نتایج آزمایشات
مایکروسافت با استفاده از یک مدل چندعاملی جدید، توانست در مجموعه‌ای از پرونده‌های پزشکی و اورژانس، دقت تشخیص را به‌طور قابل‌توجهی بالاتر از پزشکان قرار دهد. این سیستم نه‌تنها در تشخیص بیماری‌ها، بلکه در کاهش هزینه‌های ناشی از آزمایش‌های اضافه‌ای که توسط پزشکان ممکن است انجام شود، عملکردی بهینه نشان داد.
- دقت تشخیص تا ۴ برابر بیشتر از پزشکان
- کاهش هزینه‌های تشخیص تا ۳۰٪
- محیط‌های آزمایش مبتنی بر SDBench، مجموعهٔ پرونده‌های استاندارد پزشکی
چشم‌انداز آینده پزشکی
مجلس‌اعضای مایکروسافت بر این باورند که «ابر هوش پزشکی» در راه رسیدن است. بازاریابی شرکت بارها ادعا کرده بود که این فناوری در کلاس‌های بالینی و بالاتر از ۲۰۲۲، می‌تواند نقش قابل‌سنجی ایفا کند. با این حال، فاصلهٔ بین مدل‌های آزمایشی و تصمیم‌گیری بالینی هنوز گارانتی نشده است.
محدودیت‌های بالینی
اندازه‌گیری عملکرد این سامانه در محیط‌های آزمایشی نشانگر یک گام بزرگ بود، اما هنوز آزمایش‌های بالینی در دستگاه‌های پزشکی و بیمارستان‌ها صورت نگرفته است. مایکروسافت قصد دارد SDBench را متن‌باز کند تا پژوهشگران بتوانند به راحتی مدل را بر روی داده‌های واقعی تست کنند.
پرسش‌های پرتکرار
کدام حوزه‌های پزشکی هوش مصنوعی مایکروسافت دقت بالاتری را ارائه داد؟
در آزمایش‌ها، بیمارستان‌های اورژانس و گزارش‌های پزشکی به‌صورت آماری حداکثری دقت را در تشخیص چهار ضعف پزشکان نشان داد.
آیا این سامانه در کلینیک‌های واقعی مورد تأیید قرار گرفته است؟
خیر، هنوز اعتبارسنجی بالینی در محیط‌های بهداشتی واقعی انجام نشده و باید در دوره‌های نهایی آزمایش شود.
