Ο τεχνολογικός γίγαντας προσέλκυσε αρκετούς κορυφαίους ερευνητές της Google προκειμένου να βοηθήσουν στην δημιουργία ενός ισχυρού εργαλείου τεχνητής νοημοσύνης που να μπορεί να διαγνώσει ασθένειες και ενδεχομένως να μειώσει το κόστος υγειονομικής περίθαλψης.
Η Microsoft έχει κάνει «ένα γνήσιο βήμα προς την ιατρική υπερνοημοσύνη», λέει ο Mustafa Suleyman, Διευθύνων Σύμβουλος του κλάδου τεχνητής νοημοσύνης της εταιρείας. Ο τεχνολογικός γίγαντας λέει ότι το πανίσχυρο νέο του εργαλείο τεχνητής νοημοσύνης μπορεί να διαγνώσει ασθένειες με μεγαλύτερη ακρίβεια και με σημαντικά μικρότερο κόστος από ό,τι μια ομάδα γιατρών.
Το πείραμα εξέτασε εάν το εργαλείο θα μπορούσε να διαγνώσει σωστά την πάθηση ενός ασθενούς, μιμούμενο τη δουλειά που συνήθως γίνεται από γιατρό. Η ομάδα της Microsoft μελέτησε και χρησιμοποίησε 304 μελέτες περιπτώσεων ασθενών που είχαν δημοσιευτεί στο New England Journal of Medicine, για να επινοήσει ένα τεστ που ονομάζεται Sequential Diagnosis Benchmark. Ένα γλωσσικό μοντέλο αναλύει κάθε περίπτωση σε μια διαδικασία βήμα προς βήμα με τον τρόπο που θα την εκτελούσε ένας γιατρός για να φτάσει στη διάγνωση.
Στη συνέχεια, οι ερευνητές της Microsoft δημιούργησαν ένα σύστημα που ονομάζεται MAI Diagnostic Orchestrator (MAI-DxO) που θέτει ερωτήματα σε πολλά κορυφαία μοντέλα τεχνητής νοημοσύνης – συμπεριλαμβανομένων των GPT του OpenAI, του Gemini της Google, του Anthropic’s Claude, του Meta’s Llama και του xAI’s Grok – με τρόπο που μιμείται χαλαρά ειδικούς (ανθρώπους) που δουλεύουν μαζί.
Στο πείραμα τους, το MAI-DxO ξεπέρασε τους γιατρούς, επιτυγχάνοντας ακρίβεια διάγνωσης 80% σε σύγκριση με το 20% των γιατρών. Επίσης, μείωσε το κόστος κατά 20% επιλέγοντας λιγότερο δαπανηρές εξετασεις και διαδικασίες.
«Αυτός ο μηχανισμός ενορχήστρωσης – πολλαπλοί παράγοντες που συνεργάζονται σε αυτό το στυλ της διαδικασίας συζητήσεων – θα μας οδηγήσει πιο κοντά στην ιατρική υπερευφυΐα», λέει ο Suleyman.
Η εταιρεία προσελκυσε αρκετούς ερευνητές της τεχνητής νοημοσύνης της Google για να βοηθήσουν στην προσπάθεια – ακόμη ένα σημάδι ενός εντεινόμενου πολέμου για την κατάκτηση της κορυφαίας τεχνογνωσίας τεχνητής νοημοσύνης στον κλάδο της τεχνολογίας. Ο Suleyman ήταν προηγουμένως στέλεχος της Google που εργαζόταν για την τεχνητή νοημοσύνη.
Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη ευρέως σε ορισμένους τομείς της βιομηχανίας υγειονομικής περίθαλψης των ΗΠΑ, συμπεριλαμβανομένης της βοήθειας σε ακτινολόγους στην ερμηνεία των αξονικών και μαγνητικών τομογραφιών και όχι μόνο. Τα τελευταία μοντέλα πολυτροπικής τεχνητής νοημοσύνης έχουν τη δυνατότητα να λειτουργήσουν ως γενικότερα διαγνωστικά εργαλεία, αν και η χρήση της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη εγείρει τα δικά της ερωτηματα, ιδιαίτερα αυτά που σχετίζονται με την προκατάληψη στα δεδομένα εκπαίδευσης της που βασίζονται σε συγκεκριμένα δημογραφικά στοιχεία.
Η Microsoft δεν έχει αποφασίσει ακόμη εάν θα προσπαθήσει να εμπορευματοποιήσει την τεχνολογία, αλλά το ίδιο στέλεχος που μίλησε υπό τον όρο της ανωνυμίας, είπε ότι η εταιρεία θα μπορούσε να την ενσωματώσει στο Bing για να βοηθήσει τους χρήστες να διαγνώσουν παθήσεις. Η εταιρεία θα μπορούσε επίσης να αναπτύξει εργαλεία για να βοηθήσει τους ειδικούς ιατρούς να βελτιώσουν ή ακόμα και να αυτοματοποιήσουν τη φροντίδα των ασθενών. «Αυτό που θα δείτε τα επόμενα δύο χρόνια είναι να κάνουμε όλο και περισσότερη δουλειά για να αποδείξουμε την αξία αυτων των συστημάτων στον πραγματικό κόσμο», λέει ο Suleyman.
Το πρότζεκτ είναι το πιο πρόσφατο σε έναν αυξανόμενο όγκο έρευνας που δείχνει πώς τα μοντέλα τεχνητής νοημοσύνης μπορούν να διαγνώσουν ασθένεια. Τα τελευταία χρόνια, τόσο η Microsoft όσο και η Google έχουν δημοσιεύσει άρθρα που δείχνουν ότι τα μεγάλα γλωσσικά μοντέλα μπορούν να διαγνώσουν με ακρίβεια μια πάθηση όταν τους παρέχεται πρόσβαση σε ιατρικά αρχεία.
Η νέα έρευνα της Microsoft διαφέρει από τις προηγούμενες εργασίες κατά το ότι αναπαράγει με μεγαλύτερη ακρίβεια τον τρόπο με τον οποίο οι γιατροί διαγιγνώσκουν την ασθένεια – αναλύοντας ιστορικό και συμπτώματα, παραγγέλνοντας εξετάσεις και πραγματοποιώντας περαιτέρω αναλύσεις μέχρι να επιτευχθεί η διάγνωση. Η Microsoft περιέγραψε τον τρόπο με τον οποίο συνδύασε πολλά μοντέλα αιχμής τεχνητής νοημοσύνης ως «ένα μονοπάτι προς την ιατρική υπερνοημοσύνη» σε μια ανάρτηση ιστολογίου.
Το πρότζεκτ αναφέρεται επίσης στο ότι η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στη μείωση του κόστους υγειονομικής περίθαλψης – ένα κρίσιμο ζήτημα ιδιαίτερα στις ΗΠΑ. «Το μοντέλο μας αποδίδει απίστευτα καλά, τόσο στη διάγνωση όσο και στην επίτευξη αυτής της διάγνωσης πολύ οικονομικά», λέει ο Dominic King, αντιπρόεδρος της Microsoft που ασχολείται με το έργο.
«Είναι συναρπαστικό», λέει ο David Sontag, επιστήμονας στο MIT και συνιδρυτής της Layer Health, μιας startup που κατασκευάζει ιατρικά εργαλεία AI. Για τον Sontag το πρότζεκτ είναι σημαντικο όχι μόνο επειδή αντικατοπτρίζει τον τρόπο λειτουργίας των γιατρών, αλλά και επειδή είναι αυστηρο ως προς την αντιμετώπιση πιθανών ζητημάτων που σχετίζονται με την ακολουθούμενη μεθοδολογία. «Αυτό είναι που κάνει αυτό το δημοσίευμα ισχυρό», λέει.
Ωστόσο, ο ιδιος φρονεί ότι τα ευρήματα της Microsoft πρέπει να αντιμετωπιστούν με κάποια προσοχή, επειδή ζητήθηκε από τους γιατρούς που πήραν μέρος στη μελέτη να μην χρησιμοποιήσουν πρόσθετα εργαλεία για να βοηθηθούν στη διάγνωσή τους, κάτι που μπορεί να μην αντικατοπτρίζει τον τρόπο λειτουργίας τους στην πραγματική ζωή.
Προσθέτει επίσης ότι μένει να δούμε στην πράξη, αν το σύστημα AI θα μείωνε σημαντικά το κόστος. Οι γιατροί που συμμετείχαν στη μελέτη μπορεί να είχαν λάβει υπόψη τους παράγοντες που η τεχνητή νοημοσύνη δεν μπορούσε, όπως η ανοχή ενός ασθενούς σε μια διαδικασία ή η διαθεσιμότητα ενός συγκεκριμένου ιατρικού οργάνου. «Πρόκειται για μια εντυπωσιακή μελετη γιατί αντιμετωπίζει διαγνώσεις ορισμένων εξαιρετικά περίπλοκων περιπτώσεων», λέει ο Eric Topol, επιστήμονας στο Ινστιτούτο Ερευνών Scripps. «Το να δείχνεις ότι η τεχνητή νοημοσύνη θα μπορούσε, θεωρητικά, να μειώσει το κόστος της ιατρικής περίθαλψης είναι καινοφανές», προσθέτει.
Τόσο ο Topol όσο και ο Sontag του MIT λένε ότι το επόμενο βήμα στην επικύρωση των δυνατοτήτων του συστήματος της Microsoft πριν από τη γενική ανάπτυξη του θα ήταν η επίδειξη της αποτελεσματικότητας του εργαλείου σε μια κλινική δοκιμή που θα συγκρίνει τα αποτελέσματά του με αυτά των πραγματικών γιατρών που θεραπεύουν πραγματικούς ασθενείς. «Τότε θα μπορέσουμε να έχουμε μια πολύ αυστηρή αξιολόγηση του κόστους», λέει ο Sontag.
Πηγή: Wired
