Снимка: генерирано от AI

Изкуствен интелект, разработен от Microsoft, показва значително по-висока точност от общопрактикуващите лекари при решаването на сложни диагностични случаи в контролирани тестове. Резултатите са представени в научно изследване, публикувано в списание Science, и насочват вниманието към възможностите на AI да подпомага медицинските специалисти при диагностицирането на редки и трудни за разпознаване заболявания, пише Ройтерс. 

Системата Diagnostic Orchestrator (DxO) възпроизвежда последователния подход, по който лекарите достигат до диагноза – чрез събиране на медицинска информация, задаване на въпроси, назначаване на изследвания и преоценка на възможните причини за симптомите.

83,2% точност при сложни клинични случаи

Изследователите тестват системата върху 304 сложни клинични случая, публикувани в The New England Journal of Medicine.

AI моделът достига правилната диагноза в 83,2% от случаите. За сравнение, средната точност на участващите общопрактикуващи лекари е 36,1%, когато те имат достъп до медицинска литература и справочни материали. Без допълнителни информационни ресурси точността на лекарите е 22,3%.

При втори тест, включващ 325 случая, свързани с прием на пациенти в спешни отделения, системата постига 80,3% точност срещу 46,8% при лекарите.

Резултатите показват сериозен потенциал за използване на изкуствения интелект при сложни диагностични задачи. Те обаче се отнасят до конкретни тестови условия и не доказват, че системата е по-добра от лекарите във всички клинични ситуации.

Как AI достига до диагнозата стъпка по стъпка

За разлика от традиционните модели, които получават цялата налична информация за пациента наведнъж, DxO използва подход, при който системата сама определя каква информация е необходима на всеки етап.

Технологията първо формулира въпроси за медицинската история и симптомите на пациента. След това преценява кои физически прегледи и диагностични изследвания биха били най-полезни. Въз основа на получените резултати тя актуализира работните си хипотези и при необходимост предлага допълнителни проверки.

В основата на системата стои езиковият модел GPT-5, организиран чрез механизъм, наречен диагностичен оркестратор. Той координира отделните етапи на процеса и симулира сътрудничество между различни клинични експерти.

Според резултатите от изследването AI задава средно 25,5 въпроса, преди да премине към първото диагностично изследване, докато лекарите задават средно 5,6. Това показва, че по-задълбоченото събиране на информация може да има важна роля при решаването на сложни медицински случаи.

По-високата точност не гарантира по-ниски разходи

Изследването разглежда и икономическата страна на диагностичния процес. Когато няма ограничения върху бюджета, системата може да назначава изследвания с по-висока обща стойност от тази при лекарите.

При въвеждане на бюджетни ограничения обаче AI успява да намали разходите, като запазва висока диагностична точност. В един от експериментите системата постига 80,9% точност при средна стойност на диагностичните изследвания от 2241 долара на случай.

Тези резултати предполагат, че подобни технологии могат да подпомагат не само диагностиката, но и планирането на изследванията и използването на медицинските ресурси. Реалната икономическа полза обаче ще зависи от разходите за внедряване, наличната медицинска инфраструктура и резултатите при работа с реални пациенти.

Следващата стъпка е изпитване в болнична среда

Въпреки обещаващите резултати, системата все още не е доказала ефективността си в ежедневната клинична практика. Изследването е проведено с предварително документирани случаи, а AI не извършва самостоятелно физически прегледи на реални пациенти.

Не е установено и дали високата диагностична точност ще се превърне в по-безопасно лечение, по-малко усложнения или по-добри дългосрочни резултати за пациентите.

Microsoft планира съвместно с медицинския център Beth Israel Deaconess в Бостън да проучи приложението на технологията при първоначалното оценяване и разпределяне на пациентите в спешните отделения.

Ако бъде доказана нейната надеждност в реални условия, DxO би могла да се превърне в инструмент за подпомагане на лекарите при трудни диагностични случаи, включително при редки заболявания и ситуации, изискващи анализ на голям обем медицинска информация.

Основното предизвикателство остава преходът от впечатляващи резултати в контролирани тестове към безопасно и ефективно приложение в реалната медицина. Засега технологията следва да се разглежда като потенциален помощник на медицинските специалисти, а не като техен заместник.