Microsoftov novi AI orkestrator rješava 85.5% medicinskih slučajeva i smanjuje troškove dijagnostike
Ukratko
Microsoft je izdao MAI Diagnostic Orchestrator, medicinsku umjetnu inteligenciju koja je nadmašila liječnike rješavajući 85.5% slučajeva u odnosu na 20% i ostvarujući veće uštede troškova.
Tehnološka tvrtka microsoft predstavio je Microsoft AI Diagnostic Orchestrator (MAI-DxO), sustav namijenjen simuliranju virtualnog panela medicinskih stručnjaka s različitim dijagnostičkim metodama koji surađuju na kliničkim slučajevima.
U generativnim AI primjenama, orkestrator funkcionira kao koordinacijski sloj koji upravlja više komponenti uključenih u obavljanje složenog zadatka. Unutar zdravstva, takvi koordinacijski mehanizmi smatraju se važnima zbog kritične prirode medicinskih odluka. Orkestrator je u ovom slučaju pozicioniran iznad velikih jezičnih modela, strukturirajući dijagnostički proces korak po korak kako bi se smanjile potencijalne pogreške i poboljšala dosljednost, transparentnost i operativna pouzdanost.
Microsoftovi istraživači sugeriraju da bi orkestriranje više jezičnih modela moglo biti potrebno za rukovanje složenim kliničkim tijekovima rada. Ova strategija mogla bi omogućiti bolju integraciju različitih izvora podataka te pružiti povećanu sigurnost i prilagodljivost u dinamičnim zdravstvenim okruženjima. Sistemski agnostički dizajn također podržava mogućnost revizije i robusnost.
Rezultati evaluacije koje je predstavio Microsoft pokazuju da je MAI-DxO poboljšao dijagnostičke performanse u svim testiranim modelima, s najvećom točnošću - 85.5% - postignutom u kombinaciji s OpenAIo3 model na temelju referentne vrijednosti časopisa New England Journal of Medicine (NEJM). Za usporedbu, skupina od 21 liječnika iz SAD-a i Ujedinjenog Kraljevstva, svaki s 5-20 godina iskustva, zabilježila je prosječnu točnost od 20% na istim zadacima.
MAI-DxO sustav se može konfigurirati za rad unutar prethodnodefiparametri troškova, što omogućuje analizu kompromisa između dijagnostičke točnosti i troškova testiranja. Ova značajka namijenjena je sprječavanju neučinkovitog prekomjernog testiranja uz optimizaciju ishoda. Nalazi iz microsoft sugeriraju da je MAI-DxO pružio i poboljšanu dijagnostičku točnost i smanjio troškove testiranja u usporedbi s kliničarima ili pojedinačnim AI modelima.
Umjetna inteligencija nadilazi granice tradicionalnih liječnika kombinirajući široku i specijaliziranu stručnost, nudeći isplativu dijagnostičku podršku
Medicinski stručnjaci često se kategoriziraju na temelju opsega ili fokusa njihove stručnosti. Liječnici opće prakse, poput obiteljskih liječnika, obično se bave širokim rasponom zdravstvenih problema u različitim dobnim skupinama i organskim sustavima. Nasuprot tome, specijalisti se koncentriraju na specifična područja, poput reumatologije, često posvećujući svoju praksu jednom stanju ili sustavu.
Međutim, nijedan pojedinačni liječnik ne može sveobuhvatno obraditi cijeli spektar kliničkih slučajeva predstavljenih u složenim skupovima podataka poput serije slučajeva NEJM. Umjetna inteligencija, u usporedbi s tim, nije ograničena tim ograničenjima. Može uključivati i široko i specijalizirano znanje, primjenjujući kliničko razmišljanje na načine koji, u nekoliko područja, nadilaze ono što jedan ljudski stručnjak može postići. Ova razina razmišljanja ima implikacije za strukturu pružanja zdravstvene skrbi. Sustavi umjetne inteligencije mogu olakšati upravljanje rutinskom skrbi koju vodi pacijent i pružiti kliničarima poboljšane alate za donošenje odluka za teže slučajeve. Podaci također pokazuju da takvi sustavi imaju potencijal smanjiti troškove zdravstvene skrbi. U Sjedinjenim Državama troškovi zdravstvene skrbi približavaju se jednoj petini nacionalnog BDP-a, pri čemu se veliki dio - procijenjen na oko 25% - pripisuje neučinkovitosti ili intervencijama s ograničenom kliničkom koristi.
Posebnost ovog istraživanja leži u uključivanju ekonomskih razmatranja. Iako se stvarni troškovi razlikuju ovisno o regiji i modelu zdravstvene zaštite te često uključuju nizvodne varijable koje ovdje nisu izmjerene, primijenjena je jedinstvena metodologija na sve agente i kliničare kako bi se procijenili kompromisi između dijagnostičke učinkovitosti i potrošnje resursa. Ovo istraživanje predstavlja početno istraživanje te dinamike. Potrebna su daljnja istraživanja prije generativnih AI sustava može se u potpunosti integrirati u kliničku praksu. Testiranje u stvarnom svijetu, regulatorni nadzor i evaluacija temeljena na dokazima bit će ključni za osiguranje da ovi alati zadovoljavaju standarde sigurnosti i učinkovitosti. U tijeku su suradnički napori sa zdravstvenim ustanovama kako bi se podržala temeljita procjena prije bilo kakve potencijalne primjene velikih razmjera.
Izjava o odricanju od odgovornosti
U skladu s Smjernice projekta povjerenja, imajte na umu da informacije navedene na ovoj stranici nemaju namjeru i ne smiju se tumačiti kao pravni, porezni, investicijski, financijski ili bilo koji drugi oblik savjeta. Važno je ulagati samo ono što si možete priuštiti izgubiti i potražiti neovisni financijski savjet ako imate bilo kakvih nedoumica. Za dodatne informacije predlažemo da pogledate odredbe i uvjete, kao i stranice za pomoć i podršku koje pruža izdavatelj ili oglašivač. MetaversePost je predan točnom, nepristranom izvješćivanju, ali tržišni uvjeti podložni su promjenama bez prethodne najave.
O autoru
Alisa, predana novinarka u MPost, specijalizirao se za kriptovalute, dokaze bez znanja, ulaganja i ekspanzivno područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
Više članaka
Alisa, predana novinarka u MPost, specijalizirao se za kriptovalute, dokaze bez znanja, ulaganja i ekspanzivno područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
