შინაარსზე გადასვლა
Prof. Dr. Mustafa Özdoğan · სამედიცინო ონკოლოგი

Microsoft-ის AI MAI-DxO ურთულესი შემთხვევების ამოხსნაში ექიმებზე 4-ჯერ უფრო წარმატებულია

Microsoft-ის AI MAI-DxO ურთულესი შემთხვევების ამოხსნაში ექიმებზე 4-ჯერ უფრო წარმატებულია
ამ სტატიაში

დიაგნოზის დაგვიანება: ჯანდაცვის სისტემების ჩუმი კრიზისი

სამედიცინო დიაგნოსტიკა თანამედროვე ჯანდაცვის ერთ-ერთი ყველაზე რთული და ძვირადღირებული ეტაპია. არასწორი ან დაგვიანებული დიაგნოზი სერიოზულ ზიანს აყენებს როგორც პაციენტის ცხოვრების ხარისხს, ისე ჯანდაცვის ბიუჯეტს. იშვიათ ან მრავალორგანულ რთულ შემთხვევებში სწორი დიაგნოზი რამდენიმე სპეციალობის კოორდინაციას მოითხოვს. ხელოვნური ინტელექტი (AI)ახლა ამ პროცესის როგორც დაჩქარების , ისე მეტი სანდოობის დაპირებით გამოდის სცენაზე.

Microsoft-ის მიერ 2025 წლის 30 ივნისს გამოქვეყნებული კვლევაამ სფეროს ერთ-ერთი ყველაზე ამბიციური ინიციატივაა. Medical AI Diagnostic Orchestrator (MAI-DxO) სახელწოდების სისტემამ ჟურნალ New England Journal of Medicine-ში(NEJM) გამოქვეყნებული 304 რთული შემთხვევის 85,5% სწორად დაადგინა. იმავე შემთხვევებში გამოცდილი ექიმების საშუალო წარმატება მხოლოდ 20%იყო.


🔎 Sequential Diagnosis Benchmark: რეალური კლინიკური სირთულეების გამოცდა

NEJM-ის “Case Records of the Massachusetts General Hospital” სერიიდან აღებული ეს შემთხვევები:

  • რამდენიმე სისტემის მიგნებებს მოიცავს,
  • მოითხოვს მაღალი დონის კვლევებსა და მულტიდისციპლინურ შეფასებას,
  • შეიცავს რეალური კლინიკური პროცესის მსგავს ნაბიჯ-ნაბიჯ დიაგნოსტიკურ ჯაჭვებს.

Microsoft-მა ეს შემთხვევები Sequential Diagnosis Benchmark (SD Bench) სახელით ინტერაქტიულ პლატფორმად აქცია. კლინიცისტებიც და AI სისტემებიც:

  1. აფასებს პირველად მიმართვას,
  2. ირჩევს საჭირო ტესტებსა და კითხვებს,
  3. ეტაპობრივად მიდის საბოლოო დიაგნოზამდე.

თითოეულ ტესტს ვირტუალური ღირებულება აქვს; ამგვარად, ერთდროულად იზომება როგორც სიზუსტე , ისე ეკონომიკური ეფექტიანობა .


🤖 MAI-DxO: ორკესტრაციის ძალა

MAI-DxOერთი მოდელის ნაცვლად GPT-ის, Claude-ის, Gemini-ისა და DeepSeek-ის მსგავს სხვადასხვა დიდ ენობრივ მოდელს აერთიანებს როგორც „ექიმების ვირტუალურ პანელს“ . თითოეულ „აგენტს“ განსხვავებული როლი აქვს:

  • Dr Hypothesis Agent: შესაძლო დიაგნოზებს ჩამოთვლის.
  • Dr Test Chooser Agent: ყველაზე შესაფერის კვლევებს ირჩევს.
  • Dr Stewardship Agent: არასაჭირო ტესტებს ამცირებს.
  • Dr Checklist Agent: კლინიკურ სისრულეს ამოწმებს.
  • Dr Challenger Agent: გადაწყვეტილებებს ეჭვქვეშ აყენებს და საჭიროებისას გადახედვას უზრუნველყოფს.

ყოველ ეტაპზე სისტემა ირჩევს ერთ-ერთს: კითხვის დასმას, ტესტის მოთხოვნას ან დიაგნოზის დასმას ; გადაწყვეტილებები როგორც სიზუსტის, ისე ღირებულების მიხედვით ფასდება.

სურათი 1 – MAI-DxO-ს მრავალაგენტიანი გადაწყვეტილების პროცესი.


📊 ადამიანი ექიმები და MAI-DxO

შედარებული ჯგუფი სწორი დიაგნოზის მაჩვენებელი ტესტების საშუალო ღირებულება
MAI-DxO + OpenAI (o3) 85,5% დაბალი
21 ექიმი აშშ-დან და გაერთიანებული სამეფოდან 20% მაღალი
საუკეთესო დამოუკიდებელი დიდი ენობრივი მოდელები 60 – 70% საშუალო

MAI-DxO არა მხოლოდ უფრო ზუსტ დიაგნოზს სვამს, არამედ ნაკლები ღირებულებითაც ახერხებს ამას. ეს ჯანდაცვის სისტემებს ხარისხისა და მდგრადობის ორმაგ სარგებელს აძლევს.

სურათი 2 – სიზუსტე-ღირებულების პარეტოს საზღვარი: მოდელის კონფიგურაციების მიხედვით MAI-DxO როგორც სიზუსტით, ისე ღირებულებით გამოირჩევა.


🔮 ჩაანაცვლებს ხელოვნური ინტელექტი ექიმებს?

მოკლევადიანად არა. როგორც Microsoft-იც უსვამს ხაზს, MAI-DxO კლინიკური დამტკიცების არმქონე კვლევითი პროტოტიპია. მიზანია ექიმების კი არა, შეცდომების შემცირება:

  • გადაწყვეტილების მხარდაჭერის შეთავაზებით სწორი დიაგნოზისკენ პროცესის დაჩქარება,
  • რუტინული დავალებების ავტომატიზებით კლინიცისტების დატვირთვის შემსუბუქება,
  • რთულ შემთხვევებში მეორე აზრის შეთავაზებით მცდარი დიაგნოზების მინიმუმამდე შემცირება.

რეალურ საავადმყოფოებში ფართოდ გამოყენებისთვის საჭიროა კლინიკური ვალიდაციის, ეთიკური კონტროლისა და რეგულაციის ეტაპების დასრულება.


💬 ბოლო სიტყვა

MAI-DxOგვაჩვენებს კლინიკურ დიაგნოსტიკაში ხელოვნური ინტელექტის მიერ მიღწეულ „სუპერინტელექტის“ ზღვარს. 85%-ზე მაღალი დიაგნოსტიკური სიზუსტით, ხარჯეფექტიანი მიდგომითა და გამჭვირვალე მრავალაგენტიანი არქიტექტურით სისტემა მომავლის ჯანდაცვის ეკოსისტემის აუცილებელი კომპონენტისკენ მიიწევს. ვხედავთ, როგორ ხსნის ადამიანის ინტელექტისა და ხელოვნური ინტელექტის ერთობლიობა ჯანდაცვაში ახალი ეპოქის კარს.

წყაროები

The Path to Medical Superintelligence. by Dominic King & Harsha Nori. 30 June 2025. https://microsoft.ai/new/the-path-to-medical-superintelligence/
DROZDOGAN-ის ხელოვნური ინტელექტი

ერთად განვიხილოთ ეს სტატია

დასვით კითხვები სტატიის შესახებ და წაიკითხეთ პასუხები ჩვენი საიტის გამოქვეყნებულ წყაროებთან ერთად.

DROZDOGAN-ის ხელოვნური ინტელექტი

Drozdogan-ის ასისტენტი

Microsoft-ის AI MAI-DxO ურთულესი შემთხვევების ამოხსნაში ექიმებზე 4-ჯერ უფრო წარმატებულია

დასვით კითხვები სტატიის შესახებ და წაიკითხეთ პასუხები ჩვენი საიტის გამოქვეყნებულ წყაროებთან ერთად.

საუბრისა და კონფიდენციალურობის შესახებ ინფორმაცია

ამ საუბარში პასუხობს Drozdogan-ის ასისტენტი. საიტის უფლებამოსილმა ადმინისტრატორებმა შესაძლოა იგი ხარისხის შესამოწმებლად განიხილონ. არ გააზიაროთ პირადი ინფორმაცია.

პასუხები მზადდება OpenAI-ის ინფრასტრუქტურით. კითხვებსა და პასუხებს ამუშავებს ეს სერვისი; საუბრის ჩანაწერები ინახება ჩვენს საიტზე. არ გააზიაროთ საიდენტიფიკაციო, საკონტაქტო ან პირადი ჯანმრთელობის ინფორმაცია.

0 / 1000

მხოლოდ საინფორმაციოდ; არ იძლევა პირად დიაგნოზს ან მკურნალობის რჩევას.

დაკავშირებული სტატიები

გაეცანით სხვა სტატიებს ამ თემაზე.

იყავით ინფორმირებული

მიიღეთ ახალი სტატიები და სამეცნიერო სიახლეები ელფოსტით.

Google Analytics საჯარო გვერდებზე ამ ფანჯრისგან დამოუკიდებლად მუშაობს და შეიძლება ანალიტიკური ქუქიები გამოიყენოს. აქ გაკეთებული არჩევანი მხოლოდ გარე სერვისებს მართავს.