AI диагностика: Microsoft надмина общите лекари в тест

23.10

време за четене: 4 мин.

Microsoft публикува в списание Science система, която на най-трудните описани медицински случаи поставя вярна диагноза много по-често от общопрактикуващите лекари. Сравнението обаче е направено върху архивни случаи и без специалистите, които обикновено ги решават. Рекордът е в теста, а истинската проверка тепърва започва в болница.

В болничен кабинет със смесено осветление робот подрежда върху масата пет малки роботчета като консилиум около рентгенова снимка, а жена лекар с папка в ръка ги гледа скептично и посочва празния стол, на който трябва да седи специалист.

Какво публикува Microsoft

На 22 октомври Science публикува статията „Sequential diagnosis with language models" на екипа на Microsoft AI. В нея е описана системата MAI-DxO, в която няколко AI агента играят ролята на консилиум. Те задават въпроси за пациента, преценяват кои изследвания да назначат, преразглеждат възможните диагнози и следят цената на всяка стъпка, точно както лекарят стига до диагнозата постепенно.

За теста екипът е построил собствен измерител, SDBench, върху стотици случаи от The New England Journal of Medicine. Това са едни от най-сложните случаи, които медицинската литература описва. Според статията системата е познала 83,2% от тях, а общопрактикуващите лекари - 36,1%. При случаи от спешното отделение на болницата Beth Israel Deaconess в Бостън резултатите са 80,3% срещу 46,8%.

По данни на Microsoft лекарите, които са работили без справочници и интернет, са стигнали до около 22%. Компанията твърди също, че системата е по-евтина, защото назначава по-малко изследвания.

Какво точно сравнява тази AI диагностика

Числата са впечатляващи, но съдържат три уточнения, които променят прочита им.

Първото е кой е сравнен. Случаите от The New England Journal of Medicine обикновено се решават от специалисти или от екипи лекари, а те не са участвали в сравнението. TechCrunch отбелязва това изрично. Срещу машината са поставени лекари с общ профил, сами и пред задача, която в реалната практика рядко би стигнала до тях.

Второто е откъде идва печалбата. По прочита на TechCrunch на данните в статията голямата част от подобрението идва от самия езиков модел, а не от екипа от агенти около него. GPT-5 на OpenAI сам, с кратко и просто указание, е стигнал до 78,9% на сложните случаи. Консилиумът е добавил около четири точки и е свалил оценената цена на случай с около 3000 долара. При случаите от спешното отделение разликата между модела сам и модела в системата е почти никаква.

Третото е мястото на теста. Авторите сами пишат, че резултатите са получени в контролирана среда за сравнение. Системата е решавала минали, вече описани случаи, а не е стояла пред пациент.

Изводът не е, че машината лекува по-добре, а че в теста по-силният модел върши по-голямата част от работата.

Нашият анализ: къде помага екипът от агенти

Най-полезното в статията не е рекордът, а разбивката по модели. При по-слабите модели консилиумът дава голям скок. Gemini 2.5 Flash е стигнал до 46,4% сам и до почти 69% в системата. При по-новия GPT-5.5 сложните случаи са се вдигнали от 72% до почти 87%, при малко по-ниска цена. В спешното отделение обаче и двата варианта са около 85%.

Оркестрацията помага най-много там, където моделът е по-слаб, а при силен модел печалбата се свива. Microsoft го обяснява с това, че печалбата в точност естествено се свива, когато моделите наближат теоретичния максимум. Същевременно TechCrunch посочва, че разликата между слабите и силните модели остава по-голяма от тласъка, който дава системата.

Наблюдаваме същата закономерност и извън медицината. Когато екип изгражда AI агенти за своите процеси, изборът на модел решава повече от сложната схема около него. Схемата може да подобри по-евтиния модел и да намали разходите, но рядко заменя по-силния.

Какво следва: проверка в болница

Microsoft обявява партньорство с Beth Israel Deaconess за проверка в реални условия. Според описанието пред TechCrunch пациентите ще получават обичайната грижа, а тези, които се съгласят, ще работят паралелно и със системата. После препоръките ѝ ще се сравнят с решенията на лекарите. Ръководителят на здравното направление в Microsoft AI Доминик Кинг казва пред The Verge, че това вероятно ще започне в следващите няколко месеца.

Докато няма такава проверка, системата е обещание за помощник на лекаря, а не готов продукт. Самият Мустафа Сюлейман, който ръководи Microsoft AI, признава пред The Verge, че технологията се нуждае от клинично валидиране. Кога и как ще стане достъпна, компанията не казва.

Заключение

AI диагностика, която надминава общопрактикуващите лекари на архивни случаи, е важен научен резултат. Решаващият тест обаче е спешното отделение в петък вечер, а не сравнението на хартия.

Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI

Помагаме на български организации да преценят къде AI агентите реално подобряват работата и къде само усложняват процеса. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация, когато екипът избира между по-силен модел и по-сложна схема от агенти около по-евтин модел. [Свържете се с нас за консултация: academy@razvivai.se]