تست های هوش مصنوعی تشخیصی مایکروسافت با دقت انجام می شود ۸۳ درصد رسیده و عملکرد بهتری نسبت به پزشکان داشته است. این شرکت به دنبال توسعه سیستمی در سطح پزشکان است.
به گزارش سرویس هوش مصنوعی مجردمصطفی سلیمان، مدیر عامل بخش هوش مصنوعی مایکروسافت، در مصاحبه با وب سایت The Verge، اعلام کرد که این شرکت قصد دارد در یکی دو سال آینده سیستمی بسازد که عملکرد آن در تشخیص بیماری ها از پزشکان متمایز نباشد. این اظهارات در شرایطی است که مایکروسافت ادعا می کند ابزار تشخیصی مبتنی بر هوش مصنوعی این شرکت می تواند برخی بیماری ها را تا چهار برابر دقیق تر از پزشکان تشخیص دهد.
دقت 83 درصدی هوش مصنوعی مایکروسافت در تشخیص بیماری
نتایج این تحقیق روز پنجشنبه در مجله معتبر Science منتشر شد. در این مطالعه، محققان عملکرد سیستم هوش مصنوعی مایکروسافت را با پزشکان انسان مقایسه کردند. ارزیابی‌ها بر اساس مجموعه‌ای از سناریوهای پزشکی که از گزارش‌های بالینی منتشر شده و داده‌های بیماران اورژانسی گردآوری شده بود، انجام شد.
مایکروسافت این فایل ها را در قالب یک بنچمارک اختصاصی به نام SDBench گردآوری کرده و قصد دارد آن را به صورت متن باز منتشر کند.
سیستم Diagnostic Orchestrator مایکروسافت برای شبیه سازی عملکرد گروهی از متخصصان پزشکی طراحی شده است. این ابزار با استفاده از چندین عامل هوش مصنوعی، علائم و سوابق پزشکی بیمار را بررسی می کند، در مورد آزمایشات مورد نیاز تصمیم می گیرد و در نهایت به تشخیص می رسد. فرآیندی که مشابه روش معمول پزشکان برای معاینه و تشخیص بیماری است.
بر اساس نتایج منتشر شده، این سیستم در موارد برگرفته از صدها گزارش منتشر شده در مجله پزشکی نیوانگلند به دقت تشخیصی حدود 83 درصد رسیده است. در همین ارزیابی، دقت پزشکان عمومی با دسترسی به منابع مرجع حدود 36 درصد و دقت پزشکانی که بدون این منابع کار می کردند، حدود 22 درصد بود.
بیشتر بخوانید: اولین پزشک هوش مصنوعی مجوز تجویز دارو در ایالات متحده را دریافت کرد
عملکرد بهتر در موارد اضطراری و هزینه کمتر
محققان همچنین عملکرد ارکستراتور تشخیصی را در موارد اضطراری بررسی کردند. سوابق از یک پایگاه داده بزرگ از پذیرش بیماران در مرکز پزشکی Beth Israel Deaconess در بوستون استخراج شده است.
در این قسمت از آزمایش، دقت سیستم هوش مصنوعی به 80 درصد رسید. در حالی که میانگین دقت پزشکان انسانی حدود 47 درصد بوده است. همچنین این سیستم معمولاً با هزینه تخمینی کمتری نسبت به پزشکان تشخیص داده می شود.
با این حال، این ارقام مربوط به عملکرد سیستم در سناریوهای آزمایشی است و به تنهایی ثابت نمی کند که استفاده از آن در شرایط واقعی بیمارستان به همان میزان بهبود دقت یا کاهش هزینه را به همراه خواهد داشت.
بیشتر بخوانید: دانشمندی که انسان نیست. هوش مصنوعی اکتشافات علمی می کند
مزیت همکاری چند عامل هوش مصنوعی چیست؟
به گفته محققان، Diagnostic Orchestrator با مدل GPT-5 OpenAI کار می کند و در آزمایشات از مدل های پیشرفته هوش مصنوعی که به طور مستقل عمل می کنند بهتر عمل کرده است.
با این حال، مقاله بررسی شده این تحقیق، مدل های جدیدتری مانند GPT-6 Astra، مدل Muse Wonder Full Meta، Gemini 4 Argon گوگل و Opus 5.5 شرکت Anthropic را بررسی نکرده است.
توسعه این سیستم زمانی آغاز شد که GPT-4.1 پیشرفته ترین مدل موجود بود. با این حال، محققان می گویند که آزمایش های بعدی نشان داده است که افزایش توانایی مدل های هوش مصنوعی لزوماً مزایای همکاری چند عاملی را از بین نمی برد.
این نشان می دهد که عملکرد سیستم های تشخیصی ممکن است نه تنها به قدرت یک مدل واحد بستگی داشته باشد. بلکه نحوه تقسیم وظایف، بررسی گام به گام اطلاعات و همکاری بین چندین عامل نیز می تواند نقش مهمی داشته باشد.
در نهایت هدف مایکروسافت ساخت سیستمی است که بتواند به سطح عملکرد پزشکان در تشخیص بیماری ها برسد. علیرغم نتایج امیدوارکننده فعلی، ارزیابی این فناوری در محیط های بالینی واقعی و مقایسه آن با پزشکان در عمل برای تعیین اثربخشی آن ضروری خواهد بود.
بیشتر بخوانید: اولین جراحی تومور مغزی با راهنمایی بینایی کامپیوتری
گفتگو در مورد این post