Корпорація Майкрософт каже, що її медична система штучного інтелекту може діагностувати складні випадки більш ніж удвічі точніше, ніж практикуючі лікарі — і цього разу твердження витримало експертну перевірку.
Згідно з дослідженням під назвою «Послідовна діагностика за допомогою мовних моделей», Microsoft AI Diagnostic Orchestrator (MAI-DxO) «суттєво перевершив практикуючих лікарів широкого профілю» в діагностичній точності, замовляючи менше тестів і процедур. Робота вперше з’явилася на arXiv минулого року як нерецензований препринт. У четвер результати були офіційно опубліковані в журналі Science, що, на думку Microsoft, переміщує систему з вражаючої демонстраційної території до клінічної надійності. For more context on this story, see our ongoing AI news.
У тестах, побудованих на основі складних записів випадків, опублікованих у New England Journal of Medicine, MAI-DxO досяг 83,2 відсотка діагностичної точності в порівнянні з 36,1 відсотком для лікарів широкого профілю, які мали доступ до довідкових матеріалів. Коли лікарям було відмовлено в цих ресурсах, їхня точність впала приблизно до 22 відсотків, тобто система штучного інтелекту була майже в чотири рази точнішою за цих умов. В окремому тесті, заснованому на прийомі у відділенні невідкладної допомоги, ШІ знову перевершив лікарів загального профілю, хоча й з меншим відривом — 80,3 відсотка до 46,8 відсотка.
Система, яка діагностує так, як це роблять лікарі
Що відрізняє MAI-DxO від звичайних засобів перевірки симптомів, так це те, що він працює послідовно. Пацієнти не передають моделі повний файл симптомів, анамнезу та результатів аналізів. Натомість система починає з головної скарги та має вирішити, які подальші запитання поставити та які тести замовити, перш ніж поставити діагноз — набагато ближче до того, як справжній лікар працює в умовах невизначеності.
Дослідники кажуть, що попередні тести не змогли оцінити діагностичні можливості великих мовних моделей таким послідовним способом, тому вони створили нову оцінку під назвою Sequential Diagnosis Benchmark або SDBench.
Під капотом MAI-DxO «симулює групу лікарів», згідно з документом, постійно переглядаючи диференціальну діагностику та вибираючи економічно ефективні тести. Різні агенти штучного інтелекту виконують різні ролі: пропонують діагнози, замовляють тести, оскаржують припущення та зважують витрати. Дослідники припускають, що ця структура допомагає протистояти когнітивним упередженням, які впливають на окремих лікарів, наприклад, прив’язуватися до початкового діагнозу або пропускати альтернативні пояснення.
Створено на основі моделей GPT OpenAI
Система досягла найсильніших результатів, працюючи на GPT-5 OpenAI, а додаткове тестування показало подальші покращення за допомогою GPT-5.5. Microsoft також наголошує на економічності: компанія каже, що MAI-DxO досягає правильного діагнозу за половину або навіть одну третину вартості, замовляючи менше непотрібних тестів і процедур.
Ця претензія щодо витрат супроводжується застереженням, на яке звертає увагу сама Microsoft — економія моделюється на основі орієнтовних витрат у змодельованих випадках, а не на реальних рахунках за лікування. Дослідники також визнають, що очікували б скорочення розриву в продуктивності, якби систему порівнювали з фахівцями-експертами, а не лікарями широкого профілю.
Від тесту до ліжка
Публікація в провідному журналі – це одне; лікування пацієнтів - це інше. Керівник відділу штучного інтелекту Microsoft Мустафа Сулейман сказав The Verge, що будь-яке розгортання в реальному світі все одно потребуватиме клінічного тестування — і компанія вже має на це плани. Доктор Домінік Кінг, керівник відділу охорони здоров’я Microsoft зі штучного інтелекту, сказав, що тестування розпочнеться в медичному центрі Beth Israel Deaconess Medical Center у Бостоні протягом наступних кількох місяців.
Такий поетапний підхід має значення, оскільки цей фільм вже бачили люди. Раніше цього року дослідники з Гарвардського університету та Медичного центру Бет Ізраїль Діаконесс повідомили, що модель міркування o1-preview від OpenAI також перемагає лікарів у діагностичних завданнях, підживлюючи хвилю заголовків про те, що штучний інтелект замінює лікарів. Те, що ці дослідження не змогли встановити, так це безпеку в клінічних умовах, де помилки мають реальні наслідки, а популяція пацієнтів набагато безладніша, ніж випадки з журналів.
Корпорація Майкрософт схилилася до амбітних фреймів, опублікувавши власне оголошення під прапором «створення медичного суперінтелекту». Сулейман позиціонує діагностичне міркування як одну з найчіткіших областей, де штучний інтелект може перевершити ефективність експертів у найближчій перспективі.
Чому деталі важливі
Випадки NEJM, які використовуються в бенчмарку, за задумом є складними для діагностики — тип головоломок, які записуються саме тому, що вони поставили когось у глухий кут. Повсякденна первинна медична допомога включає величезні обсяги рутинних презентацій, де загальна точність, природно, набагато вища. Система, яка подвоює точність у рідкісних складних випадках, є цінною, але це не те саме, що подвоєння точності в усій медицині.
Також є питання відповідальності. Якщо координатор штучного інтелекту замовляє тестовий каскад, який пропускає фатальну умову, питання відповідальності залишаються невирішеними в більшості юрисдикцій. Клінічні випробування в Beth Israel Deaconess покликані створити саме ті перспективні докази, які знадобляться регуляторам і лікарняним системам.
Тим не менш, траєкторію важко ігнорувати. Результати експертної оцінки в Science, визначений план клінічних випробувань і фінансовий тиск на системи охорони здоров’я вказують на те саме: діагностичний ШІ переходить від демонстраційних досліджень до регульованої медичної практики. Наступною віхою стануть результати Бостонського дослідження — перший тест того, чи домінування еталонного тесту перетворюється на кращі результати для реальних пацієнтів.
Наразі власне формулювання статті є найсправедливішим підсумком: у послідовній діагностиці складних випадків імітована група лікарів зі штучним інтелектом значно перевершила практикуючих лікарів широкого профілю за нижчої оціночної вартості. Перетворення цього на схвалену клінічну практику є складнішою проблемою, яку Microsoft тепер підписала.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
