مایکروسافت با استخدام چندین محقق برجسته گوگل ابزاری قدرتمند برای تشخیص بیماران توسعه داده است که می‌تواند هزینه‌های مراقبت‌های بهداشتی را کاهش دهد. مصطفی سلیمان، مدیرعامل واحد هوش مصنوعی مایکروسافت، می‌گوید: این غول فناوری گامی واقعی به سمت هوش برتر پزشکی برداشته است. شرکت مایکروسافت می‌گوید ابزار جدید هوش مصنوعی آن می‌تواند بیماری‌ها را با دقتی 4 برابر بیشتر و با هزینه‌ای بسیار کمتر نسبت به پزشکان انسانی تشخیص دهد.
این آزمایش بررسی کرد که سیستم جدید هوش مصنوعی مایکروسافت می‌تواند بیماری را به درستی و مثل پزشکان انسانی تشخیص دهد یا خیر.
فرآیند آزمایش و عملکرد سیستم
تیم مایکروسافت از 304 مطالعه موردی که از مجله پزشکی New England Journal of Medicine گردآوری شده بود، استفاده کرد تا آزمایشی به نام معیار تشخیص ترتیبی (Sequential Diagnosis Benchmark) طراحی کند. یک مدل زبانی هر مورد را به یک فرآیند گام به گام که پزشکان برای رسیدن به تشخیص انجام می‌دهند، تجزیه کرد.
سپس محققان مایکروسافت سیستمی به نام MAI Diagnostic Orchestrator (MAI-DxO) ایجاد کردند که چندین مدل پیشرفته هوش مصنوعی ازجمله GPT از OpenAI، جمینای از گوگل، Claude از Anthropic، Llama از متا و Grok از xAI را به‌گونه‌ای مدیریت می‌کند که به شکلی آزادانه شبیه کار گروهی پزشکان انسانی عمل کنند.
در این آزمایش، MAI-DxO عملکرد بهتری نسبت به پزشکان انسانی نشان داد و به دقت 80 درصد در مقایسه با دقت 20 درصدی پزشکان دست یافت. این سیستم همچنین با انتخاب آزمایش‌ها و روش‌های کم‌هزینه‌تر، هزینه‌ها را 20 درصد کاهش داد.
سلیمان می‌گوید: این مکانیسم هماهنگی (عوامل متعدد که به سبک زنجیره‌ای از مباحثه با یکدیگر کار می‌کنند) چیزی است که ما را به هوش برتر پزشکی نزدیک‌تر می‌کند.
مایکروسافت برای اجرای این پروژه چندین محقق هوش مصنوعی گوگل را استخدام کرد، که نشان‌دهنده شدت رقابت در صنعت فناوری برای جذب استعدادهای برتر هوش مصنوعی است. سلیمان نیز پیش‌تر یکی از مدیران اجرایی گوگل در حوزه هوش مصنوعی بود.
کاربردهای فعلی و چالش‌ها
هوش مصنوعی هم‌اکنون در برخی بخش‌های صنعت مراقبت‌های بهداشتی ایالات متحده، از جمله کمک به رادیولوژیست‌ها در تفسیر اسکن‌ها، به‌طور گسترده استفاده می‌شود. مدل‌های چندوجهی هوش مصنوعی جدید این پتانسیل را دارند که به ابزارهای تشخیصی عمومی‌تری تبدیل شوند. البته استفاده از هوش مصنوعی در مراقبت‌های بهداشتی مسائل خاصی مثل سوگیری ناشی از داده‌های آموزشی که ممکن است به سمت جمعیت خاصی گرایش داشته باشد، ایجاد می‌کند.
مایکروسافت هنوز تصمیم نگرفته که این فناوری را تجاری‌سازی کند یا خیر، اما یکی از مدیران اجرایی که به شرط ناشناس‌بودن صحبت کرد، توضیح داد که این شرکت ممکن است آن را در بینگ ادغام کرده تا به کاربران در تشخیص بیماری‌ها کمک کند. همچنین ممکن است ابزارهایی برای کمک به کارشناسان پزشکی در بهبود یا حتی خودکارسازی مراقبت از بیماران توسعه دهد. سلیمان می‌گوید: در چند سال آینده شاهد کارهای بیشتری از ما خواهید بود که این سیستم‌ها را در دنیای واقعی آزمایش می‌کنیم.
تفاوت این تحقیق با تحقیقات قبلی
این پروژه آخرین مورد از تحقیقات فزاینده‌ای است که نشان می‌دهد مدل‌های هوش مصنوعی چگونه می‌توانند بیماری‌ها را تشخیص دهند. در سال‌های اخیر، هم مایکروسافت و هم گوگل مقالاتی منتشر کرده‌اند که نشان می‌دهد وقتی مدل‌های زبانی بزرگ به سوابق پزشکی دسترسی دارند، می‌توانند بیماری‌ها را با دقت بالا تشخیص دهند.
تحقیق جدید مایکروسافت از کارهای قبلی متفاوت است، زیرا به شیوه دقیق‌تری شبیه به روش پزشکان انسانی برای تشخیص بیماری عمل می‌کند (با تحلیل علائم، سفارش آزمایش‌ها و انجام تحلیل‌های بیشتر تا رسیدن به یک تشخیص). مایکروسافت در یک پست وبلاگی درباره این پروژه، شیوه ترکیب چندین مدل پیشرفته هوش مصنوعی را «مسیر رسیدن به هوش برتر پزشکی» توصیف می‌کند.
کاهش هزینه‌های مراقبت‌های بهداشتی
این پروژه همچنین نشان می‌دهد که هوش مصنوعی می‌تواند به کاهش هزینه‌های مراقبت‌های بهداشتی کمک کند که یک موضوع حیاتی به‌ویژه در ایالات متحده است. دومینیک کینگ، معاون رئیس مایکروسافت که در این پروژه مشارکت دارد، می‌گوید: مدل ما عملکرد فوق‌العاده‌ای دارد؛ هم در رسیدن به تشخیص و هم در انجام آن به شکلی بسیار مقرون‌به‌صرفه.
اندیوید سانتاگ، دانشمند MIT و یکی از بنیان‌گذاران استارتاپ Layer Health که ابزارهای پزشکی مبتنی‌بر هوش مصنوعی می‌سازد، می‌گوید: این کار فقط به این دلیل که شبیه به شیوه کار پزشکان است حائز اهمیت نیست و به دلیل دقت در پرداختن به مسائل احتمالی روش‌شناختی نیز قابل توجه‌است.
اما سانتاگ معتقد است که یافته‌های مایکروسافت باید با احتیاط مورد توجه قرار گیرد، زیرا پزشکان در این مطالعه اجازه نداشتند از هیچ ابزار اضافی برای کمک به تشخیص خود استفاده کنند که ممکن است منعکس‌کننده روش کار آن‌ها در دنیای واقعی نباشد. او افزود که هنوز باید دید این سیستم هوش مصنوعی می‌تواند در عمل به طور قابل‌توجهی هزینه‌ها را کاهش دهد یا خیر. پزشکان ممکن است عواملی مانند تحمل بیمار برای یک روش یا دردسترس‌بودن یک ابزار پزشکی خاص را که هوش مصنوعی قادر به در نظر گرفتن آن‌ها نیست، لحاظ کرده باشند.
اریک توپول، دانشمند موسسه تحقیقات اسکریپس، می‌گوید: این گزارش چشمگیر است، زیرا به موارد تشخیصی بسیار پیچیده می‌پردازد. او افزود نشاندادن اینکه هوش مصنوعی می‌تواند به‌طور نظری هزینه مراقبت‌های پزشکی را کاهش دهد، ایده‌ای نوآورانه است.
توپول و سانتاگ هر دو می‌گویند که گام بعدی در تأیید پتانسیل سیستم مایکروسافت پیش از استفاده گسترده، نشاندادن اثربخشی این ابزار در یک آزمایش بالینی است که نتایج آن را با نتایج پزشکان واقعی که بیماران را درمان می‌کنند، مقایسه کند. سانتاگ می‌گوید: در آن زمان می‌توانید یک ارزیابی بسیار دقیق از هزینه‌ها داشته باشید.
توسط 
توسط 
دیدگاهتان را بنویسید