मायक्रोसॉफ्टचे म्हणणे आहे की त्याची वैद्यकीय एआय प्रणाली कठीण प्रकरणांचे निदान डॉक्टरांच्या सरावापेक्षा दुप्पट अचूकपणे करू शकते - आणि यावेळी, दावा समवयस्कांच्या पुनरावलोकनात टिकून आहे.
मायक्रोसॉफ्ट एआय डायग्नोस्टिक ऑर्केस्ट्रेटर (MAI-DxO) ने "भाषा मॉडेल्ससह अनुक्रमिक निदान" या शीर्षकाच्या अभ्यासानुसार, कमी चाचण्या आणि प्रक्रिया ऑर्डर करताना निदान अचूकतेमध्ये "प्रॅक्टिसिंग जनरलिस्ट फिजिशियन्सपेक्षा लक्षणीय कामगिरी केली". हे काम पहिल्यांदा arXiv वर नॉन-पीअर-पुनरावलोकन प्रीप्रिंट म्हणून दिसले. गुरुवारी, निष्कर्ष जर्नल सायन्समध्ये औपचारिकपणे प्रकाशित केले गेले, मायक्रोसॉफ्टने असा युक्तिवाद केला की प्रणाली प्रभावी डेमो क्षेत्रापासून क्लिनिकल विश्वासार्हतेकडे जाते. For more context on this story, see our ongoing latest AI developments.
न्यू इंग्लंड जर्नल ऑफ मेडिसिनमध्ये प्रकाशित झालेल्या गुंतागुंतीच्या केस रेकॉर्डवरून तयार केलेल्या चाचण्यांमध्ये, MAI-DxO ने 83.2 टक्के निदान अचूकता प्राप्त केली आहे, ज्यांच्या तुलनेत संदर्भ साहित्यात प्रवेश असलेल्या सामान्य चिकित्सकांसाठी 36.1 टक्के आहे. जेव्हा डॉक्टरांना ही संसाधने नाकारण्यात आली, तेव्हा त्यांची अचूकता अंदाजे 22 टक्क्यांपर्यंत घसरली - त्या परिस्थितीत एआय सिस्टम जवळजवळ चार पट अचूक आहे. आणीबाणी विभागाच्या प्रवेशांवर आधारित वेगळ्या चाचणीत, AI ने पुन्हा सामान्य चिकित्सकांना मागे टाकले, जरी 80.3 टक्के ते 46.8 टक्के कमी फरकाने.
डॉक्टरांच्या पद्धतीने निदान करणारी यंत्रणा
MAI-DxO ला पारंपारिक लक्षण तपासकांपेक्षा वेगळे करते ते म्हणजे ते अनुक्रमे कार्य करते. रुग्ण मॉडेलला लक्षणे, इतिहास आणि चाचणी परिणामांची संपूर्ण फाइल देत नाहीत. त्याऐवजी, सिस्टमची सुरुवात मुख्य तक्रारीने होते आणि निदान करण्याआधी कोणते फॉलो-अप प्रश्न विचारायचे आणि कोणत्या चाचण्या घ्यायच्या हे ठरवणे आवश्यक आहे - वास्तविक चिकित्सक अनिश्चिततेमध्ये कसे कार्य करतो याच्या अगदी जवळ.
संशोधक म्हणतात की पूर्वीचे बेंचमार्क मोठ्या भाषेच्या मॉडेल्सच्या डायग्नोस्टिक क्षमतेचे या अनुक्रमिक पद्धतीने मूल्यांकन करण्यात अयशस्वी झाले, म्हणून त्यांनी अनुक्रमिक निदान बेंचमार्क किंवा SDBench नावाचे नवीन मूल्यांकन तयार केले.
हुड अंतर्गत, MAI-DxO "वैद्यकांच्या पॅनेलचे अनुकरण करते," पेपरनुसार, सतत विभेदक निदान सुधारित करते आणि खर्च-प्रभावी चाचण्या निवडतात. वेगवेगळे एआय एजंट वेगवेगळ्या भूमिका घेतात: निदान प्रस्तावित करणे, चाचण्या मागवणे, आव्हानात्मक गृहीतके आणि खर्चाचे वजन करणे. संशोधकांनी सुचवले आहे की ही रचना संज्ञानात्मक पूर्वाग्रहांचा सामना करण्यास मदत करते जे वैयक्तिक डॉक्टरांवर परिणाम करतात, जसे की प्रारंभिक निदानावर अँकर करणे किंवा वैकल्पिक स्पष्टीकरणाकडे दुर्लक्ष करणे.
OpenAI च्या GPT मॉडेल्सवर तयार केलेले
ओपनएआयच्या GPT-5 वर चालणाऱ्या प्रणालीने त्याचे सर्वात मजबूत परिणाम प्राप्त केले, अतिरिक्त चाचणी GPT-5.5 वापरून पुढील सुधारणा दर्शवित आहे. मायक्रोसॉफ्ट अर्थशास्त्रावर देखील जोर देते: कंपनी म्हणते की MAI-DxO कमी अनावश्यक चाचण्या आणि प्रक्रिया ऑर्डर करून अर्धा किंवा अगदी एक तृतीयांश खर्चावर योग्य निदान पोहोचते.
हा खर्चाचा दावा मायक्रोसॉफ्टने स्वतःच ध्वजांकित केलेल्या सावधगिरीसह येतो — बचत ही वास्तविक-जागतिक वैद्यकीय बिले नसून, सिम्युलेटेड प्रकरणांमध्ये अंदाजे खर्चावर आधारित आहे. संशोधकांनी हे देखील मान्य केले आहे की जर प्रणालीची तुलना सामान्य चिकित्सकांऐवजी तज्ञ तज्ञांशी केली गेली तर कामगिरीतील अंतर कमी होईल अशी त्यांची अपेक्षा आहे.
बेंचमार्क पासून बेडसाइड पर्यंत
शीर्ष जर्नलमध्ये प्रकाशन ही एक गोष्ट आहे; रुग्णांवर उपचार करणे ही दुसरी गोष्ट आहे. मायक्रोसॉफ्टचे एआय प्रमुख मुस्तफा सुलेमान यांनी द वर्जला सांगितले की कोणत्याही वास्तविक-जागतिक तैनातीसाठी अद्याप क्लिनिकल चाचणी आवश्यक आहे - आणि कंपनीकडे आधीपासूनच त्यासाठी योजना आहेत. मायक्रोसॉफ्टचे एआय हेल्थ लीड डॉ. डॉमिनिक किंग यांनी सांगितले की, पुढील काही महिन्यांत बोस्टनमधील बेथ इस्रायल डेकोनेस मेडिकल सेंटरमध्ये चाचणी सुरू होईल.
तो मंचित दृष्टीकोन महत्त्वाचा आहे, कारण क्षेत्राने हा चित्रपट यापूर्वी पाहिला आहे. या वर्षाच्या सुरुवातीला, हार्वर्ड युनिव्हर्सिटी आणि बेथ इस्रायल डेकोनेस मेडिकल सेंटरच्या संशोधकांनी नोंदवले की OpenAI चे o1-पूर्वावलोकन तर्क मॉडेल देखील डॉक्टरांना निदानात्मक कार्यांमध्ये हरवते, ज्यामुळे डॉक्टरांची जागा घेणाऱ्या AI बद्दल मथळे पसरले. हे अभ्यास जे स्थापित करू शकले नाहीत ते थेट क्लिनिकल सेटिंग्जमध्ये सुरक्षितता आहे, जिथे चुकांचे वास्तविक परिणाम होतात आणि रुग्णांची संख्या क्युरेट केलेल्या जर्नल प्रकरणांपेक्षा खूपच गोंधळलेली असते.
मायक्रोसॉफ्ट महत्वाकांक्षी फ्रेमिंगकडे झुकले आहे, "वैद्यकीय सुपरइंटलिजन्स तयार करणे" च्या बॅनरखाली स्वतःची घोषणा प्रकाशित करत आहे. सुलेमानने निदानात्मक तर्काला सर्वात स्पष्ट डोमेनपैकी एक म्हणून स्थान दिले आहे जिथे AI नजीकच्या काळात मानवी तज्ञांच्या कामगिरीपेक्षा जास्त असू शकते.
तपशील महत्त्वाचे का
बेंचमार्कमध्ये वापरलेली NEJM प्रकरणे, डिझाईननुसार, निदानदृष्ट्या कठीण आहेत - अशा प्रकारची कोडी जी अचूकपणे लिहिली जातात कारण त्यांनी एखाद्याला स्टंप केले. दैनंदिन प्राथमिक काळजीमध्ये नेहमीच्या सादरीकरणांचा प्रचंड प्रमाणात समावेश होतो जेथे सामान्य अचूकता नैसर्गिकरित्या खूप जास्त असते. दुर्मिळ, जटिल प्रकरणांमध्ये अचूकता दुप्पट करणारी प्रणाली मौल्यवान आहे, परंतु ती सर्व औषधांमध्ये अचूकता दुप्पट करण्यासारखी नाही.
उत्तरदायित्वाचाही प्रश्न आहे. एआय ऑर्केस्ट्रेटरने चाचणी कॅस्केड ऑर्डर केल्यास जी घातक स्थिती चुकते, तर उत्तरदायित्वाचे प्रश्न बहुतेक अधिकारक्षेत्रांमध्ये अनुत्तरित राहतात. बेथ इस्रायल डेकोनेस येथील क्लिनिकल चाचण्या म्हणजे नेमके कोणत्या प्रकारचे संभाव्य पुरावे रेग्युलेटर आणि हॉस्पिटल सिस्टमला आवश्यक आहेत ते निर्माण करण्यासाठी.
तरीही, मार्गाकडे दुर्लक्ष करणे कठीण आहे. विज्ञानातील समवयस्क-पुनरावलोकन परिणाम, परिभाषित क्लिनिकल चाचणी योजना आणि आरोग्य प्रणालीवरील खर्चाचा दबाव सर्व समान दिशा दर्शविते: निदानात्मक एआय संशोधन प्रात्यक्षिकांपासून नियमित वैद्यकीय सरावाकडे जात आहे. पुढील मैलाचा दगड ते बोस्टन चाचणी परिणाम असतील - बेंचमार्क वर्चस्व वास्तविक रूग्णांसाठी चांगल्या परिणामांमध्ये अनुवादित करते की नाही याची पहिली चाचणी.
आत्तासाठी, पेपरची स्वतःची फ्रेमिंग सर्वात योग्य सारांश आहे: जटिल प्रकरणांच्या अनुक्रमिक निदानावर, एआय डॉक्टरांच्या सिम्युलेटेड पॅनेलने कमी अंदाजित खर्चात, मोठ्या फरकाने सराव करणाऱ्या सामान्य तज्ञांना मागे टाकले. त्यास मान्यताप्राप्त क्लिनिकल प्रॅक्टिसमध्ये बदलणे ही एक कठीण समस्या आहे ज्यासाठी मायक्रोसॉफ्टने आता साइन अप केले आहे.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
