Microsoft MAI-DxO: AI lepsza od lekarzy w diagnostyce? Co pokazują testy
Microsoft testuje system MAI-DxO, który w diagnostyce klinicznej wypada lepiej niż lekarze ogólni. Sprawdź wyniki, zbiory testowe i nowe współprace szpitalne.
Diagnostyczny system MAI-DxO, opracowany przez Microsoft AI, w testach na przypadkach klinicznych osiągał wyższą dokładność niż lekarze ogólni, a jego autorzy zapowiadają dalsze wdrożenia w szpitalach w Bostonie i w Mayo Clinic.
Czym jest MAI-DxO i jak pracuje?
MAI-DxO, czyli Microsoft AI Diagnostic Orchestrator, to narzędzie łączące kilka etapów analizy. Nie wydaje jednej odpowiedzi od razu. Najpierw przetwarza dane kliniczne, potem tworzy listę hipotez diagnostycznych i zadaje pytania, które mają te hipotezy zawęzić. Taki sposób działania przypomina pracę zespołu specjalistów, którzy po kolei wykluczają kolejne możliwości, a nie jednego lekarza podejmującego decyzję na podstawie pierwszego wrażenia.
Dyrektor generalny Microsoft AI, Mustafa Suleyman, twierdzi, że w diagnozowaniu system może przewyższać lekarzy. Według jego słów trafność diagnoz bywa nawet czterokrotnie wyższa. To deklaracja autora projektu, dlatego warto ją zestawić z danymi z testów opisanymi poniżej.
Wyniki zostały opisane w artykule opublikowanym w czasopiśmie Science, w którym pojawiło się pojęcie „superinteligencji medycznej”. Autorzy odnoszą je do systemów, które łączą rozległą wiedzę kliniczną z analizą wielu typów danych jednocześnie.
Jak MAI-DxO wypadł na tle lekarzy?
Najważniejszym argumentem za systemem są liczby z testów w scenariuszach zbliżonych do pracy oddziałów ratunkowych. Porównanie wygląda następująco:
| Wariant | Trafność w trudnych przypadkach |
|---|---|
| MAI-DxO (AI) | 83% |
| Lekarze z dostępem do sieci i literatury | 36% |
| Lekarze bez dodatkowych źródeł | 22% |
Różnica jest znacząca. System osiągnął wynik ponad dwukrotnie wyższy niż lekarze korzystający z internetu i literatury oraz prawie czterokrotnie wyższy niż lekarze pracujący bez dodatkowych źródeł. Warto jednak pamiętać, że porównanie dotyczy trudnych przypadków, a nie całej codziennej praktyki medycznej. Tabela pokazuje wynik w określonych warunkach, nie uniwersalną przewagę.
Testy wykazały też, że AI wyraźnie przewyższa lekarzy ogólnych pod względem dokładności. Równolegle system generuje niższe skumulowane koszty badań. Dla placówek, które muszą ograniczać liczbę zbędnych testów, to argument praktyczny, nie tylko techniczny.
Na jakich zbiorach danych sprawdzono system?
Microsoft oparł ocenę na dwóch zestawach przypadków oraz na narzędziu testowym o nazwie SDBench. Zestawienie prezentuje poniższa tabela:
| Zbiór testowy | Liczba przypadków |
|---|---|
| CPC z NEJM | 304 |
| MIMIC-IV-ED | 325 |
Pierwszy zbiór opiera się na przypadkach z cyklu klinicznych omówień publikowanych w New England Journal of Medicine. Drugi pochodzi z bazy danych dotyczącej pacjentów oddziałów ratunkowych. Połączenie obu zbiorów pozwala sprawdzić system zarówno na złożonych, opisanych w literaturze przypadkach, jak i na danych zbliżonych do codziennej pracy na izbie przyjęć. Dla czytelnika to ważna informacja: wiarygodność wyniku zależy od tego, czy testy odzwierciedlają realne warunki.
Gdzie system zostanie sprawdzony w praktyce?
Testy laboratoryjne to dopiero pierwszy etap. Microsoft zapowiada współpracę z dwiema instytucjami medycznymi.
Boston: pacjenci w kontakcie z systemem
W Bostonie współpracę prowadzi Beth Israel Deaconess Medical Center. Pacjenci będą tam bezpośrednio wchodzić w interakcję z systemem, a więc narzędzie trafi poza wewnętrzne testy zespołu badawczego. Co istotne, wydajność rozwiązania ma ocenić grupa niezależnych lekarzy. Taki nadzór ogranicza ryzyko, że wynik będzie wyłącznie odzwierciedleniem perspektywy twórcy technologii.
Mayo Clinic: połączenie AI z wiedzą kliniczną
Druga współpraca dotyczy Mayo Clinic. Tu celem jest połączenie możliwości AI z wiedzą kliniczną lekarzy oraz z danymi multimodalnymi, czyli informacjami o różnym charakterze, np. z obrazowania i dokumentacji. Kierunek ten pokazuje, że producenci nie zamierzają zastępować zespołów medycznych, lecz budować narzędzia, które mają je wspierać w trudnych decyzjach.
Co to oznacza dla Ciebie?
Dla pacjenta najważniejsze jest to, że diagnostyka wspomagana AI przechodzi od laboratorium do szpitali. Zanim jednak system stanie się standardem, konieczne będą niezależne oceny, takie jak ta planowana w Bostonie. Wyniki z testów są obiecujące, ale dotyczą określonych zbiorów przypadków i warunków, a nie każdej sytuacji klinicznej.
Dla lekarzy i zarządzających placówkami sygnał jest równie wyraźny. Jeśli kolejne testy potwierdzą przewagę przy niższych kosztach badań, narzędzia tego typu mogą zacząć wpływać na organizację pracy w oddziałach ratunkowych i poradniach. Warto już teraz śledzić, jak wypadną niezależne oceny, bo to one pokażą, czy wynik z laboratorium przełoży się na bezpieczeństwo i skuteczność przy łóżku pacjenta.
Na podstawie: Tabletowo.pl. Tekst opracowany redakcyjnie.