ابزار هوش مصنوعی مایکروسافت در تشخیص بیماری‌ها از پزشکان دقیق‌تر عمل کرد
مایکروسافت ابزار هوش مصنوعی جدیدی توسعه داده است که براساس پژوهشی منتشرشده در مجله علمی ساینس (Science)، می‌تواند بیماری‌های پیچیده را با دقت بیشتری نسبت به پزشکان عمومی تشخیص دهد. این ابزار در آزمایش‌های انجام‌شده توانست ۸۳٫۲ درصد بیماری‌ها را به‌درستی شناسایی کند، در حالی که پزشکان تنها در ۳۶٫۱ درصد موارد به تشخیص درست رسیدند.
نکته: این پژوهش با استفاده از پرونده‌های پزشکی موجود انجام شده و عملکرد هوش مصنوعی روی بیماران واقعی در بیمارستان‌ها آزمایش نشده است.
این ابزار که MAI-DxO نام دارد، به‌گونه‌ای طراحی شده است که مانند یک تیم پزشکی عمل کند. ابتدا درباره علائم بیمار پرسش‌هایی مطرح می‌کند، سپس مشخص می‌کند چه آزمایش‌هایی لازم است و پس از بررسی نتایج آن‌ها، تشخیص احتمالی خود را ارائه می‌دهد.
براساس گزارش خبرگزاری رویترز، این ابزار در آزمایش‌هایی که بر پایه پرونده‌های مراجعه‌کنندگان به بخش اورژانس طراحی شده بودند نیز عملکرد بهتری نسبت به پزشکان داشت. مایکروسافت معتقد است این فناوری می‌تواند به پزشکان در تشخیص بیماری‌های دشوار کمک کند؛ به‌ویژه در مواردی که علائم بیمار به‌روشنی نشان‌دهنده یک بیماری مشخص نیست.
ابزار هوش مصنوعی مایکروسافت چگونه کار می‌کند؟
بیشتر ابزارهای هوش مصنوعی تلاش می‌کنند با بررسی اطلاعاتی که در اختیارشان قرار می‌گیرد، مستقیماً پاسخی ارائه دهند. اما MAI-DxO مایکروسافت روش متفاوتی دارد. این سامانه مانند یک پزشک، پرونده پزشکی را مرحله‌به‌مرحله بررسی می‌کند تا به تشخیص برسد.
این ابزار از چندین عامل هوش مصنوعی تشکیل شده است که زیر نظر سامانه‌ای هماهنگ‌کننده با یکدیگر همکاری می‌کنند. فرایند تشخیص با تعیین پرسش‌های لازم درباره سابقه پزشکی بیمار آغاز می‌شود. سپس سامانه پاسخ‌ها را بررسی می‌کند، آزمایش‌های مناسب را پیشنهاد می‌دهد و با استفاده از نتایج آن‌ها، دامنه علت‌های احتمالی بیماری را محدودتر می‌کند.
برای مثال، اگر علائم یک بیمار با چند بیماری مختلف سازگار باشد، این ابزار می‌تواند آزمایش‌های بیشتری پیشنهاد کند تا پیش از رسیدن به تشخیص نهایی، برخی احتمال‌ها کنار گذاشته شوند.
مایکروسافت این ابزار را با استفاده از بیش از ۳۰۰ پرونده پزشکی پیچیده منتشرشده در مجله نیوانگلند ژورنال آو مدیسین (New England Journal of Medicine) آزمایش کرد. این سامانه توانست ۸۳٫۲ درصد موارد را به‌درستی تشخیص دهد. در مقابل، پزشکان عمومی که امکان مراجعه به منابع پزشکی را داشتند، به دقت ۳۶٫۱ درصد رسیدند.
پژوهشگران همچنین عملکرد این ابزار را روی ۳۲۵ پرونده مربوط به بخش اورژانس بررسی کردند. در این آزمایش، دقت تشخیص MAI-DxO به ۸۰٫۳ درصد رسید، در حالی که پزشکان دقت ۴۶٫۸ درصدی ثبت کردند.
هرچند این نتایج امیدوارکننده هستند، باید به تفاوت مهم میان تشخیص بیماری از روی یک پرونده پزشکی موجود و درمان بیماری در شرایط واقعی توجه داشت. همچنین پزشکان حاضر در این پژوهش به‌صورت انفرادی فعالیت می‌کردند، نه در قالب تیم‌هایی متشکل از متخصصان مختلف که معمولاً ممکن است مسئولیت رسیدگی به پرونده‌های بسیار پیچیده را بر عهده بگیرند.
هوش مصنوعی مایکروسافت می‌تواند به کنترل هزینه آزمایش‌های پزشکی نیز کمک کند
تشخیص درست بیماری اهمیت زیادی دارد، اما آزمایش‌های پزشکی نیز ممکن است هزینه‌های بالایی داشته باشند. به همین دلیل، پژوهش مایکروسافت علاوه بر دقت هوش مصنوعی در شناسایی بیماری‌ها، هزینه احتمالی بررسی و تشخیص هر پرونده را نیز ارزیابی کرده است.
براساس گزارش تک‌کرانچ، نتایج این آزمایش‌ها به مدل هوش مصنوعی مورد استفاده بستگی داشت. هنگامی که مایکروسافت سامانه خود را با مدل GPT-5.5 شرکت OpenAI ترکیب کرد، دقت تشخیص در پرونده‌های پیچیده از ۷۲ درصد به نزدیک ۸۷ درصد افزایش یافت.
البته این نتیجه مربوط به آزمایشی جداگانه است و نباید آن را با دقت ۸۳٫۲ درصدی ثبت‌شده در پژوهش اصلی یکسان دانست. رقم بالاتر به‌طور مشخص به ارزیابی انجام‌شده با مدل GPT-5.5 مربوط می‌شود.
با این حال، میزان بهبود عملکرد در همه انواع پرونده‌های پزشکی یکسان نبود. در سناریوهای مربوط به بخش اورژانس، مدل GPT-5.5 چه به‌تنهایی و چه در ترکیب با سامانه مایکروسافت، به دقتی در حدود ۸۵ درصد رسید. این نتیجه نشان می‌دهد که افزودن لایه هماهنگ‌کننده میان عوامل هوش مصنوعی ممکن است برای برخی مسائل پزشکی مفیدتر از مسائل دیگر باشد.
مایکروسافت همچنین مدل‌های هوش مصنوعی شرکت‌های دیگری از جمله گوگل، آنتروپیک، متا و دیپ‌سیک را آزمایش کرد. نتایج نشان داد که انتخاب مدل هوش مصنوعیِ زیربنای این سامانه، نقش مهمی در کیفیت عملکرد آن دارد.
این شرکت در برخی آزمایش‌ها از امکان کاهش هزینه‌ها خبر داده است، اما این برآوردها براساس پرونده‌های شبیه‌سازی‌شده به دست آمده‌اند. بنابراین هنوز ثابت نشده است که استفاده روزمره از این ابزار واقعاً هزینه‌های بیمارستانی را کاهش خواهد داد.
مایکروسافت قصد دارد این ابزار را در بیمارستان‌ها آزمایش کند
مایکروسافت با مرکز پزشکی بث اسرائیل دیکونِس (Beth Israel Deaconess Medical Center) در بوستون همکاری می‌کند تا عملکرد این هوش مصنوعی را در محیط واقعی خدمات درمانی بررسی کند. به گزارش رویترز، پژوهش برنامه‌ریزی‌شده قرار است مشخص کند آیا این فناوری می‌تواند به تیم‌های پزشکی در ارزیابی بیمارانی که در بخش اورژانس منتظر دریافت خدمات هستند کمک کند یا خیر.
بیمارانی که با شرکت در این پژوهش موافقت کنند، همچنان خدمات پزشکی استاندارد را دریافت خواهند کرد. پژوهشگران نیز پیشنهادهای هوش مصنوعی را با تصمیم‌های پزشکان مقایسه خواهند کرد.
اهمیت این آزمایش‌ها در آن است که بیماران واقعی ممکن است هم‌زمان چندین علامت داشته باشند، سوابق پزشکی آن‌ها ناقص باشد یا به بیماری‌هایی مبتلا باشند که تشخیصشان دشوار است. پزشکان همچنین باید تصمیم بگیرند کدام آزمایش‌ها ضروری هستند و چه روشی برای درمان بیمار ایمن‌تر است.
پژوهش فعلی ثابت نمی‌کند که MAI-DxO می‌تواند جایگزین پزشکان شود یا به بهبود وضعیت و روند بهبودی بیماران کمک کند. نتایج تنها نشان می‌دهند که این ابزار در آزمایش‌های کنترل‌شده عملکرد مطلوبی داشته است و هنوز باید مشخص شود در محیط واقعی بیمارستان تا چه اندازه کاربردی خواهد بود.
مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، هدف بلندمدت این شرکت را توسعه سامانه‌های هوش مصنوعی توصیف کرده است که بتوانند در انجام وظایف پیچیده پزشکی، به سطح تخصص انسان برسند یا حتی از آن فراتر بروند. مایکروسافت همچنین با همکاری کلینیک مایو (Mayo Clinic) در حال توسعه یک مدل هوش مصنوعی ویژه حوزه سلامت است که به گفته سلیمان، قرار است در سال ۲۰۲۷ منتشر شود.
البته مایکروسافت تنها شرکتی نیست که استفاده از هوش مصنوعی در تشخیص بیماری‌ها را دنبال می‌کند. گوگل و OpenAI نیز در حال توسعه ابزارهایی هستند که با هدف پشتیبانی از تصمیم‌گیری‌های بالینی طراحی شده‌اند.
در حال حاضر، نتایج به‌دست‌آمده از پژوهش مایکروسافت نشان می‌دهند که هوش مصنوعی می‌تواند به پزشکان در بررسی بیماری‌های پیچیده و انتخاب آزمایش‌های مناسب کمک کند. با این حال، پیش از آنکه بتوان چنین فناوری‌ای را ابزاری قابل اعتماد برای مراقبت‌های معمول از بیماران دانست، انجام پژوهش‌های بیشتری ضروری است.