هوش مصنوعی مایکروسافت توانست از پزشکان در تشخیص بیماری پیشی بگیرد

شرکت مایکروسافت اعلام کرده که ابزار جدیدی که طراحی کرده، قادر است تا برخی از بیماری‌ها را تا چهار برابر با دقت بیشتری نسبت به پزشکان تشخیص دهد. نتایج حاصله از آزمایش‌ها چشم‌اندازی جذاب از «تکنولوژی فوق‌هوش پزشکی» به تصویر می‌کشد، ولی همچنان تفاوتی در روند حل پرونده‌های موجود و اتخاذ تصمیمات در کنار تخت بیمار وجود دارد.

مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، تصریح کرده است که دوران وعده‌های مبهم مربوط به نقش هوش مصنوعی در حوزه سلامت به پایان رسیده و زمان کاربرد عملی این فناوری فرا رسیده است.

تیم تحقیقاتی مایکروسافت برای سنجش عملکرد این سامانه، قابلیت‌های آن را در مجموعه‌ای از سناریوهای استخراج شده از گزارش‌های پزشکی و داده‌های مربوط به بخش اورژانس تحلیل کرده و با عملکرد پزشکان مقایسه نمود. این پرونده‌ها بر اساس معیاری به نام SDBench جمع‌آوری شده و مایکروسافت قصد دارد این معیار را به صورت متن‌باز ارائه کند.

محور اصلی این پروژه، سیستمی به نام Microsoft Diagnostic Orchestrator است. این ابزار نظیر یک هیئت متخصص پزشکی عمل کرده و چندین عامل هوش مصنوعی را برای ارزیابی علائم، مرور تاریخچه پزشکی، انتخاب آزمایشات و رسیدن به تشخیص نهایی ترکیب می‌کند.

روش کار این سیستم به مکالمه تشخیصی پزشک شباهت دارد. به جای دریافت یکجا تمامی اطلاعات، سامانه به شکل تدریجی سؤال پرسیده، احتمالات مختلف را مورد بررسی قرار می‌دهد و آزمایشات ضروری را درخواست می‌کند. سپس با ورود هر داده جدید، فرضیه‌های قبلی را بازنگری کرده تا به دقیق‌ترین تشخیص ممکن دست یابد.

نتایج حاصل از پرونده‌های استخراج شده از صدها گزارش انتشار یافته در The New England Journal of Medicine نشان دهنده تفاوت‌های قابل توجهی است:

• دقت تشخیصی ابزار مایکروسافت به حدود ۸۳ درصد رسید.
• پزشکان عمومی با دسترسی به منابع به حدود ۳۶ درصد دقت دست پیدا کردند.
• پزشکانی که بدون منابع کمکی فعالیت کردند، دقتی حدود ۲۲ درصد داشتند.

آزمون دیگری به پرونده‌های واقعی موجود در بخش اورژانس مربوط می‌شد. این ابزار مایکروسافت با دقت ۸۰ درصد عمل کرد، در حالی که میانگین دقت پزشکان انسانی به ۴۷ درصد رسید. برآوردهای پژوهشگران نشان می‌دهد که این سامانه معمولاً با هزینه تشخیصی کمتری به نتایج می‌رسد، چرا که آزمایشات غیرضروری کمتری درخواست می‌کند.

نسخه‌ای که مورد آزمایش قرار گرفت، از مدل GPT-5 قدرت می‌گیرد. پژوهشگران اعلام کرده‌اند که این معماری چندعاملی حتی از مدل‌های پیشرفته‌تر در حالت مستقل هم بهتر عمل کرده، هرچند در مقاله مایکروسافت به مدل‌های جدیدتر مانند GPT-6 Astra، Muse Wonder Full متا، Gemini 4 Argon گوگل و Opus 5.5 آنتروپیک اشاره‌ای نشده است.

طراحی اولیه این سامانه به زمانی بازمی‌گردد که GPT-4.1 پیشرفته‌ترین مدل در دسترس این تیم بود. آزمایش‌های بعدی، به گفته پژوهشگران، نشان داده‌اند که ارتقاء توان مدل پایه به معنای خودکار بودن هماهنگی چند عامل نیست. هر عامل می‌تواند بخشی از مسئله را بررسی کند و هماهنگ‌کننده نیز می‌تواند اختلاف‌نظرها، هزینه آزمایش‌ها و روند رسیدن به پاسخ را مدیریت نماید.

اعدادی که منتشر شده‌اند، به معنای آمادگی این ابزار برای استفاده مستقل در بیمارستان‌ها نیستند. تمامی ارزیابی‌ها تا به حال تنها بر روی پرونده‌های گذشته انجام شده و هنوز مشخص نیست که این سامانه در شرایط فشار زمانی، با اطلاعات ناقص یا در تعامل با بیماران واقعی چه عملکردی خواهد داشت.

سلیمان بر نیاز به اعتبارسنجی بالینی تأکید کرده و معتقد است گذار به محیط واقعی یک گام بزرگ خواهد بود، هر چند نتایج کنونی را به عنوان یک نقطه عطف مهم در مسیر توسعه می‌داند. مقایسه درصدها نیز باید به‌دقت و با احتیاط انجام شود، چراکه عملکرد در یک محیط کنترل‌شده لزوماً معادل کیفیت مراقبت پزشکی در دنیای واقعی نیست.

دکتر دومینیک کینگ، مدیر بخش هوش مصنوعی سلامت مایکروسافت و یکی از نویسندگان این تحقیق، خاطرنشان کرده است که تشخیص تنها بخشی از برنامه وسیع‌تر این برند در حوزه سلامت است. مایکروسافت در مقاله‌ای که قرار است در نشریه پزشکی BMJ Digital Health & AI منتشر شود، به بررسی پنج قابلیت دیگر مورد نیاز هوش مصنوعی در حوزه پزشکی پرداخته است.

این شرکت قصد دارد با همکاری یک مرکز پزشکی، ارزیابی عملکرد این سامانه را در بیمارستان آغاز کند. شرکت مایکروسافت زمان دقیقی برای شروع این کار اعلام نکرده، اما انتظار دارد که روند کار در چند ماه آینده آغاز شود. سلیمان نیز از ارائه جدول زمانی مشخص اجتناب کرده است.

تجاری‌سازی در آینده نزدیک ممکن است، اما زمان دقیق عرضه و نحوه دسترسی به این ابزار هنوز مشخص نیست.

چشم‌انداز مایکروسافت حذف پزشک نیست. سلیمان که پیش‌تر به رویکرد «متمرکز بر انسان» در توسعه هوش مصنوعی اشاره کرده بود، تأکید می‌کند که متخصصان انسانی باید همواره نقشی محوری در مراقبت از بیماران ایفا کنند. تشخیص تنها بخشی از پروسه پزشکی به‌شمار می‌آید و ابعادی نظیر اعتماد، همدلی، توضیح گزینه‌های درمانی و پذیرش مسئولیت‌های بالینی نمی‌توانند تنها از طریق امتیاز یک معیار اندازه‌گیری شوند.

ورود ابزارهای هوشمند حتی ممکن است در کوتاه‌مدت بار کار پزشکان را افزایش دهد، زیرا خروجی این سیستم‌ها باید بازبینی شده و با شرایط واقعی بیماران تطبیق داده شود. هدف مایکروسافت کاهش کارهای تکراری و خسته‌کننده است تا پزشکان زمان بیشتری برای برقراری ارتباط مستقیم با بیماران داشته باشند.

نظر شما در مورد نقش هوش مصنوعی در تشخیص بیماری‌ها چیست؟