Microsoft cho biết hệ thống AI y tế của họ có thể chẩn đoán những trường hợp khó chính xác hơn gấp đôi so với các bác sĩ thực hành - và lần này, tuyên bố này đã vượt qua được sự đánh giá ngang hàng.

Theo một nghiên cứu có tiêu đề "Chẩn đoán tuần tự với mô hình ngôn ngữ", Microsoft AI Diagnostic Orchestrator (MAI-DxO) "vượt trội đáng kể so với các bác sĩ đa khoa thực hành" về độ chính xác chẩn đoán trong khi yêu cầu ít xét nghiệm và thủ tục hơn. Tác phẩm lần đầu tiên xuất hiện trên arXiv vào năm ngoái dưới dạng bản in chưa được bình duyệt. Vào thứ Năm, những phát hiện này đã được chính thức công bố trên tạp chí Science, một bước mà Microsoft cho rằng sẽ chuyển hệ thống từ lãnh thổ demo ấn tượng sang lãnh thổ đáng tin cậy về mặt lâm sàng. For more context on this story, see our ongoing more AI stories.

Trong các thử nghiệm được xây dựng từ hồ sơ ca bệnh phức tạp được công bố trên Tạp chí Y học New England, MAI-DxO đạt được độ chính xác chẩn đoán 83,2%, so với 36,1% của các bác sĩ đa khoa có quyền truy cập vào tài liệu tham khảo. Khi các bác sĩ bị từ chối những nguồn lực đó, độ chính xác của họ giảm xuống khoảng 22% - khiến hệ thống AI có độ chính xác gần gấp bốn lần trong những điều kiện đó. Trong một thử nghiệm riêng biệt dựa trên số lượng bệnh nhân nhập khoa cấp cứu, AI một lần nữa vượt trội hơn các bác sĩ đa khoa, mặc dù với tỷ lệ hẹp hơn từ 80,3% đến 46,8%.

Một hệ thống chẩn đoán theo cách của bác sĩ

Điều khác biệt MAI-DxO với các công cụ kiểm tra triệu chứng thông thường là nó hoạt động tuần tự. Bệnh nhân không đưa cho mô hình một tập tin đầy đủ về các triệu chứng, tiền sử và kết quả xét nghiệm. Thay vào đó, hệ thống bắt đầu bằng một khiếu nại chính và phải quyết định nên hỏi những câu hỏi tiếp theo nào và yêu cầu xét nghiệm nào trước khi đưa ra chẩn đoán - gần giống với cách làm việc của một bác sĩ thực sự trong điều kiện không chắc chắn.

Các nhà nghiên cứu cho biết các điểm chuẩn trước đó không đánh giá được khả năng chẩn đoán của các mô hình ngôn ngữ lớn theo kiểu tuần tự này, vì vậy họ đã xây dựng một đánh giá mới gọi là Điểm chuẩn chẩn đoán tuần tự hay SDBench.

Theo bài báo, dưới mui xe, MAI-DxO "mô phỏng một nhóm bác sĩ", liên tục sửa đổi chẩn đoán phân biệt và lựa chọn các xét nghiệm hiệu quả về mặt chi phí. Các tác nhân AI khác nhau đảm nhận các vai trò riêng biệt: đề xuất chẩn đoán, yêu cầu xét nghiệm, thách thức các giả định và cân nhắc chi phí. Các nhà nghiên cứu cho rằng cấu trúc này giúp chống lại những thành kiến ​​về mặt nhận thức ảnh hưởng đến từng bác sĩ, chẳng hạn như bám chặt vào chẩn đoán ban đầu hoặc bỏ qua những giải thích thay thế.

Được xây dựng trên Mô hình GPT của OpenAI

Hệ thống đã đạt được kết quả tốt nhất khi chạy trên GPT-5 của OpenAI, với thử nghiệm bổ sung cho thấy những cải tiến hơn nữa khi sử dụng GPT-5.5. Microsoft cũng nhấn mạnh tính kinh tế: công ty cho biết MAI-DxO đạt được kết quả chẩn đoán phù hợp với mức chi phí chỉ bằng một nửa hoặc thậm chí một phần ba chi phí bằng cách yêu cầu ít xét nghiệm và thủ tục không cần thiết hơn.

Yêu cầu về chi phí đó đi kèm với một lời cảnh báo mà chính Microsoft đã cảnh báo - khoản tiết kiệm được mô hình hóa dựa trên chi phí ước tính trong các trường hợp mô phỏng, chứ không phải hóa đơn y tế trong thế giới thực. Các nhà nghiên cứu cũng thừa nhận rằng họ mong đợi khoảng cách về hiệu suất sẽ được thu hẹp nếu hệ thống được so sánh với các chuyên gia hơn là các bác sĩ đa khoa.

Từ điểm chuẩn đến đầu giường

Công bố trên một tạp chí hàng đầu là một chuyện; điều trị bệnh nhân là chuyện khác. Giám đốc AI của Microsoft Mustafa Suleyman nói với The Verge rằng bất kỳ việc triển khai nào trong thế giới thực vẫn sẽ yêu cầu thử nghiệm lâm sàng - và công ty đã có kế hoạch cho việc đó. Trưởng nhóm y tế AI của Microsoft, Tiến sĩ Dominic King, cho biết thử nghiệm sẽ bắt đầu tại Trung tâm Y tế Beth Israel Deaconess ở Boston trong vòng vài tháng tới.

Cách tiếp cận dàn dựng đó rất quan trọng vì khán giả đã từng xem bộ phim này trước đây. Đầu năm nay, các nhà nghiên cứu từ Đại học Harvard và Trung tâm Y tế Beth Israel Deaconess đã báo cáo rằng mô hình suy luận xem trước o1 của OpenAI cũng đánh bại các bác sĩ trong các nhiệm vụ chẩn đoán, tạo ra làn sóng tiêu đề về việc AI thay thế bác sĩ. Điều mà những nghiên cứu đó không thể thiết lập được là sự an toàn trong môi trường lâm sàng trực tiếp, nơi những sai lầm gây ra hậu quả thực sự và số lượng bệnh nhân hỗn loạn hơn nhiều so với các trường hợp được tuyển chọn trên tạp chí.

Microsoft đã dựa vào việc đóng khung đầy tham vọng, xuất bản thông báo của riêng mình dưới biểu ngữ "xây dựng siêu trí tuệ y tế". Suleyman đã định vị lý luận chẩn đoán là một trong những lĩnh vực rõ ràng nhất mà AI có thể vượt qua hiệu suất của chuyên gia con người trong thời gian tới.

Tại sao chi tiết lại quan trọng

Các trường hợp NEJM được sử dụng trong điểm chuẩn, về mặt thiết kế, rất khó chẩn đoán - loại câu đố được viết ra chính xác vì chúng đã làm ai đó bối rối. Chăm sóc ban đầu hàng ngày bao gồm khối lượng lớn các bài thuyết trình thông thường trong đó độ chính xác tổng quát đương nhiên cao hơn nhiều. Một hệ thống tăng gấp đôi độ chính xác trong các trường hợp hiếm gặp, phức tạp là có giá trị, nhưng nó không giống như tăng gấp đôi độ chính xác trong tất cả các loại thuốc.

Ngoài ra còn có câu hỏi về trách nhiệm giải trình. Nếu người điều phối AI ra lệnh cho một tầng thử nghiệm bỏ lỡ tình trạng tử vong, thì các câu hỏi về trách nhiệm pháp lý vẫn chưa được giải quyết ở hầu hết các khu vực pháp lý. Các thử nghiệm lâm sàng tại Beth Israel Deaconess nhằm mục đích tạo ra chính xác loại cơ quan quản lý bằng chứng tiềm năng và hệ thống bệnh viện sẽ cần.

Tuy nhiên, quỹ đạo khó có thể bỏ qua. Một kết quả được bình duyệt trong Khoa học, một kế hoạch thử nghiệm lâm sàng xác định và áp lực chi phí đối với các hệ thống y tế đều hướng đến cùng một hướng: AI chẩn đoán đang chuyển từ trình diễn nghiên cứu sang thực hành y tế được quản lý. Cột mốc quan trọng tiếp theo sẽ là kết quả thử nghiệm ở Boston - thử nghiệm đầu tiên về việc liệu sự thống trị của tiêu chuẩn có mang lại kết quả tốt hơn cho bệnh nhân thực tế hay không.

Hiện tại, cách trình bày của bài báo là bản tóm tắt công bằng nhất: về chẩn đoán tuần tự các trường hợp phức tạp, một nhóm mô phỏng gồm các bác sĩ AI đã vượt trội hơn hẳn các bác sĩ đa khoa thực hành với chi phí ước tính thấp hơn. Biến điều đó thành thực hành lâm sàng đã được phê duyệt là vấn đề khó khăn hơn mà Microsoft hiện đã đăng ký.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →