Microsoft, tıbbi yapay zeka sisteminin zor vakaları pratisyen doktorlara göre iki kat daha doğru bir şekilde teşhis edebildiğini ve bu kez iddianın hakem incelemesinden sağ çıktığını söylüyor.
Microsoft AI Teşhis Orkestratörü (MAI-DxO), "Dil Modelleriyle Sıralı Teşhis" başlıklı bir çalışmaya göre, daha az test ve prosedür sipariş ederken teşhis doğruluğu açısından "pratik pratisyen hekimlerden önemli ölçüde daha iyi performans gösterdi". Çalışma ilk olarak geçen yıl arXiv'de hakemli olmayan bir ön baskı olarak yayınlandı. Perşembe günü bulgular resmi olarak Science dergisinde yayınlandı; bu, Microsoft'un sistemi etkileyici demo alanından klinik güvenilirliğe doğru taşıdığını öne sürdüğü bir adım. For more context on this story, see our ongoing breaking AI news.
New England Journal of Medicine'de yayınlanan karmaşık vaka kayıtlarından oluşturulan testlerde MAI-DxO, referans materyallerine erişimi olan pratisyen doktorlar için yüzde 36,1'e kıyasla yüzde 83,2'lik teşhis doğruluğu elde etti. Doktorların bu kaynaklara erişimi engellendiğinde doğrulukları kabaca yüzde 22'ye düştü; bu da yapay zeka sisteminin bu koşullar altında neredeyse dört kat daha doğru olmasını sağlıyor. Acil servis başvurularına dayanan ayrı bir testte yapay zeka, yüzde 80,3'ten yüzde 46,8'e kadar daha dar bir farkla da olsa genel pratisyen hekimlerden daha iyi performans gösterdi.
Doktorların Yaptığı Şekilde Teşhis Koyan Bir Sistem
MAI-DxO'yu geleneksel semptom kontrol cihazlarından ayıran özelliği sıralı çalışmasıdır. Hastalar modele semptomlar, geçmiş ve test sonuçlarından oluşan eksiksiz bir dosya vermezler. Bunun yerine, sistem ana şikayetle başlar ve teşhis koymadan önce hangi takip sorularının sorulacağına ve hangi testlerin isteneceğine karar vermelidir; bu, gerçek bir doktorun belirsizlik altında çalışmasına çok daha yakındır.
Araştırmacılar, önceki kıyaslamaların büyük dil modellerinin teşhis yeteneklerini bu sıralı şekilde değerlendirmede başarısız olduğunu, bu nedenle Sıralı Tanı Karşılaştırması veya SDBench adı verilen yeni bir değerlendirme oluşturduklarını söylüyor.
Makaleye göre, MAI-DxO, başlık altında "bir doktor panelini simüle ediyor", sürekli olarak ayırıcı tanıyı gözden geçiriyor ve uygun maliyetli testleri seçiyor. Farklı AI ajanları farklı roller üstlenir: teşhis önermek, testleri sipariş etmek, varsayımları zorlamak ve maliyetleri tartmak. Araştırmacılar, bu yapının, bireysel doktorları etkileyen, ilk teşhise bağlı kalmak veya alternatif açıklamaları gözden kaçırmak gibi bilişsel önyargılara karşı koymaya yardımcı olduğunu öne sürüyor.
OpenAI'nin GPT Modelleri temel alınarak oluşturuldu
Sistem en güçlü sonuçlarını OpenAI'nin GPT-5'inde çalışırken elde etti ve ek testler GPT-5.5 kullanılarak daha fazla iyileştirme yapıldığını gösterdi. Microsoft aynı zamanda ekonominin de altını çiziyor: Şirket, MAI-DxO'nun daha az gereksiz test ve prosedür sipariş ederek maliyetin yarısı, hatta üçte biri kadar bir maliyetle doğru teşhise ulaştığını söylüyor.
Bu maliyet iddiası, Microsoft'un kendisinin işaretlediği bir uyarıyı da beraberinde getiriyor; tasarruflar, gerçek dünyadaki tıbbi faturalar değil, simüle edilmiş vakalardaki tahmini maliyetlere göre modellenmiştir. Araştırmacılar ayrıca, sistemin genel doktorlar yerine uzman uzmanlarla karşılaştırılması durumunda performans farkının daralmasını bekleyeceklerini de kabul ediyorlar.
Karşılaştırmadan Hasta Başına
En iyi dergilerde yayınlanmak bir şeydir; Hastaları tedavi etmek başka bir şeydir. Microsoft'un yapay zeka şefi Mustafa Süleyman, The Verge'e gerçek dünyadaki herhangi bir dağıtımın yine de klinik testlere ihtiyaç duyacağını ve şirketin zaten bunun için planları olduğunu söyledi. Microsoft'un yapay zeka sağlık sorumlusu Dr. Dominic King, testlerin önümüzdeki birkaç ay içinde Boston'daki Beth Israel Deaconess Tıp Merkezi'nde başlayacağını söyledi.
Bu aşamalı yaklaşım önemli çünkü saha bu filmi daha önce görmüştü. Bu yılın başlarında, Harvard Üniversitesi ve Beth Israel Deaconess Tıp Merkezi'nden araştırmacılar, OpenAI'nin o1-önizleme akıl yürütme modelinin teşhis görevlerinde de doktorları geride bıraktığını ve yapay zekanın doktorların yerini aldığına dair bir manşet dalgasını beslediğini bildirdi. Bu çalışmaların ortaya koyamadığı şey, hataların gerçek sonuçlar doğurduğu ve hasta popülasyonunun derlenmiş dergi vakalarından çok daha karmaşık olduğu canlı klinik ortamlardaki güvenlikti.
Microsoft, "tıbbi süper istihbarat oluşturma" başlığı altında kendi duyurusunu yayınlayarak iddialı bir çerçeveye yöneldi. Suleyman, teşhis muhakemesini, yapay zekanın yakın vadede insan uzman performansını aşabileceği en net alanlardan biri olarak konumlandırdı.
Ayrıntılar Neden Önemlidir
Karşılaştırmada kullanılan NEJM vakaları, tasarım gereği teşhis açısından zordur; tam olarak birisini şaşırttığı için yazılan türde bulmacalardır. Günlük temel bakım, genel doğruluğun doğal olarak çok daha yüksek olduğu çok büyük hacimlerde rutin sunumları içerir. Nadir, karmaşık vakalarda doğruluğu iki katına çıkaran bir sistem değerlidir, ancak tüm tıpta doğruluğu iki katına çıkarmakla aynı şey değildir.
Bir de sorumluluk meselesi var. Bir yapay zeka orkestratörü ölümcül bir durumu gözden kaçıran bir test kademesi sipariş ederse çoğu yargı bölgesinde sorumluluk soruları çözülmeden kalır. Beth Israel Deaconess'teki klinik araştırmalar, düzenleyicilerin ve hastane sistemlerinin ihtiyaç duyacağı türden ileriye dönük kanıtları üretmeyi amaçlıyor.
Yine de gidişatın göz ardı edilmesi zordur. Science dergisindeki hakemli bir sonuç, tanımlanmış bir klinik test planı ve sağlık sistemleri üzerindeki maliyet baskısı aynı yöne işaret ediyor: Tanısal yapay zeka, araştırma gösterilerinden düzenlenmiş tıbbi uygulamalara doğru ilerliyor. Bir sonraki kilometre taşı, karşılaştırmalı değerlendirme hakimiyetinin gerçek hastalar için daha iyi sonuçlara dönüşüp dönüşmediğinin ilk testi olan Boston deneme sonuçları olacak.
Şimdilik, makalenin kendi çerçevesi en adil özettir: karmaşık vakaların sıralı teşhisinde, yapay zeka doktorlarından oluşan simüle edilmiş bir panel, daha düşük tahmini maliyetle, pratisyen genel uzmanlardan geniş bir farkla daha iyi performans gösterdi. Bunu onaylanmış klinik uygulamaya dönüştürmek, Microsoft'un şu anda imza attığı en zor sorundur.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
