هوش مصنوعی مایکروسافت توانسته است در تشخیص بیماری از پزشکان پیشی بگیرد

شرکت مایکروسافت اعلام کرده است که ابزار نوین هوش مصنوعی آنها می‌تواند در تشخیص برخی از بیماری‌ها، دقتی چهار برابر بیشتر از پزشکان داشته باشد. نتایج شگفت‌انگیز این آزمایش‌ها تصویری از «فوق هوش پزشکی» را ترسیم می‌کند، هرچند فاصله‌ی موجود بین حل آزمون‌های مستند و اتخاذ تصمیم‌های بالینی در کنار تخت بیمار همچنان باقی است.

مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، اشاره کرده که دوره‌ی وعده‌های بی‌پایه درباره‌ی نقش هوش مصنوعی در حوزه سلامت به آخر رسیده و اکنون زمان آن رسیده که از این فناوری به‌صورت عملی استفاده شود.

تیم پژوهشی مایکروسافت با هدف ارزیابی عملکرد این سامانه، آن را در محیطی مرتبط با سناریوهای واقعی برگرفته از گزارش‌های پزشکی و داده‌های اورژانس، با عملکرد پزشکان مقایسه کردند. این پرونده‌ها بر اساس معیاری به نام SDBench گردآوری شده‌اند و مایکروسافت قصد دارد این معیار را به‌صورت متن‌باز در دسترس قرار دهد.

هسته‌ی اصلی این پروژه ابزار Microsoft Diagnostic Orchestrator نام دارد. این ابزار به‌عنوان گروهی از پزشکان خبره عمل کرده و چندین عامل هوش مصنوعی را به‌منظور ارزیابی علائم، مرور سوابق پزشکی، انتخاب آزمایش‌های لازم و رسیدن به تشخیصی نهایی، کنار هم جمع‌آوری می‌کند.

این فرایند کار به‌شیوه‌ای مشابه گفت‌وگوی تشخیصی پزشک است. سامانه به‌جای دریافت کل اطلاعات به‌صورت همزمان، سؤالاتی را مطرح کرده، احتمالات متفاوت را بررسی می‌کند و اقدام به درخواست آزمایش‌های مورد نیاز می‌نماید. سپس بر اساس هر داده جدیدی که دریافت می‌کند، نظریه‌های قبلی را بازبینی کرده و به سوی محتمل‌ترین تشخیص پیش می‌رود.

نتایج پژوهش‌ها که از صدها گزارش منتشرشده در The New England Journal of Medicine استخراج شده، اختلافات قابل توجهی را نشان می‌دهد:

• دقت تشخیص سامانه‌ی مایکروسافت حدود ۸۳ درصد ثبت شده است.
• پزشکان عمومی که از منابع در دسترس استفاده کردند، به دقتی مشابه ۳۶ درصد دست یافتند.
• پزشکانی که هیچ منبع کمکی نداشتند، دقتی به‌مراتب پایین‌تر، در حدود ۲۲ درصد ارائه دادند.

آزمون دیگری که به پرونده‌های واقعی در بخش اورژانس پرداخت، نشان داد که ابزار مایکروسافت دقتی معادل ۸۰ درصد کسب کرده، در حالی که میانگین دقت پزشکان انسانی تنها ۴۷ درصد بود. تخمین‌های پژوهشگران همچنین حاکی از آن است که این سامانه معمولا با هزینه کمتری به تشخیص می‌رسد، چراکه درخواست آزمایش‌های غیرضروری را به حداقل می‌رساند.

نسخه‌ی آزمایش‌شده‌ی Diagnostic Orchestrator از مدل GPT-5 بهره می‌برد. پژوهشگران معتقدند که این معماری چندعاملی حتی در مقایسه با مدل‌های پیشرفته و مستقل نیز عملکرد بهتری داشته است، هرچند مقاله‌ی مایکروسافت به مدل‌های جدیدتر مانند GPT-6 Astra، Muse Wonder Full متا، Gemini 4 Argon گوگل و Opus 5.5 آنتروپیک اشاره‌ای ندارد.

طراحی ابتدایی این سامانه به زمانی برمی‌گردد که تیم با مدل GPT-4.1 به‌عنوان پیشرفته‌ترین مدل موجود کار می‌کرد. آزمایش‌های بعدی نشان می‌دهند که افزایش توان مدل پایه، به‌طور خودکار بهبود هماهنگی بین چندین عامل را تضمین نمی‌کند. هر یک از عامل‌ها می‌تواند بخشی از مسئله را پردازش کند و هماهنگ‌کننده وظیفه‌ی مدیریت اختلاف نظرها، هزینه‌های انجام آزمایش‌ها و مسیر رسیدن به نتیجه‌ی نهایی را بر عهده دارد.

اعداد منتشرشده به‌هیچ وجه به معنای آمادگی این ابزار برای استفاده مستقل در بیمارستان‌ها نیستند. تمامی ارزیابی‌ها تاکنون بر روی پرونده‌های منقضی شده انجام شده و هنوز مشخص نیست که سامانه در شرایط فشار زمانی، با اطلاعات ناقص یا در تعامل با بیماران واقعی چگونه عمل خواهد کرد.

سلیمان به اهمیت اعتبارسنجی بالینی اشاره کرده و بیان کرده است که عبور از مراحل آزمایشی به دنیای واقعی مرحله‌ای بزرگ به شمار می‌آید، هرچند که وی نتایج فعلی را نشانه‌ای مثبت در مسیر توسعه‌ی این فناوری می‌داند. مقایسه‌ی مستقیم این درصدها نیز باید به‌طور دقیق و با احتیاط انجام شود، چراکه کاربرد در یک محیط کنترل‌شده به‌طور خودکار معادل کیفیت خدمات پزشکی در دنیای واقعی نیست.

دکتر دومینیک کینگ، مدیر بخش سلامت هوش مصنوعی مایکروسافت و یکی از نویسندگان پژوهش، بر این باور است که تشخیص تنها بخشی از یک برنامه‌ی جامع‌تر در حوزه سلامت محسوب می‌شود. مایکروسافت در پژوهشی که قرار است در نشریه‌ی علمی BMJ Digital Health & AI منتشر شود، به بررسی پنج عنصر دیگر ضروری برای هوش مصنوعی در پزشکی پرداخته است.

این شرکت قصد دارد با همکاری یک مرکز پزشکی، ارزیابی سامانه در محیط بیمارستانی را آغاز کند. اگرچه زمان دقیق این ارزیابی هنوز مشخص نیست، اما انتظار می‌رود این فعالیت‌ها در ماه‌های آینده آغاز شوند. سلیمان همچنین از بیان جدول زمانی مشخص برای این کار خودداری کرده است.

تجاری‌سازی این فناوری در آینده مطرح شده، اما زمان دقیق عرضه و نوع دسترسی به این ابزار همچنان نامشخص است.

چشم‌انداز مایکروسافت به هیچ وجه حذف پزشکان را در نظر ندارد. سلیمان که پیش‌تر از رویکرد «انسان‌محور» خود در توسعه‌ی هوش مصنوعی سخن به میان آورده بود، تأکید می‌کند که همواره باید متخصصان انسانی در مرکز فرآیند مراقبت از بیمار قرار داشته باشند. تشخیص تنها یک مرحله از هنر پزشکی است و نمی‌توان مقوله‌هایی نظیر اعتماد، همدلی و توضیح گزینه‌های درمان و همچنین گرفتن مسئولیت بالینی را صرفاً با یک امتیاز ارزیابی کرد.

ورود تکنولوژی‌های هوشمند تا حدی می‌تواند در کوتاه‌مدت بار کاری پزشکان را افزایش دهد، چراکه خروجی این سامانه‌ها نیاز به بررسی دقیق و انطباق با شرایط واقعی بیمار دارد. انتظار می‌رود که مایکروسافت با تمرکز بر کاهش مشاغل تکراری و کم‌ارزش، فرصت بیشتری برای پزشکان جهت برقراری ارتباط مستقیم با بیماران فراهم آورد.

نظر شما درباره‌ی تأثیر هوش مصنوعی در تشخیص بیماری‌ها چیست؟