توسعه ابزار هوش مصنوعی پزشکی توسط مایکروسافت
به گزارش کارگروه فناوری اطلاعات سایبربان، بر اساس مطالعهای که در نشریه ساینس (Science) منتشر شد، پژوهشگران مایکروسافت اعلام کردند که یک ابزار هوش مصنوعی که همانند پزشکان، بیماران را گامبهگام مورد تشخیص قرار میدهد در حل موارد پزشکی پیچیده، بیش از دوبرابر پزشکان عمومی دقت داشته است.
طبق این گزارش، این مدل با استفاده از یک هماهنگکننده (orchestrator)، پرسشهایی را که باید از بیمار پرسیده شود و همچنین معاینات و آزمایشهایی را که باید تجویز گردند، شناسایی و تنظیم میکند. این هماهنگکننده با بهکارگیری گروهی شبیهسازیشده از متخصصان بالینی که برای حل موارد تشخیصی با یکدیگر همکاری میکنند، نحوه برخورد هوش مصنوعی با مسئله را سازماندهی مینماید.
مدلهای هوش مصنوعی پزشکی موجود، معمولاً رویکردی یکجا (همزمان) دارند؛ بدین معنا که تمام علائم بیمار، نتایج آزمایشگاهی و تصاویر پزشکی را یکباره بررسی میکنند تا به تشخیص برسند.
در این سیستم، یک هماهنگکننده (Orchestrator) مراحل رسیدن به تشخیص را مدیریت میکند. بدین ترتیب، مدل هوش مصنوعی ابتدا تصمیم میگیرد که چه پرسشهایی درباره سابقه پزشکی بیمار مطرح کند و در معاینه فیزیکی، چه نکاتی حائز اهمیت هستند. سپس بر اساس یافتههای خود، تصمیم میگیرد چه آزمایشهایی تجویز کند؛ پس از بررسی نتایج، در صورت لزوم، آزمایشهای تکمیلی دیگری را درخواست میکند.
به گفته سرپرستان این پژوهش، این مدل در تمام طول این فرایند، فرضیههای کاری و برنامههای خود را بهروزرسانی میکند.
در آزمایشی که شامل تشخیص بیش از ۳۰۰ مورد پزشکی بسیار غیرمعمول و پیچیده بود، مدلی که از این هماهنگکننده تشخیصی بهره میبرد، در زمینه بررسی وضعیت بیمار و تعیین تشخیص نهایی، بیش از دوبرابر پزشکان عمومی (که از کتابهای مرجع و اینترنت استفاده میکردند) دقت داشت.
این ابزار همچنین در مواجهه با سناریوهایی برگرفته از یک پایگاهداده بزرگ شامل موارد پذیرش در بخش اورژانس، عملکردی بهتر از پزشکان انسانی از خود نشان داد.
به گفته پژوهشگران، در ارزیابیهایی که این نوع سیستمهای قدیمیتر را با پزشکان انسانی مقایسه میکنند، معمولاً از پرسشهای چندگزینهای استفاده میشود.
دکتر دومینیک کینگ، معاون بخش سلامت در واحد هوش مصنوعی مایکروسافت که تیمش درحالتوسعه این فناوری جدید است گفت:
هوش مصنوعی در کسب نمره قبولی کامل (۱۰۰ درصد) در این آزمونها بسیار مهارت پیدا کرده است. اما البته، این شرایط دنیای واقعی نیست. هیچ بیماری تابهحال با یک خلاصه وضعیت مرتب و آماده به سراغ من نیامده است.
پژوهشگران همچنین دریافتند که وقتی یک سیستم هماهنگکننده مراحل بررسیهای تشخیصی را طراحی میکند، هزینه این فرایندها کمتر از زمانی است که پزشکان انسانی آنها را انجام میدهند.
هارشا نوری، رئیس بخش هوش مصنوعی در واحد سلامت مایکروسافت، گفت:
ما صرفاً دقت این سیستمها را نمیسنجیم؛ بلکه بررسی میکنیم که آنها تا چه حد سنجیده و دقیق، مراحل بررسیهای تشخیصی را پیش میبرند.
پژوهشگران در همکاری با مرکز پزشکی بث اسرائیل دیاکونس (Beth Israel Deaconess Medical Center) در بوستون، در مرحله بعد توانایی این ابزار را برای اولویتبندی (تریاژ) بیماران در اتاقهای انتظار بخش اورژانس، مورد آزمایش قرار خواهند داد.