سیستم MAI-DxO مایکروسافت در تشخیص بیماری‌های پیچیده به دقت ۸۳.۲ درصدی رسید که ۲ برابر دقیق‌تر از پزشکان عمومی است.
بخش هوش مصنوعی سلامت مایکروسافت اخیراً از ابزار جدیدی با نام MAI-DxO پرده برداشت که می‌تواند با پرسیدن سؤال از بیمار، با دقت بسیار بالایی به تشخیص نهایی در کیس‌های پیچیده و نادر برسد.
هوش مصنوعی MAI-DxO مایکروسافت برای تشخیص بیماری‌ها
مایکروسافت به‌تازگی ادعا کرد که سیستم هوش مصنوعی این شرکت می‌تواند در تشخیص موارد دشوار و بیماری‌های نادر، بیش از دو برابر پزشکان عمومی دقت داشته باشد. سیستم مورد اشاره که با نام MAI-DxO معرفی شده است، توانسته با انجام آزمایش‌ها و درخواست بررسی‌های پاراکلینیکی کمتر، عملکرد بهتری در مقایسه با پزشکان عمومی در تشخیص بیماری‌ها از خود نشان دهد. البته سازندگان این ابزار اذعان دارند که در صورت مقایسه آن با پزشکان متخصص، احتمالاً تفاوت عملکرد بسیار کمتر خواهد بود.
پژوهشگران و مهندسان مایکروسافت ابتدا نتایج مربوط به سیستم تشخیصی جدید خود را در ژورنال آنلاین arXiv منتشر کرده بودند؛ اما اکنون مقاله تکمیلی این پژوهش، پس از داوری مستقل، در ژورنال معتبر ساینس منتشر شده است. این نتایج نشان می‌دهند که ابزار توسعه‌یافته توسط آن‌ها دست‌کم در محیط پژوهشی می‌تواند عملکردی نزدیک به ادعاهای مطرح‌شده داشته باشد.
با وجود موفقیت در آزمون‌ها، سیستم MAI-DxO مایکروسافت برای تبدیل‌شدن به ابزاری کاربردی و فراگیر در تشخیص بیماری‌ها، به‌عنوان مکملی برای پزشکان، به آزمایش‌های بالینی بیشتری نیاز دارد. دکتر «دامینیک کینگ»، سرپرست بخش هوش مصنوعی سلامت مایکروسافت، اعلام کرده است که این شرکت قصد دارد طی ماه‌های آینده، آزمایش استفاده از محصول جدید خود را در یکی از بیمارستان‌های شهر بوستون در ایالت ماساچوست آغاز کند.
براساس مقاله تازه منتشرشده از سوی پژوهشگران مایکروسافت، سیستم MAI-DxO توانسته است در تشخیص موارد پیچیده و نادر، دقت ۸۳.۲ درصدی داشته باشد؛ درحالی‌که این میزان برای پزشکان عمومی با سطح دسترسی یکسان به داده‌ها و اطلاعات بیماران، تنها ۳۶.۱ درصد بوده است. جالب‌تر اینکه در آزمونی دیگر، هنگامی که اطلاعات اولیه از پزشکان دریغ شد، نرخ موفقیت آن‌ها در تشخیص به ۲۲ درصد کاهش یافت. در نتیجه، دقت سیستم هوش مصنوعی مایکروسافت در این شرایط تقریباً چهار برابر پزشکان عمومی بوده است.
طبق مطلب منتشرشده در وبلاگ مایکروسافت، سیستم MAI-DxO برای رسیدن به تشخیص صحیح به آزمایش‌ها و بررسی‌های پاراکلینیکی کمتری نیاز داشته است؛ به‌طوری‌که پتانسیل کاهش هزینه نهایی تشخیص و درمان را بین ۵۰ تا ۶۶ درصد دارد. این مسئله از منظر اقتصاد سلامت اهمیت زیادی دارد؛ اما نباید فراموش کرد که ارقام اعلام‌شده از سوی مایکروسافت براساس تخمین‌ها و شبیه‌سازی‌ها به‌دست آمده‌اند. در نتیجه، آزمایش این سیستم در شرایط واقعی ممکن است نتایج متفاوتی به همراه داشته باشد.
شایان ذکر است که سیستم MAI-DxO مایکروسافت برخلاف برخی نمونه‌های مشابه پیشین، فرایند تشخیص را مستقیماً براساس علائم بیمار، سوابق سلامت و نتایج آزمایشگاهی آغاز نمی‌کند؛ بلکه ابتدا به سراغ شکایت اصلی بیمار می‌رود و سپس برای دستیابی به اطلاعات موردنیاز، پرسش‌های تکمیلی مطرح می‌کند. این رویکرد شباهت بیشتری به عملکرد پزشکان در دنیای واقعی دارد و بر سازوکارهای استدلال ماشینی متمرکز است؛ در نتیجه، توانسته است در مقایسه با ابزارهای پیشین مبتنی‌بر مدل‌های زبانی بزرگ، خروجی بهتری ارائه دهد.