Microsoft berkata sistem AI perubatannya boleh mendiagnosis kes sukar lebih daripada dua kali lebih tepat berbanding doktor yang mengamalkan - dan kali ini, tuntutan itu telah terselamat daripada semakan rakan sebaya.
Microsoft AI Diagnostic Orchestrator (MAI-DxO) "mengungguli pakar perubatan generalis pengamal dengan ketara" dalam ketepatan diagnostik sambil memesan lebih sedikit ujian dan prosedur, menurut kajian bertajuk "Diagnosis Berjujukan dengan Model Bahasa." Kerja itu mula-mula muncul di arXiv tahun lepas sebagai pracetak yang tidak disemak oleh rakan sebaya. Pada hari Khamis, penemuan itu diterbitkan secara rasmi dalam jurnal Science, satu langkah yang dipertikaikan oleh Microsoft memindahkan sistem dari wilayah demo yang mengagumkan ke arah kredibiliti klinikal. For more context on this story, see our ongoing AI industry coverage.
Dalam ujian yang dibina daripada rekod kes kompleks yang diterbitkan dalam New England Journal of Medicine, MAI-DxO mencapai 83.2 peratus ketepatan diagnostik, berbanding 36.1 peratus untuk doktor umum yang mempunyai akses kepada bahan rujukan. Apabila doktor dinafikan sumber tersebut, ketepatan mereka jatuh kepada kira-kira 22 peratus - meletakkan sistem AI hampir empat kali lebih tepat di bawah keadaan tersebut. Dalam ujian berasingan berdasarkan kemasukan jabatan kecemasan, AI sekali lagi mengatasi pakar perubatan umum, walaupun dengan margin yang lebih kecil sebanyak 80.3 peratus kepada 46.8 peratus.
Sistem Yang Mendiagnosis Cara Doktor Lakukan
Apa yang membezakan MAI-DxO daripada penyemak gejala konvensional ialah ia berfungsi secara berurutan. Pesakit tidak menyerahkan fail lengkap simptom, sejarah dan keputusan ujian kepada model. Sebaliknya, sistem bermula dengan aduan utama dan mesti memutuskan soalan susulan yang hendak ditanya dan ujian yang perlu dipesan sebelum membuat diagnosis — lebih dekat dengan cara doktor sebenar bekerja di bawah ketidakpastian.
Para penyelidik mengatakan penanda aras sebelumnya gagal menilai kebolehan diagnostik model bahasa yang besar dalam cara berurutan ini, jadi mereka membina penilaian baharu yang dipanggil Penanda Aras Diagnosis Berjujukan, atau SDBench.
Di bawah tudung, MAI-DxO "meniru panel pakar perubatan," menurut kertas itu, terus menyemak diagnosis pembezaan dan memilih ujian kos efektif. Ejen AI yang berbeza mengambil peranan yang berbeza: mencadangkan diagnosis, memesan ujian, andaian yang mencabar dan menimbang kos. Para penyelidik mencadangkan struktur ini membantu mengatasi bias kognitif yang mempengaruhi doktor individu, seperti berlabuh pada diagnosis awal atau mengabaikan penjelasan alternatif.
Dibina pada Model GPT OpenAI
Sistem ini mencapai keputusan terkuat yang dijalankan pada GPT-5 OpenAI, dengan ujian tambahan menunjukkan peningkatan selanjutnya menggunakan GPT-5.5. Microsoft juga menekankan ekonomi: syarikat itu berkata MAI-DxO mencapai diagnosis yang betul pada separuh atau satu pertiga daripada kos dengan memesan lebih sedikit ujian dan prosedur yang tidak perlu.
Tuntutan kos itu disertakan dengan kaveat yang dibenderakan oleh Microsoft sendiri - penjimatan dimodelkan pada anggaran kos dalam kes simulasi, bukan bil perubatan dunia sebenar. Para penyelidik juga mengakui bahawa mereka akan menjangkakan jurang prestasi akan mengecil jika sistem itu dibandingkan dengan pakar pakar dan bukannya doktor umum.
Dari Penanda Aras ke Tepi Katil
Penerbitan dalam jurnal teratas adalah satu perkara; merawat pesakit adalah satu lagi. Ketua AI Microsoft Mustafa Suleyman memberitahu The Verge bahawa mana-mana penggunaan dunia sebenar masih memerlukan ujian klinikal - dan syarikat itu sudah mempunyai rancangan untuk itu. Ketua kesihatan AI Microsoft, Dr. Dominic King, berkata ujian akan bermula di Pusat Perubatan Deaconess Beth Israel di Boston dalam tempoh beberapa bulan akan datang.
Pendekatan berperingkat itu penting, kerana bidang telah melihat filem ini sebelum ini. Awal tahun ini, penyelidik dari Universiti Harvard dan Pusat Perubatan Beth Israel Deaconess melaporkan bahawa model penaakulan o1-pratonton OpenAI juga mengalahkan doktor dalam tugas diagnostik, memberi gelombang berita utama tentang AI yang menggantikan doktor. Apa yang tidak dapat ditentukan oleh kajian tersebut adalah keselamatan dalam tetapan klinikal secara langsung, di mana kesilapan membawa akibat sebenar dan populasi pesakit jauh lebih kucar-kacir daripada kes jurnal yang disusun.
Microsoft telah bersandar kepada pembingkaian yang bercita-cita tinggi, menerbitkan pengumumannya sendiri di bawah sepanduk "membina superintelligence perubatan." Suleyman telah meletakkan penaakulan diagnostik sebagai salah satu domain paling jelas di mana AI boleh melebihi prestasi pakar manusia dalam jangka masa terdekat.
Mengapa Butiran Penting
Kes NEJM yang digunakan dalam penanda aras adalah, mengikut reka bentuk, sukar secara diagnostik — jenis teka-teki yang ditulis dengan tepat kerana ia mengelirukan seseorang. Penjagaan primer harian melibatkan sejumlah besar persembahan rutin di mana ketepatan generalis secara semula jadi lebih tinggi. Sistem yang menggandakan ketepatan pada kes yang jarang berlaku dan kompleks adalah berharga, tetapi ia tidak sama dengan ketepatan menggandakan merentas semua perubatan.
Terdapat juga persoalan akauntabiliti. Jika pengatur AI memerintahkan lata ujian yang terlepas keadaan maut, soalan liabiliti kekal tidak dapat diselesaikan dalam kebanyakan bidang kuasa. Percubaan klinikal di Beth Israel Deaconess bertujuan untuk menjana jenis pengawal selia bukti prospektif dan sistem hospital yang diperlukan.
Namun, trajektori sukar untuk diabaikan. Hasil semakan rakan dalam Sains, pelan ujian klinikal yang ditetapkan dan tekanan kos pada sistem kesihatan semuanya menunjukkan arah yang sama: AI diagnostik bergerak daripada demonstrasi penyelidikan ke arah amalan perubatan terkawal. Pencapaian seterusnya ialah keputusan percubaan Boston - ujian pertama sama ada penguasaan penanda aras diterjemahkan kepada hasil yang lebih baik untuk pesakit sebenar.
Buat masa ini, pembingkaian kertas itu sendiri ialah ringkasan yang paling adil: mengenai diagnosis berurutan bagi kes yang kompleks, panel simulasi pakar perubatan AI mengatasi prestasi pakar generalis dengan margin yang luas, pada anggaran kos yang lebih rendah. Mengubahnya menjadi amalan klinikal yang diluluskan adalah masalah yang lebih sukar yang kini telah didaftarkan oleh Microsoft.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
