvard និងមជ្ឈមណ្ឌលវេជ្ជសាស្ត្រ Beth Israel Deaconess បានរាយការណ៍ថាគំរូហេតុផលការមើលជាមុន o1 របស់ OpenAI ក៏បានផ្តួលវេជ្ជបណ្ឌិតក្នុងកិច្ចការវិនិច្ឆ័យ ដោយផ្តល់ព័ត៌មានជាច្រើនអំពី AI ជំនួសគ្រូពេទ្យ។ អ្វីដែលការសិក្សាទាំងនោះមិនអាចបង្កើតបានគឺសុវត្ថិភាពនៅក្នុងការកំណត់គ្លីនិកផ្ទាល់ ដែលកំហុសនាំមកនូវផលវិបាកពិតប្រាកដ ហើយចំនួនអ្នកជំងឺគឺមានភាពរញ៉េរញ៉ៃជាងករណីទិនានុប្បវត្តិ។
ក្រុមហ៊ុន Microsoft បានទំនោរទៅរកភាពមានមហិច្ឆតា ដោយបានផ្សព្វផ្សាយសេចក្តីប្រកាសរបស់ខ្លួនក្រោមបដានៃ "ការកសាងឧត្តមភាពផ្នែកវេជ្ជសាស្រ្ត" ។ Suleyman បានកំណត់ហេតុផលរោគវិនិច្ឆ័យថាជាដែនច្បាស់លាស់បំផុតមួយដែល AI អាចលើសពីសមត្ថភាពអ្នកជំនាញរបស់មនុស្សក្នុងរយៈពេលដ៏ខ្លីនេះ។
ហេតុអ្វីព័ត៌មានលម្អិតសំខាន់
ករណី NEJM ដែលប្រើក្នុងតារាងពិន្ទុគឺតាមការរចនា ការវិភាគពិបាកណាស់ ជាប្រភេទល្បែងផ្គុំរូបដែលសរសេរឡើងយ៉ាងជាក់លាក់ ដោយសារតែពួកគេបានជាន់លើនរណាម្នាក់។ ការថែទាំបឋមពីមួយថ្ងៃទៅមួយថ្ងៃ ពាក់ព័ន្ធនឹងបរិមាណដ៏ធំសម្បើមនៃបទបង្ហាញជាប្រចាំ ដែលភាពត្រឹមត្រូវទូទៅគឺខ្ពស់ជាងធម្មជាតិ។ ប្រព័ន្ធដែលបង្កើនភាពត្រឹមត្រូវទ្វេដងលើករណីដ៏កម្រ និងស្មុគស្មាញមានតម្លៃ ប៉ុន្តែវាមិនដូចគ្នាទៅនឹងការបង្កើនភាពត្រឹមត្រូវទ្វេដងលើគ្រប់ថ្នាំទាំងអស់នោះទេ។
ក៏មានសំណួរនៃការទទួលខុសត្រូវផងដែរ។ ប្រសិនបើវង់តន្រ្តី AI បញ្ជាឱ្យសាកល្បងល្បាក់ដែលខកខានលក្ខខណ្ឌធ្ងន់ធ្ងរ សំណួរការទទួលខុសត្រូវនៅតែមិនត្រូវបានដោះស្រាយនៅក្នុងយុត្តាធិការភាគច្រើន។ ការសាកល្បងព្យាបាលនៅ Beth Israel Deaconess គឺចង់បង្កើតនូវប្រភេទនៃនិយតករភស្តុតាងអនាគត និងប្រព័ន្ធមន្ទីរពេទ្យដែលត្រូវការ។
ទោះបីជាយ៉ាងណា គន្លងគឺពិបាកនឹងមិនអើពើ។ លទ្ធផលដែលបានពិនិត្យដោយមិត្តភ័ក្តិនៅក្នុងវិទ្យាសាស្ត្រ ផែនការធ្វើតេស្តគ្លីនិកដែលបានកំណត់ និងសម្ពាធលើតម្លៃលើប្រព័ន្ធសុខភាពទាំងអស់ចង្អុលទិសដៅដូចគ្នា៖ ការវិនិច្ឆ័យ AI កំពុងផ្លាស់ប្តូរពីការបង្ហាញនៃការស្រាវជ្រាវឆ្ពោះទៅរកការអនុវត្តផ្នែកវេជ្ជសាស្រ្តដែលបានគ្រប់គ្រង។ ចំណុចសំខាន់បន្ទាប់នឹងជាលទ្ធផលសាកល្បងនៅបូស្តុន ដែលជាការធ្វើតេស្តដំបូងថាតើការត្រួតត្រាគោលបានបកប្រែទៅជាលទ្ធផលល្អប្រសើរសម្រាប់អ្នកជំងឺពិតប្រាកដដែរឬទេ។
សម្រាប់ពេលនេះ ស៊ុមផ្ទាល់ខ្លួនរបស់ក្រដាសគឺជាការសង្ខេបដ៏ត្រឹមត្រូវបំផុត៖ លើការធ្វើរោគវិនិច្ឆ័យជាបន្តបន្ទាប់នៃករណីស្មុគស្មាញ បន្ទះក្លែងធ្វើរបស់គ្រូពេទ្យ AI បានដំណើរការជាងអ្នកអនុវត្តទូទៅដោយរឹមធំទូលាយ ដោយចំណាយប៉ាន់ស្មានទាប។ ការប្រែក្លាយវាទៅជាការអនុវត្តគ្លីនិកដែលត្រូវបានអនុម័តគឺជាបញ្ហាកាន់តែពិបាកដែលក្រុមហ៊ុន Microsoft បានចុះឈ្មោះឥឡូវនេះ។
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
