A jó diagnózis a sikeres gyógyítás egyik legfontosabb lépése. Ezért is figyelemre méltó a Microsoft immár lektorált kutatási eredménye, amely szerint a mesterséges intelligencián alapuló diagnosztizáló eszközük a diagnózis felállítása során jelentősen jobban teljesít az általános orvosoknál, ráadásul kevesebb és olcsóbb vizsgálatokkal jut el a megoldásig.
Egy lépés az úgynevezett orvosi szuperintelligencia felé – így jellemezte Mustafa Suleyman, a Microsoft mesterséges intelligencia vezérigazgatója a Microsoft AI-alapú diagnosztikai rendszerét, miután több mint kétszer olyan gyakran diagnosztizált helyesen komplex orvosi eseteket egy szimulációban, mint az általános orvosok.
A Microsoft AI Diagnostic Orchestrator (MAI-DxO) nevű rendszer több mesterséges intelligencia által vezérelt ügynököt koordinál, akik orvosi bizottságként működnek – olvasható a rangos Science folyóiratban megjelent, nyelvi modellekkel történő szekvenciális diagnózist feszegető tanulmányban.
A kutatók két különböző beteganyaggal tesztelték a rendszert. Az első csoportban 304 összetett, különösen nehéz esetet tekintettek át, amelyek gyakran ritka vagy bonyolult betegségeket, illetve nehezen megfejthető tünetegyütteseket produkáltak.
Ezekben az esetekben a MAI-DxO körülbelül 83 százalékos diagnosztikai pontosságot ért el. Az összehasonlításban részt vevő általános orvosok referenciakönyvek és internetes források használatával körülbelül 36 százalékos eredményt értek el, külső segédanyagok nélkül viszont már csak 22 százalékos volt a pontosságuk.
Az AI-os rendszer tehát a rendkívül nehéz esetekben több mint kétszer olyan pontosnak bizonyult, mint az információforrásokat használó orvosok, és közel négyszer olyan pontosnak, mint azok, akik ilyen segítség nélkül dolgoztak.
A második teszt a sürgősségi osztályokon előforduló beteghelyzeteket vizsgálta. A Microsoft mesterséges intelligenciája ismét felülmúlta az általános orvosokat, bár szűkebb volt a különbség: a MAI-DxO körülbelül 80 százalékos pontosságot ért el, szemben az orvosok 47 százalék körüli eredményével. Azt persze a kutatók is elismerték, hogy „a teljesítménybeli különbség csökkenésére számítanának”, ha a DxO-t a megfelelő szakterületek tapasztalt szakértőivel vetnék össze.
Daganatsejtek egyedi vizsgálatára dolgoztak ki a mesterséges intelligenciát alkalmazó, a vizuális jellemzők mellett a molekuláris tulajdonságokat is elemző módszert a Szegedi Biológiai Kutatóközpontban.
Úgy tűnik, a MAI-DxO nemcsak pontosabb, hanem akár hatékonyabb is lehet. A Microsoft közlése szerint a rendszer bizonyos összehasonlításokban a hagyományos költségek felével, illetve akár harmadával is képes volt dolgozni, miközben megtartotta a magas diagnosztikai pontosságot. Ezek a költségadatok persze szimulált esetekre és becsült vizsgálati költségekre épültek, nem pedig egy valós kórházban végzett, teljes körű gazdasági vizsgálatra, amelynél még számos tényező befolyásolja a végső árat.
A DxO szekvenciálisan működik, ami azt jelenti, hogy a betegek nem egyszerűen bemutatják a rendszernek a tüneteket, a kórtörténet és a vizsgálati eredmények átfogó listáját. Ehelyett egy fő panaszt mondanak el, és a rendszerre van bízva, hogy milyen további kérdéseket tegyen fel és milyen vizsgálatokat rendeljen el, mielőtt felállítaná a diagnózist. Ez sokkal közelebb áll ahhoz, ahogyan az orvosok valójában diagnosztizálják a betegeket.
Az is előnyös, hogy a rendszer különböző szerepeket rendel a mesterséges intelligencia által vezérelt ágensekhez, akik diagnózisokat javasolnak, teszteket választanak ki, megkérdőjelezik a feltételezéseket, és mérlegelik a költségeket. A kutatók szerint ez a megközelítés segíthet ellensúlyozni az egyes orvosokat érintő kognitív torzítások egy részét, például a kezdeti diagnózishoz való ragaszkodást vagy az alternatív magyarázatok figyelmen kívül hagyását.
A Microsoft számos cég modelljeivel tesztelte a MAI-DxO-t, köztük az OpenAI-jal, a Google-lel, az Anthropickal, a Metával és a DeepSeekkel, és a legjobb eredményeket az OpenAI GPT-5 és GPT-5.5 modelljeivel érte el.
A Microsoft most a való világban is tesztelné az eszközt, és a Beth Israel Deaconess Medical Center bostoni kórházzal együttműködésben valós klinikai környezetben is vizsgálni fogják a technológiát. A kutatók leginkább arra kíváncsiak, hogyan teljesít a rendszer a sürgősségi osztályok betegellátási folyamataiban, és mennyire használható a gyakorlatban. A vállalat a Mayo Clinickel is együttműködik annak érdekében, hogy a betegségek felismerésén túl az ellátás más területein is segítséget nyújthasson a mesterséges intelligencia.
Azt azért az orvosszakértők is hangsúlyozzák, hogy a diagnosztikai teszteken elért kiváló teljesítmény nem jelenti azt, hogy a mesterséges intelligencia által támogatott rendszerek holnaptól már helyettesíthetik is az igazi orvosokat. Ehelyett az egészségügyi szakemberek asszisztenseiként pozicionálják az eszközt. Még ha a DxO jól is teljesít a klinikai vizsgálatokban, a széles körű elterjedése nehéz jogi kérdéseket vetne fel az elszámoltathatósággal kapcsolatban, például ha egy mesterséges intelligencia által támogatott diagnózis rosszul sül el. A legjobb az lenne, ha az orvos egy olyan digitális munkatársat kaphatna, amelyik másodvéleményt ad, alternatív diagnózisokat vet fel, észreveszi a figyelmet könnyen elkerülő, ám fontos apróságokat, és segít eldönteni, melyik vizsgálat hozhatja a legtöbb új információt.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
