Τετραπλάσια ακρίβεια στη διάγνωση ασθενειών επιτυγχάνει το νέο σύστημα τεχνητής νοημοσύνης της MICROSOFT, σύμφωνα με τα αποτελέσματα πειραμάτων που συνέκριναν την επίδοση του εργαλείου με ιατρούς. Το MAI Diagnostic Orchestrator (MAI-DxO) κατάφερε να διαγνώσει σωστά ασθένειες σε ποσοστό 80%, ενώ οι γιατροί πέτυχαν μόλις 20% ακρίβεια στις ίδιες περιπτώσεις.
Ο CEO του τμήματος τεχνητής νοημοσύνης της εταιρείας, Mustafa Suleyman, χαρακτήρισε την εξέλιξη ως "γνήσιο βήμα προς την ιατρική υπερνοημοσύνη". Το πείραμα εξέτασε αν το εργαλείο μπορούσε να διαγνώσει σωστά έναν ασθενή με κάποια πάθηση, μιμούμενο εργασία που συνήθως εκτελείται από ιατρούς.
Η ερευνητική ομάδα της MICROSOFT χρησιμοποίησε 304 μελέτες περιπτώσεων από το New England Journal of Medicine για να δημιουργήσει μια δοκιμή που ονομάστηκε Sequential Diagnosis Benchmark. Ένα γλωσσικό μοντέλο χώρισε κάθε περίπτωση σε μια βήμα προς βήμα διαδικασία που θα εκτελούσε ένας γιατρός προκειμένου να οδηγηθεί σε διάγνωση.
Στη συνέχεια οι ερευνητές κατασκεύασαν ένα σύστημα που εκτελεί ερωτήματα σε πολλά κορυφαία μοντέλα τεχνητής νοημοσύνης, συμπεριλαμβανομένων των GPT της OPENAI, Gemini της GOOGLE, Claude της ANTHROPIC, Llama της META και Grok της XAI. Ο τρόπος λειτουργίας μιμείται αρκετούς ανθρώπινους ειδικούς που εργάζονται μαζί.
Πέρα από τη βελτιωμένη ακρίβεια, το MAI-DxO μείωσε το κόστος κατά 20% επιλέγοντας λιγότερο ακριβές εξετάσεις και διαδικασίες. Σύμφωνα με τον Suleyman, ο μηχανισμός συντονισμού πολλών παραγόντων που συνεργάζονται σε στυλ αλυσίδας συζήτησης είναι που θα οδηγήσει κοντύτερα στην ιατρική υπερνοημοσύνη.
Η εταιρεία προσέλκυσε αρκετούς ερευνητές τεχνητής νοημοσύνης από την GOOGLE για να βοηθήσουν στην προσπάθεια, σημάδι που δείχνει την εντατικοποίηση του πολέμου για την κορυφαία εμπειρογνωμοσύνη στη βιομηχανία τεχνολογίας. Ο Suleyman είχε προηγουμένως εργαστεί ως στέλεχος στην GOOGLE.
Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη ευρέως σε ορισμένα τμήματα της βιομηχανίας υγείας στις ΗΠΑ, συμπεριλαμβανομένης της βοήθειας σε ακτινολόγους για την ερμηνεία σαρώσεων. Τα πιο πρόσφατα πολυτροπικά μοντέλα τεχνητής νοημοσύνης έχουν τη δυνατότητα να λειτουργήσουν ως πιο γενικά διαγνωστικά εργαλεία.
Ωστόσο, η χρήση τεχνητής νοημοσύνης στην υγειονομική περίθαλψη εγείρει ζητήματα, ιδιαίτερα σχετικά με προκαταλήψεις από δεδομένα εκπαίδευσης που είναι στραμμένα προς συγκεκριμένα δημογραφικά στοιχεία. Η MICROSOFT δεν έχει αποφασίσει ακόμη αν θα προσπαθήσει να εμπορευματοποιήσει την τεχνολογία, παραδεχόμενη ότι για την ώρα η υπηρεσία δεν είναι έτοιμη για εμπορική αξιοποίηση.
Ένα στέλεχος που μίλησε υπό το καθεστώς ανωνυμίας δήλωσε ότι η εταιρεία θα μπορούσε να την ενσωματώσει στο BING για να βοηθήσει τους χρήστες να διαγνώσουν παθήσεις. Θα μπορούσε επίσης να αναπτύξει εργαλεία για να βοηθήσει ιατρικούς ειδικούς να βελτιώσουν ή ακόμη και να αυτοματοποιήσουν τη φροντίδα ασθενών.
Ο Suleyman δήλωσε ότι τα επόμενα χρόνια η εταιρεία θα δουλέψει όλο και περισσότερα προκειμένου να αποδείξει ότι παρόμοια συστήματα παρέχουν μεγάλη βοήθεια σε πραγματικές ιατρικές καταστάσεις. Το project αποτελεί το τελευταίο σε ένα σύνολο ερευνών που δείχνουν πώς τα μοντέλα τεχνητής νοημοσύνης μπορούν να διαγνώσουν ασθένειες.
Τα τελευταία χρόνια, τόσο η MICROSOFT όσο και η GOOGLE έχουν δημοσιεύσει έγγραφα που δείχνουν ότι μεγάλα γλωσσικά μοντέλα μπορούν να διαγνώσουν με ακρίβεια μια πάθηση όταν έχουν πρόσβαση σε ιατρικά αρχεία.
Η νέα έρευνα της MICROSOFT διαφέρει από προηγούμενη εργασία στο ότι αναπαράγει με μεγαλύτερη ακρίβεια τον τρόπο που οι ιατροί διαγιγνώσκουν ασθένειες - αναλύοντας συμπτώματα, παραγγέλνοντας εξετάσεις και εκτελώντας περαιτέρω ανάλυση μέχρι να επιτευχθεί διάγνωση.
Η MICROSOFT περιγράφει τον τρόπο που συνδύασε αρκετά πρωτοποριακά μοντέλα τεχνητής νοημοσύνης ως "μονοπάτι προς την ιατρική υπερνοημοσύνη" σε αναλυτική ανάρτηση της για το project. Το έργο επίσης υποδηλώνει ότι η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στη μείωση του κόστους υγειονομικής περίθαλψης, ένα κρίσιμο ζήτημα ιδιαίτερα στις ΗΠΑ.
Ο Dominic King, αντιπρόεδρος της MICROSOFT που εμπλέκεται στο project, δήλωσε ότι το μοντέλο τους αποδίδει εκπληκτικά καλά, τόσο στην επίτευξη διάγνωσης όσο και στην επίτευξη αυτής της διάγνωσης με πολύ αποδοτικό κόστος.
