فهرست مطالب
هوش مصنوعی تشخیصی مایکروسافت در آزمایش‌ها به دقت ۸۳ درصد رسید و از پزشکان بهتر عمل کرد؛ این شرکت به‌دنبال توسعه سامانه‌ای هم‌سطح پزشکان است.
به گزارش سرویس هوش مصنوعی تک‌ناک، مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، در گفت‌وگو با وب‌سایت The Verge اعلام کرده است که این شرکت قصد دارد طی یکی دو سال آینده سامانه‌ای بسازد که عملکرد آن در تشخیص بیماری‌ها از عملکرد پزشکان قابل‌تمایز نباشد. این اظهارات در شرایطی مطرح می‌شود که مایکروسافت مدعی است ابزار تشخیصی مبتنی‌بر هوش مصنوعی این شرکت می‌تواند برخی بیماری‌ها را تا چهار برابر دقیق‌تر از پزشکان تشخیص دهد.
دقت ۸۳ درصدی هوش مصنوعی مایکروسافت در تشخیص بیماری
نتایج این پژوهش روز پنجشنبه در مجله معتبر Science منتشر شد. در این مطالعه، پژوهشگران عملکرد سامانه هوش مصنوعی مایکروسافت را با پزشکان انسانی مقایسه کردند. ارزیابی‌ها بر اساس مجموعه‌ای از سناریوهای پزشکی انجام شد که از گزارش‌های بالینی منتشرشده و داده‌های مربوط‌به بیماران اورژانسی گردآوری شده بودند.
مایکروسافت این پرونده‌ها را در قالب یک معیار ارزیابی اختصاصی به‌نام SDBench گردآوری کرده و قصد دارد آن را به‌صورت متن‌باز منتشر کند.
سامانه Diagnostic Orchestrator مایکروسافت برای شبیه‌سازی عملکرد گروهی از متخصصان پزشکی طراحی شده است. این ابزار با استفاده از چند عامل هوش مصنوعی، علائم و سوابق پزشکی بیمار را بررسی می‌کند، درباره آزمایش‌های مورد نیاز تصمیم می‌گیرد و در نهایت به تشخیص می‌رسد؛ فرایندی که به روش معمول پزشکان برای بررسی و تشخیص بیماری شباهت دارد.
بر اساس نتایج منتشرشده، این سامانه در پرونده‌های برگرفته از صدها گزارش منتشرشده در نشریه New England Journal of Medicine به دقت تشخیصی حدود ۸۳ درصد رسید. در همین ارزیابی، دقت پزشکان عمومی با دسترسی به منابع مرجع حدود ۳۶ درصد و دقت پزشکانی که بدون این منابع کار می‌کردند، حدود ۲۲ درصد بود.
عملکرد بهتر در پرونده‌های اورژانسی و هزینه کمتر
پژوهشگران عملکرد Diagnostic Orchestrator را در پرونده‌های اورژانسی نیز بررسی کردند. این پرونده‌ها از پایگاه داده بزرگی شامل اطلاعات پذیرش بیماران در مرکز پزشکی Beth Israel Deaconess در شهر بوستون استخراج شده بودند.
در این بخش از آزمایش، دقت سامانه هوش مصنوعی به ۸۰ درصد رسید؛ درحالی‌که میانگین دقت پزشکان انسانی حدود ۴۷ درصد بود. همچنین، این سامانه معمولاً با هزینه تخمینی کمتری نسبت‌به پزشکان به تشخیص می‌رسید.
بااین‌حال، این ارقام به عملکرد سامانه در سناریوهای آزمایشی مربوط هستند و به‌تنهایی ثابت نمی‌کنند که استفاده از آن در شرایط واقعی بیمارستانی نیز همین میزان بهبود دقت یا کاهش هزینه را به همراه خواهد داشت.
همکاری چند عامل هوش مصنوعی چه مزیتی دارد؟
به گفته پژوهشگران، Diagnostic Orchestrator با مدل GPT-5 شرکت OpenAI کار می‌کند و در آزمایش‌ها از مدل‌های پیشرفته هوش مصنوعی که به‌صورت مستقل فعالیت می‌کردند نیز عملکرد بهتری داشته است.
البته مقاله داوری‌شده این پژوهش، مدل‌های جدیدتری مانند GPT-6 Astra، مدل Muse Wonder Full متا، Gemini 4 Argon گوگل و Opus 5.5 شرکت Anthropic را بررسی نکرده است.
توسعه این سامانه در زمانی آغاز شد که GPT-4.1 پیشرفته‌ترین مدل در دسترس بود. بااین‌حال، پژوهشگران می‌گویند آزمایش‌های بعدی نشان داده‌اند که افزایش توانایی مدل‌های هوش مصنوعی لزوماً مزایای همکاری چند عامل را از بین نمی‌برد.
این موضوع نشان می‌دهد که عملکرد سامانه‌های تشخیصی ممکن است تنها به قدرت یک مدل منفرد وابسته نباشد؛ بلکه نحوه تقسیم وظایف، بررسی مرحله‌به‌مرحله اطلاعات و همکاری میان چند عامل نیز می‌تواند نقش مهمی داشته باشد.
در نهایت، هدف مایکروسافت ساخت سامانه‌ای است که بتواند در تشخیص بیماری‌ها به سطح عملکرد پزشکان برسد. با وجود نتایج امیدوارکننده فعلی، ارزیابی این فناوری در محیط‌های بالینی واقعی و مقایسه آن با پزشکان در شرایط عملی، برای مشخص‌شدن میزان کارایی آن ضروری خواهد بود.