Microsoft tvrdi da njegova nova umjetna inteligencija bolje postavlja dijagnoze od pravih liječnika

Microsoft je objavio rezultate istraživanja koje je prošlo recenziju i objavljeno u časopisu Science. Prema tom istraživanju, medicinski model nazvan Microsoft AI Diagnostic Orchestrator (MAI-DxO) bio je više nego dvostruko točniji od općih liječnika u postavljanju dijagnoza. Za razliku od ranijih studija, ovaj je pokus AI model prisilio da svakom slučaju pristupi kao stvarni liječnik, umjesto da odmah dobije sve činjenice. Ispitivanja su provedena u kontroliranom benchmark okruženju, pa je korisnost modela u stvarnom medicinskom okruženju predmet rasprave.

U istraživanju su autori modelu DxO dali 304 slučaja klinikopatoloških konferencija iz New England Journal of Medicine i 325 slučajeva hitnih prijema do hospitalizacije iz baze MIMIC-IV-ED. Riječ je o gotovo podjednakom spoju prikaza slučajeva i hitnih prijema. Na prvom skupu DxO je postigao 83,2 posto dijagnostičke točnosti, dok su opći liječnici koji su pregledali iste slučajeve i smjeli koristiti referentne materijale imali 36,1 posto. Na hitnim slučajevima AI je imao 80,3 posto točnosti, a liječnici 46,8 posto. Microsoft navodi da je DxO to činio uz upola manje ili čak trećinu troškova liječnika.

Kontekst

Klinikopatološke konferencije i baza MIMIC-IV-ED u ovom su istraživanju poslužili kao izvori slučajeva za testiranje. Benchmark okruženje znači kontrolirani način mjerenja uspješnosti, a ne stvarnu bolničku praksu. DxO nije dobio cijeli slučaj odjednom: morao je krenuti od pacijentove početne pritužbe, predložiti radnu dijagnozu, odabrati dodatna pitanja i odlučiti koje pretrage naručiti, pritom vodeći računa o troškovima. Autori ističu da ranije studije nisu testirale dijagnozu kao aktivni, sekvencijalni proces prikupljanja informacija koji zajedno razmatra točnost i troškove obrade.

No studija je mogla samo nepotpuno simulirati razgovor liječnika i pacijenta: DxO je razgovarao s gatekeeper agentom koji je posredovao u svim zahtjevima za informacije iz zapisa slučaja. Drugim riječima, AI je dijagnosticirao pacijenta kojeg je glumio drugi AI.

Ključne brojke

304 slučaja klinikopatoloških konferencija; 325 slučajeva hitnih prijema; 83,2 posto točnosti DxO-a prema 36,1 posto kod općih liječnika; 80,3 posto prema 46,8 posto na hitnim slučajevima; troškovi upola manji ili trećina troškova liječnika.

Što to znači

Rezultati su, ako se potvrde, impresivno svjedočanstvo o sposobnostima AI modela i njihovoj korisnosti u medicinskim primjenama. Ipak, biti liječnik nije samo analizirati simptome. Neki od najtežih dijelova posla su potaknuti pacijenta da otvoreno govori o tome što doživljava i izvući podatke koje možda ni sam ne smatra važnima. Studija to donekle adresira sekvencijalnim pristupom, ali ne može u potpunosti zamijeniti stvarnu komunikaciju. Osim toga, ljudski su liječnici već obavili mukotrpan posao i sastavili uredne, vrlo detaljne dosjee slučajeva koje je AI potom pregledavao. To ograničava domet zaključaka o samostalnosti modela u stvarnoj praksi.

Što slijedi

Mustafa Suleyman, koji vodi Microsoftov AI laboratorij, poručuje da je doba u kojem AI poboljšava živote kroz zdravstvo konačno stiglo. U razgovoru za The Verge rekao je: „Sljedeće godine vidjet ćemo iznimno impresivne primjene inteligentnih sustava u proizvodnji.“ Očekuje da će to u velikoj mjeri promijeniti način pružanja skrbi. Hoće li se predviđanja ostvariti, pokazat će buduća testiranja i primjena u stvarnim medicinskim uvjetima.