AI Microsoft przewyższa lekarzy w badaniach diagnostycznych
Badania Microsoftu wykazują, że ich AI osiąga wyższą dokładność diagnostyczną niż lekarze w symulowanych przypadkach medycznych.
Microsoft opublikował nowe badania, które pokazują, że jego AI Diagnostic Orchestrator osiąga znacznie wyższą dokładność diagnostyczną niż lekarze ogólni w symulowanych przypadkach medycznych. Badanie, opublikowane w czasopiśmie Science 22 października, ocenia, jak sztuczna inteligencja zbiera informacje kliniczne, zleca badania diagnostyczne i wyciąga wnioski na podstawie sekwencji decyzji. Mimo obiecujących wyników, technologia nie wykazała jeszcze swojej skuteczności w codziennej praktyce klinicznej.
Badania opierają się na wcześniejszej pracy Microsoftu dotyczącej diagnozowania wspomaganego przez AI, które relacjonowaliśmy w 2025 roku. W najnowszej ocenie system AI poprawnie zdiagnozował około 83% złożonych przypadków pochodzących z New England Journal of Medicine. Uczestniczący lekarze osiągnęli 36% dokładności, gdy mogli korzystać z podręczników i zasobów online, w porównaniu do 22% bez tych zasobów.
Osobna ocena dotycząca przypadków z oddziałów ratunkowych przyniosła podobne wyniki. AI osiągnęło około 80% dokładności diagnostycznej, w porównaniu do 47% wśród lekarzy. Te porównania dotyczyły symulowanych scenariuszy diagnostycznych, a nie bezpośredniej opieki nad pacjentem, dlatego nie można ustalić, czy system przewyższyłby klinicystów w codziennych warunkach opieki zdrowotnej.
AI podąża za procesem diagnostycznym
Badania koncentrują się na Sequential Diagnosis Benchmark, czyli SDBench, opracowanym w celu oceny, jak systemy AI podejmują decyzje diagnostyczne. W przeciwieństwie do konwencjonalnych badań medycznych, gdzie wszystkie istotne informacje są przedstawiane jednocześnie, benchmark zaczyna się od ograniczonego opisu stanu pacjenta. AI musi określić, jakie pytania zadać, jakie badania zlecić i kiedy wystarczające dowody są dostępne do ustalenia diagnozy.
Osobny komponent dostarcza dodatkowe informacje kliniczne w odpowiedzi na te zapytania. Gdy informacje nie są dostępne w oryginalnym rejestrze pacjenta, system może generować syntetyczne odpowiedzi. Ostateczna diagnoza systemu jest następnie porównywana z zarejestrowaną diagnozą. Ważne jest, aby benchmark również mierzył koszty związane z zlecanymi badaniami, co pozwala badaczom ocenić, czy system AI osiąga dokładne wnioski bez niepotrzebnego zwiększania liczby badań diagnostycznych.
Wielorakie role AI badają dowody kliniczne
AI Diagnostic Orchestrator Microsoftu wykorzystuje kilka symulowanych ról klinicznych do oceny możliwych diagnoz i określenia kolejnych kroków. Te role proponują wyjaśnienia, kwestionują wnioski i oceniają, czy dodatkowe badania dostarczą użytecznych informacji. Takie podejście ma na celu odtworzenie aspektów rozumowania klinicznego, gdzie decyzje diagnostyczne ewoluują w miarę pojawiania się nowych dowodów. Badacze udostępnili również część swojej infrastruktury oceny poprzez PhysioNet. Powiązany zestaw danych zawiera 488 przypadków pochodzących z interakcji na oddziałach ratunkowych, które zakończyły się hospitalizacją.
Zestaw danych zawiera oddzielne komponenty do rozwoju, walidacji i testów recenzowanych przez klinicystów, co pozwala innym badaczom badać metodologię w odpowiednich warunkach dostępu do danych. Niemniej jednak benchmark ma swoje ograniczenia. Niektóre odpowiedzi są generowane syntetycznie, a scenariusze nie mogą w pełni odzwierciedlać złożoności rzeczywistych konsultacji, w tym trudności w komunikacji, niekompletnych historii medycznych i nieprzewidzianych zdarzeń klinicznych.
Planowana ocena w szpitalu
Microsoft przygotowuje się do przejścia od testów retrospektywnych do współpracy z Beth Israel Deaconess Medical Center w Bostonie. Planowana ocena prospektywna będzie obejmować pacjentów w interakcji z systemem AI w środowisku szpitalnym. Jego wydajność będzie oceniana w porównaniu do niezależnych ocen lekarzy. Ta następna faza powinna dostarczyć dowodów na to, jak technologia sprawdza się, gdy informacje kliniczne są zbierane bezpośrednio od pacjentów, a nie rekonstruowane z istniejących rejestrów. Może to również pomóc ustalić, jak diagnoza wspomagana przez AI może być włączona w procesy kliniczne, w tym dokumentację, decyzje dotyczące dalszych badań i nadzór lekarzy.
Badanie stanowi postęp w ocenie medycznej AI poza konwencjonalnymi benchmarkami pytanie-odpowiedź. Niemniej jednak sama dokładność diagnostyczna nie wystarcza do ustalenia wartości klinicznej. Organizacje opieki zdrowotnej muszą również brać pod uwagę bezpieczeństwo pacjentów, niepotrzebne badania, integrację z istniejącymi systemami oraz odpowiedzialność za decyzje kliniczne. Wyniki pokazują potencjał sekwencyjnego rozumowania AI, ale prospektywne badania kliniczne będą niezbędne, aby ustalić, czy ten potencjał przekłada się na bezpieczniejszą, skuteczniejszą lub bardziej efektywną opiekę nad pacjentami.
Źródło: https://www.icthealth.org/news/microsoft-ai-outperforms-doctors-in-diagnostic-study
Źródło: www.icthealth.org