شهرآرانیوز؛ واحد هوش مصنوعی مایکروسافت که توسط مصطفی سلیمان، نوآور بریتانیایی، رهبری می‌شود، سیستمی را توسعه داده که عملکرد آن شبیه به یک گروه متخصص از پزشکان در بررسی موارد پزشکی «پیچیده و از نظر فکری دشوار» است.
مایکروسافت اعلام کرده است که این رویکرد، زمانی که با مدل پیشرفته o۳ متعلق به OpenAI ترکیب شد، موفق شد بیش از ۸ مورد از ۱۰ پرونده دشوار پزشکی را که برای این چالش انتخاب شده بودند «حل» کند. در حالی که همین پرونده‌ها وقتی در اختیار پزشکان واقعی قرار گرفت – بدون دسترسی به همکاران، کتاب‌ها یا چت‌بات‌ها – تنها در ۲ مورد از ۱۰ مورد با موفقیت تشخیص داده شدند.
مایکروسافت همچنین اعلام کرده که این سیستم، از آنجا که در سفارش‌دادن آزمایش‌ها کارآمدتر است، گزینه‌ای ارزان‌تر از پزشکان انسانی به شمار می‌رود.
با وجود آنکه این شرکت به صرفه‌جویی‌های بالقوه اشاره کرده، تأکید کرده که این فناوری جایگزین پزشکان نخواهد شد بلکه نقش مکمل آن‌ها را ایفا خواهد کرد.
در پست وبلاگی‌ای که مایکروسافت هم‌زمان با اعلام این تحقیق منتشر کرده و قصد دارد آن را برای بررسی علمی ارسال کند، آمده است:
«نقش پزشکان در محیط بالینی بسیار فراتر از صرفاً تشخیص دادن است. آن‌ها باید بتوانند در موقعیت‌های مبهم تصمیم‌گیری کنند و با بیماران و خانواده‌هایشان اعتماد متقابل ایجاد نمایند؛ کاری که هوش مصنوعی هنوز برای انجام آن طراحی نشده است.»
با این حال، استفاده از شعار «مسیر دستیابی به ابرهوش پزشکی» این احتمال را مطرح می‌کند که بازار سلامت در آینده شاهد دگرگونی ریشه‌ای باشد. در حالی که «هوش عمومی مصنوعی» (AGI) به سامانه‌هایی اشاره دارد که در هر وظیفه‌ای با توانایی‌های شناختی انسان برابری می‌کنند، «ابرهوش» به سامانه‌هایی گفته می‌شود که به طور نظری از انسان در تمام جنبه‌های فکری فراتر می‌روند.
در توضیح انگیزه انجام این پژوهش، مایکروسافت به تردید درباره توانایی واقعی هوش مصنوعی در کسب نمره بالا در آزمون صدور مجوز پزشکی آمریکا (USMLE) اشاره کرده است. به گفته این شرکت، این آزمون‌ها مبتنی بر پرسش‌های چهارگزینه‌ای بیشتر به حفظ‌کردن پاسخ‌ها پاداش می‌دهند تا به درک عمیق مفاهیم پزشکی، و همین امر می‌تواند باعث «بزرگ‌نمایی» توانمندی مدل‌های هوش مصنوعی شود.
مایکروسافت اعلام کرده که در حال توسعه سیستمی است که مانند پزشکان واقعی، از طریق گام‌های متوالی مانند پرسیدن سؤال‌های دقیق و درخواست آزمایش‌های لازم، به یک تشخیص نهایی می‌رسد. برای مثال، بیماری که با علائم سرفه و تب مراجعه می‌کند، ممکن است نیاز به آزمایش خون و عکس‌برداری از قفسه سینه داشته باشد تا پزشک بتواند تشخیص ذات‌الریه بدهد.
رویکرد جدید مایکروسافت از مطالعات موردی منتشرشده در مجله پزشکی معتبر New England Journal of Medicine (NEJM) استفاده کرده است.
تیم سلیمان بیش از ۳۰۰ مورد از این مطالعات را به «چالش‌های تعاملی بالینی» تبدیل کرد که با آن‌ها این رویکرد را آزمایش نمود. در این پروژه، مایکروسافت از مدل‌های هوش مصنوعی موجود، از جمله مدل‌های تولیدشده توسط شرکت OpenAI (سازنده ChatGPT)، شرکت متا متعلق به مارک زاکربرگ، شرکت Anthropic، مدل Grok متعلق به ایلان ماسک، و مدل Gemini شرکت گوگل استفاده کرد.
سپس مایکروسافت یک سیستم سفارشی‌شده و شبیه به عامل (agent) طراحی کرد که با عنوان "هماهنگ‌کننده تشخیص" (diagnostic orchestrator) شناخته می‌شود. این سامانه وظیفه داشت با هر یک از مدل‌ها همکاری کند تا مشخص کند چه آزمایش‌هایی باید انجام شود و تشخیص نهایی چه خواهد بود. این هماهنگ‌کننده در عمل شبیه به یک پنل متشکل از چند پزشک رفتار می‌کرد که در نهایت به یک نظر مشترک می‌رسند.
مایکروسافت اعلام کرد که وقتی این رویکرد با مدل o۳ ترکیب شد، توانست در بیش از ۸ مورد از ۱۰ مطالعه NEJM به موفقیت برسد؛ در حالی که پزشکان انسانی تنها در ۲ مورد موفق به تشخیص صحیح شدند.
مایکروسافت تأکید کرد که این رویکرد قادر است «دامنه و عمق تخصص» را در سطحی فراتر از توانایی هر پزشک منفرد ارائه دهد، زیرا می‌تواند هم‌زمان چندین رشته پزشکی را پوشش دهد.
این شرکت افزود:
«قابلیت گسترش چنین سطحی از استدلال – و فراتر از آن – این توان را دارد که مراقبت‌های بهداشتی را دگرگون سازد. هوش مصنوعی می‌تواند بیماران را توانمند سازد تا جنبه‌های روزمره مراقبت از خود را مدیریت کنند، و در عین حال، به پزشکان در تصمیم‌گیری‌های پیچیده بالینی کمک پیشرفته ارائه دهد.»
مایکروسافت اذعان کرده که این فناوری هنوز آماده استفاده بالینی نیست و نیاز به آزمایش‌های بیشتر دارد؛ به‌ویژه برای بررسی عملکرد آن در مواجهه با علائم عمومی‌تر.
{$sepehr_key_134012}