Microsoft'un yapay zekâ teşhis aracı klinik testlerde doktorları geride bıraktı



Özet


Microsoft araştırmacıları, karmaşık tıbbi vakalarda genel pratisyen hekimlerden çok daha yüksek teşhis doğruluğu sergileyen Microsoft AI Diagnostic Orchestrator (MAI-Dxo) adlı bir yapay zeka sistemi geliştirdi. GPT-5 altyapısını kullanan sistem, tıbbi vakaları aşamalı bir süreçle ele alarak ihtiyaç duyulan soruları ve testleri belirlerken aynı zamanda maliyet faktörlerini de hesaba katıyor. Yapılan testlerde yapay zekanın karmaşık vakaların %83,2'sini doğru teşhis etmesi, referans materyaller kullanan hekimlerin başarısının %36,1'de kalmasıyla dikkat çekiyor. Sistem, uzmanlardan oluşan bir paneli simüle ederek sürekli güncellenen veriler ışığında akıl yürütebilen ve teşhis sürecini verimli bir şekilde yönetebilen bir yapı sunuyor.



Microsoft araştırmacıları, karmaşık tıbbi vakalar ve acil servis kayıtlarını içeren testlerde genel pratisyen hekimlerden daha yüksek teşhis doğruluğu yakalayan bir yapay zeka sistemi geliştirdi.

Bulgular, sistemin karmaşık vakaların %83,2'sini doğru teşhis ettiğini gösterirken, referans materyalleri kullanan hekimlerin bu oranı %36,1 olarak gerçekleştirdi. Araştırmacılar ayrıca, sistemin tahmin ettiği teşhis testi maliyetlerinin, harcama sınırları uygulanıp uygulanmadığına göre değişiklik gösterdiğini tespit etti.

Microsoft AI Diagnostic Orchestrator (MAI-Dxo) adı verilen sistem, başlangıçtan itibaren hastaya ait eksiksiz bir bilgi setine güvenmek yerine, tıbbi vakaları aşamalar halinde işliyor. Sistem; hangi soruların sorulacağına, hangi testlerin talep edileceğine ve teşhis koymak için yeterli kanıtın ne zaman toplandığına karar veriyor.

Microsoft'un yapay zekası teşhise nasıl yaklaşıyor?

MAI-DxO, bir hastayı teşhis etmek için farklı yaklaşımlara sahip tıbbi uzmanlardan oluşan bir paneli simüle etmek için büyük bir dil modeli kullanıyor. Sistem süreç boyunca olası teşhisleri muhafaza ediyor, incelemeleri seçiyor, kendi akıl yürütmelerini gözden geçiriyor ve test maliyetlerini dikkate alıyor.

Araştırmada temel değerlendirmeler için altyapı modeli olarak GPT-5 kullanıldı. Sistem, tüm tıbbi bilgileri bir kerede almak yerine sınırlı bir klinik açıklama ile başlıyor ve inceleme ilerledikçe ek ayrıntılar talep ediyor.

Yeni bilgiler geldikçe orkestra sistemi, üzerinde çalıştığı teşhisleri gözden geçiriyor ve daha fazla teste ihtiyaç olup olmadığını belirliyor. Ayrıca nasıl ilerleneceğine karar vermeden önce ek incelemelerin maliyetini de hesaba katıyor.

Araştırmacılar, bu süreci değerlendirmek için Sequential Diagnosis Benchmark (SDBench) adı verilen bir test çerçevesi geliştirdi. Bu çerçeve, hasta bilgilerini yalnızca talep edildiğinde açan otomatik bir mekanizma kullanarak hem yapay zeka sistemlerinin hem de katılan hekimlerin her aşamada mevcut kanıtlara dayanarak karar vermesini sağlıyor.

Benchmark; The New England Journal of Medicine'de yayınlanan 304 klinikopatolojik konferans vakasını ve MIMIC-IV-ED veritabanından alınan 325 acil servis vakasını içeriyor. Talep edilen her test için tahmin edilen bir maliyet atanıyor, bu da araştırmacıların teşhis doğruluğu ile kaynak kullanımını karşılaştırmasına olanak tanıyor.

Araştırmacılar, MAI-DxO'nun ilk teşhis testini sipariş etmeden önce ortalama 25,5 soru sorduğunu, katılan hekimlerde ise bu sayının 5,6 kaldığını tespit etti. Bu durum, sistemin incelemeleri seçmeden önce daha fazla hasta geçmişi bilgisi toplamasına imkan sağladı.

Vaka bilgilerini en baştan sunan statik tıbbi yapay zeka kıyaslamalarının aksine SDBench, ek bilgiler geldikçe teşhis kararlarını değerlendiriyor.

Yapay zeka hekimleri geride bırakıyor ancak maliyetler değişiyor

Karmaşık tıbbi vakalarda MAI-DxO %83,2 doğruluk oranına ulaşırken; genel pratisyen hekimler referans araçları olmadan %22,3, dış kaynaklara başvurmalarına izin verildiğinde ise %36,1 başarı gösterdi.

En yüksek performansı gösteren hekim %51,8 doğruluk oranına ulaşarak yapay zeka sisteminin rapor edilen sonuçlarının altında kaldı. Karşılaştırma, bireysel hekimleri kapsıyordu.