Ką, jei dirbtinis intelektas galėtų padėti gydytojams žingsnis po žingsnio nustatyti sudėtingą diagnozę, pasiekiant didesnį tikslumą, mažesnėmis sąnaudomis ir atliekant mažiau medicininių tyrimų?
Tokia ateitis pamažu artėja. Vertinant pagal MIMIC-IV-ED atvejus, įprastais JAV skubiosios pagalbos skyriuje pasitaikančiais atvejais Microsoft dirbtinio intelekto diagnostikos sistema MAI-DxO yra 1,7 karto tikslesnė nei gydytojai.
Sudėtingiausiais medicinos atvejais, publikuotais žurnale The New England Journal of Medicine, MAI-DxO yra daugiau nei dvigubai tikslesnė nei gydytojai, naudojantys vadovėlius ir internetą, o gydytojams diagnozuojant be šių išteklių – beveik keturis kartus tikslesnė. Be to, sistema tai pasiekia už perpus ar net trečdaliu mažesnę kainą, nes teisingą diagnozę nustato atlikdama mažiau tyrimų ir procedūrų.
Microsoft darbas šiandien paskelbtas žurnale Science.
Iš naujo permąstant, kaip kuriamas ir testuojamas DI
Dirbtinis intelektas gali pakeisti sveikatą ir sveikatos priežiūrą, o pažanga sparčiai spartėja. Dabar iššūkis – sukurti ir kruopščiai įvertinti DI sistemas, kurios klinikinio mąstymo gebėjimų pažangą paverstų realia nauda.
Šiandien paskelbtame straipsnyje, besiremiančiame ankstesniu darbu, pristatomi du šio pokyčio pagrindai: Sequential Diagnosis Benchmark (SDBench), tikrinantis nuoseklų diagnostinį mąstymą, ir Microsoft AI Diagnostic Orchestrator (MAI-DxO) – pagal šį testą geriausiai pasirodžiusi bendrovės DI sistema.
Medicinos licencijavimo egzaminai, pavyzdžiui, JAV medicinos licencijavimo egzaminai (USMLE), skirti gydytojų žinioms vertinti, o ne klinikinės diagnostikos realybei atspindėti. Per tokius egzaminus visa informacija pateikiama iš karto ir pasirenkamas vienas atsakymas, o praktikoje gydytojai vaizdą turi sudėlioti žingsnis po žingsnio: nuspręsti, ko klausti, kokius tyrimus skirti ir kaip kiekvienas naujas radinys keičia tikėtiniausią diagnozę. Vis dėlto būtent tokie egzaminai tapo įprastais sveikatos DI veikimui vertinti naudojamais etalonais.
Todėl Microsoft sukūrė SDBench, kuris vertina veikimą pagal dvi viena kitą papildančias atvejų grupes: 304 sudėtingus atvejus iš The New England Journal of Medicine (NEJM) klinikinių atvejų analizių ir didesnį skaičių tipiškesnių skubiosios pagalbos skyriaus atvejų iš MIMIC-IV-ED. Kiekvienas jų tampa interaktyviu atveju, kuriame DI modeliai ir (arba) gydytojai pradeda turėdami ribotą informaciją ir patys renkasi, ko prašyti toliau. Etalonas matuoja diagnostikos tikslumą, pareikalautus duomenis ir apskaičiuotas tyrimų kainas – taigi vertinamas ir atsakymas, ir nueitas kelias.
Paaiškinimas: Etalonas (angl. benchmark) – standartizuotas bandymų rinkinys, pagal kurį galima palyginti skirtingų sistemų ar žmonių rezultatus tomis pačiomis sąlygomis.
Microsoft sukūrė MAI-DxO ir išbandė ją naudodama SDBench. Užuot rėmusis vienu modeliu, kuris iškart pateikia atsakymą, sistema veikia kaip virtualių gydytojų komisija: kiekvienas jos narys siūlo diagnozes, parenka naudingus klausimus ar tyrimus ir kvestionuoja besiformuojančią nuomonę. MAI-DxO šią diskusiją koordinuoja per kelis debatų ratus, atnaujindama vertinimą gavusi naujų duomenų ir lygindama kiekvieno tyrimo tikėtiną vertę su jo kaina.
Ką nustatė tyrėjai:
- Sudėtingais NEJM atvejais MAI-DxO pasiekė 83 % diagnostikos tikslumą. Gydytojai be išorinių informacijos šaltinių pasiekė 22 %, o jais naudodamiesi – 36 %, taigi MAI-DxO buvo atitinkamai apie 3,7 ir 2,3 karto tikslesnė.
- Tipiškesniais skubiosios pagalbos skyriaus atvejais iš MIMIC-IV-ED MAI-DxO pasiekė 80 % tikslumą, o gydytojai – 47 %, t. y. daugiau nei 1,7 karto didesnį.
- Kai MAI-DxO buvo intensyviau optimizuota kainai, jos veikimas išliko stiprus, o pasirinkti tyrimai tapo ekonomiškesni. NEJM atvejais viena konfigūracija pasiekė 81 % tikslumą už mažiau nei perpus mažesnę kainą nei palyginamosios sistemos.
- Abiejuose duomenų rinkiniuose nė vienas kitas žmogaus ar DI metodas nebuvo ir tikslesnis, ir pigesnis už MAI-DxO.
- Šie pranašumai išliko ir netgi padidėjo, kai vertinimas buvo pakartotas su naujesniais modeliais, įskaitant GPT-5.5, nekeičiant orkestravimo metodo, o tai rodo, kad metodas nėra susietas su viena modelių karta.
Microsoft atveria SDBench kodą pasirinktiems NEJM atvejams – įskaitant etaloną, Gatekeeper, Judge ir kainų vertinimo kodą, – kad tyrėjai galėtų pakartoti vertinimą, išbandyti kitus modelius, taip pat užginčyti ar išplėsti išvadas.
Nuo geresnės diagnostikos prie geresnės priežiūros
Diagnostika yra tik viena sveikatos priežiūros kelio dalis. Geresnei priežiūrai taip pat reikia neatsilikti nuo medicinos žinių, parinkti tinkamą gydymą, suprasti pokyčius laikui bėgant ir padėti rinktis taip, kad atsispindėtų žmogaus vertybės ir galimybės gauti priežiūrą. Siekiama šiuos gebėjimus sujungti į šiandien plačiai neprieinamą priežiūros standartą. Straipsnyje The Building Blocks of Medical Superintelligence, paskelbtame BMJ Digital Health and AI, Microsoft tyrėjai nagrinėja, ko reikėtų, kad DI galėtų padėti įgyvendinti šią platesnę viziją ir galiausiai pranokti šiandienių stipriausių klinikinių komandų bei sveikatos sistemų gebėjimus.
Nuoseklioji diagnostika yra ankstyvas pavyzdys: DI gydytojai bendradarbiauja, kvestionuoja prielaidas ir tobulina klinikinį mąstymą, kai atsiranda naujų duomenų. Microsoft siekis – sukurti DI, kuris jungtų žinias, kontekstą ir sprendimus visame priežiūros kelyje, o ne tik puikiai atliktų vieną klinikinę užduotį. Bendradarbiaudama su Mayo Clinic, bendrovė siekia sujungti pažangiausią DI, klinikinę patirtį ir ilgalaikius multimodalius duomenis, kad sukurtų sistemas, tinkamas realios priežiūros sudėtingumui ir įvairovei.
Bandymai realiame pasaulyje
Etalonai svarbūs, tačiau tikrasis išbandymas – veikimas realioje klinikinėje aplinkoje. Pagal naują partnerystę su Bostono Beth Israel Deaconess Medical Center Microsoft vertins klinikinio mąstymo gebėjimus skirtingose ligoninių aplinkose. Perspektyviajame tyrime pacientai tiesiogiai bendraus su sistema, o jos veikimas bus matuojamas lyginant su nepriklausomais gydytojų vertinimais. Darbas kartu su klinikinėmis komandomis parodys, kur technologija sėkmingai veikia, kur jai trūksta galių ir kaip ji gali tilpti į intensyvią darbo eigą.
Paaiškinimas: Perspektyvusis tyrimas – tai tyrimas, kuriame duomenys renkami iš anksto numatyta tvarka stebint įvykius jiems vykstant, o ne analizuojant jau įvykusius atvejus.
Sveikata Microsoft
Sparti medicininio DI pažanga atveria naujų galimybių pacientams ir gydytojams. Kad ši pažanga virstų praktine nauda, Microsoft vienija sveikatos komandas iš visos bendrovės – įskaitant Microsoft Research mokslininkus ir komandas, kuriančias tokius produktus kaip Dragon Copilot ir PowerScribe, – į vieningą pastangą Microsoft AI padalinyje. Bendrovės teigimu, dirbdamos kartu šios komandos paspartins patikimų DI sistemų diegimą, kuris padės pasiekti geresnių klinikinių rezultatų ir priežiūros patirties.
Kurkite ateitį kartu su Microsoft AI
Microsoft AI (MAI) laboratorija save apibūdina kaip nedidelę, greitai judančią komandą, kurią sudaro vieni talentingiausių pasaulio protų. Pasak bendrovės, MAI skaičiavimo pajėgumų planas yra įspūdingas, o pajėgumai sparčiai ir plačiai auga. Laboratorija taip pat turi plataus užmojo misiją, kuria nuoširdžiai tiki, ir bendradarbiauja su puikiomis produktų komandomis, dėl kurių jos modeliai gali pasiekti milijardus naudotojų ir sukelti didžiulį teigiamą poveikį. Bendrovė kviečia prisijungti išskirtinius, labai ambicingus ir be didelio ego asmenis, kurie norėtų dirbti kuriant naujos kartos modelius.
