سیستم هوش مصنوعی مایکروسافت در تشخیص بیماری‌های پیچیده پزشکان را پشت سر گذاشت

بر اساس مطالعه‌ای که در ژورنال ساینس (Science) منتشر شده است، سیستم تشخیص بالینی هوش مصنوعی جدید مایکروسافت توانسته در یک محیط شبیه‌سازی‌شده، پرونده‌های پیچیده پزشکی را بیش از دو برابر دقیق‌تر از پزشکان عمومی تشخیص دهد. مصطفی سلیمان، مدیرعامل واحد هوش مصنوعی مایکروسافت، این دستاورد را گامی رو به جلو در مسیر دستیابی به «ابرهوش پزشکی» نامید.

این سیستم که MAI-DxO (یا به‌اختصار DxO) نام گرفته است، چند ایجنت هوش مصنوعی را در قالب یک کمیسیون پزشکی هماهنگ می‌کند. این ایجنت‌ها از بیمار شرح‌حال می‌گیرند، آزمایش‌های تشخیصی تجویز می‌کنند و در نهایت بر سر تشخیص بیماری به بحث و تبادل‌نظر می‌پردازند.

در این شبیه‌سازی که با استفاده از پرونده‌های پیچیده بالینی نشریه معتبر نیوانگلند ژورنال آو مدیسین (NEJM) انجام شد، سیستم هوش مصنوعی در ۸۳ درصد موارد به تشخیص کاملاً صحیح رسید؛ در حالی که پزشکان عمومی و متخصصان طب داخلی که به‌صورت انفرادی و با دسترسی به منابع مرجع کار می‌کردند، تنها در ۳۶ درصد موارد موفق بودند. البته پرونده‌هایی با این سطح از پیچیدگی معمولاً توسط پزشکان فوق‌تخصص یا تیم‌های متشکل از متخصصان بررسی می‌شوند که در این مقایسه حضور نداشتند.

دومینیک کینگ، معاون بخش سلامت در هوش مصنوعی مایکروسافت، در این زمینه اظهار داشت: «ما با تحولی بنیادین و بسیار هیجان‌انگیز روبه‌رو هستیم. بزرگ‌ترین چالش حال حاضر در ارائه خدمات سلامت، شکاف فزاینده میان تقاضا و دسترسی به تخصص‌های پزشکی است.»

مایکروسافت با انتشار این نتایج، اکنون به جمع شرکت‌هایی مانند گوگل و اوپن‌ای‌آی پیوسته است که مدعی هستند هوش مصنوعی آن‌ها توانسته به عملکردی هم‌تراز یا فراتر از پزشکان دست یابد.

با این حال، داده‌های همین مقاله علمی نشان می‌دهد که بخش عمده این جهش چشمگیر به قدرت مدل‌های هوش مصنوعی زیربنایی مربوط می‌شود و سیستم هماهنگ‌سازی مایکروسافت صرفاً بهبودی اضافه بر این مدل‌ها اعمال کرده است.

مایکروسافت سیستم MAI-DxO را با مدل‌های متنوعی از شرکت‌های اوپن‌ای‌آی، گوگل، آنتروپیک، متا و دیپ‌سیک مورد آزمایش قرار داد؛ اما درخشان‌ترین نتایج با استفاده از مدل‌های GPT-5 و GPT-5.5 اوپن‌ای‌آی رقم خورد.

مایکروسافت عملکرد سیستم DxO را علاوه بر دقت، از نظر هزینه اجرای هوش مصنوعی برای هر پرونده نیز سنجیده است. مدل GPT-5 به‌تنهایی و با یک پرامپت کوتاه و ساده، در پرونده‌های پیچیده به‌دقت ۷۸٫۹ درصدی با هزینه تخمینی ۸٬۴۰۰ دلار به ازای هر پرونده دست یافت. استفاده از سیستم DxO این هزینه را حدود ۳٬۰۰۰ دلار کاهش داد، اما دقت را تنها نزدیک به چهار درصد بهبود بخشید. در پرونده‌های بخش اورژانس نیز تفاوت ملموسی در دقت یا صرفه‌جویی هزینه میان GPT-5 به‌تنهایی و نسخه همراه با DxO مشاهده نشد.

در مورد GPT-5.5، مدل جدیدتری که در آوریل ۲۰۲۶ عرضه شد، نتایج جنبه متفاوتی پیدا کرد. در پرونده‌های پیچیده، سیستم DxO دقت GPT-5.5 را با هزینه‌ای اندکی کمتر از ۷۲ درصد به نزدیک ۸۷ درصد رساند. با وجود این، چنین بهبودی در پرونده‌های بخش اورژانس تکرار نشد و هر دو حالت (هم با DxO و هم بدون آن) به‌دقت مشابه حدود ۸۵ درصدی با هزینه‌ای هم‌سطح بسنده کردند.

سیستم DxO بیشترین کاربرد خود را در پرونده‌های پیچیده و هنگام اتصال به مدل‌های سبک‌تر هوش مصنوعی نشان می‌دهد. برای مثال، مدل Gemini 2.5 Flash به‌تنهایی دقت ۴۶٫۴ درصد را به ثبت رساند، اما با بهره‌گیری از DxO به‌دقت نزدیک به ۶۹ درصد ارتقا یافت. با این حال، شکاف کیفی میان مدل‌های ضعیف و قوی همچنان بسیار عمیق‌تر از بهبودی بود که ساختار DxO ارائه می‌داد.

محققان مایکروسافت خاطرنشان کرده‌اند که با نزدیک شدن مدل‌ها به حداکثر پتانسیل تئوریک، میزان ارتقای دقت به‌طور طبیعی کاهش می‌یابد. سخنگوی این تیم اضافه کرد: «سیستم هماهنگ‌سازی DxO با حل چالش کلان‌ترِ بهینه‌سازی هم‌زمان دقت و هزینه، مسیر کاربردی‌سازی را هموار می‌کند.»

مصطفی سلیمان که هدایت تیم توسعه مدل‌های پیشروی اختصاصی مایکروسافت را در دست دارد، در گفت‌وگویی اعلام کرد این شرکت با همکاری کلینیک مایو (Mayo Clinic) در حال آموزش یک مدل پایه برای مراقبت‌های بهداشتی است که سال آینده رونمایی می‌شود. او باور دارد این مدل به مایکروسافت امکان می‌دهد «جهش‌های فوق‌العاده بزرگی» را تجربه کند و معتقد است DxO بخشی از زیرساخت‌های بنیادینی به شمار می‌رود که زمینه تحولات واقعی سلامت را فراهم خواهد ساخت.

سلیمان توضیح داد: «من واقعاً باور دارم که در سال ۲۰۲۷، در آستانه جهشی شبیه به انقلاب هوش مصنوعی در کدنویسی، این بار برای پرونده‌های پزشکی خواهیم بود. به گمان من، به‌زودی قادر خواهیم بود پیش‌بینی‌های بسیار دقیقی را از روند پرونده سلامت بیمار به‌صورت آنی دریافت کنیم؛ پیش‌بینی زودهنگامی که برای هر پزشک بالینی ارزش طلا را خواهد داشت.»

سلیمان بخش اعظمی از سابقه حرفه‌ای خود را صرف به‌کارگیری هوش مصنوعی در درمان و پزشکی کرده است. او در گذشته از هم‌بنیان‌گذاران دیپ‌مایند بود؛ مجموعه‌ای که گوگل در سال ۲۰۱۴ آن را خرید. سال بعد، دیپ‌مایند استارتاپ Hark متعلق به کینگ را که در زمینه مدیریت وظایف بالینی فعال بود تصاحب کرد و آن دو با هم بخش DeepMind Health را تأسیس کردند. سلیمان در سال ۲۰۲۴ برای هدایت تیم هوش مصنوعی مایکروسافت به این غول فناوری پیوست و کینگ نیز چند ماه بعد همراه او شد.

سلیمان در توصیف انگیزه تیم خود می‌گوید: «ما عمیقاً به این مسیر ایمان داریم.»

او ضمن تأکید بر اینکه استفاده از هوش مصنوعی مولد در بهداشت و درمان هنوز در آغاز راه است، پیش‌بینی می‌کند که قابلیت‌های مدل‌های پزشکی ظرف ۲۴ تا ۳۶ ماه آینده «یک مرتبه بزرگی (تا ۱۰ برابر) قدرتمندتر شود».

سلیمان در ادامه گفت: «همان‌طور که در پنج یا شش سال اخیر بارها تجربه کرده‌ایم، به‌محض شکل‌گیری چرخه بازخورد شتاب‌دهنده (Flywheel)، پیشرفت‌ها با شتابی خارق‌العاده رخ می‌دهند. چرخه بازخورد به این معناست که یک مدل در محیط واقعی عملیاتی می‌شود تا بازخوردهای واقعی، نقاط ضعف مدل را آشکار کنند و امکان اصلاح و ارتقای آن را فراهم آورند. این دقیقاً همان فرآیندی است که در حوزه کدنویسی و قبل‌تر از آن در چت‌بات‌ها دیدیم. تصور می‌کنم سال آینده همین اتفاق در مدیریت پرونده‌های درمانی و سیستم‌های پشتیبان تصمیم بالینی رقم خواهد خورد.»

مایکروسافت همچنین طی همکاری تازه‌ای با مرکز پزشکی «بث اسرائیل دیکونس» (Beth Israel Deaconess) در بوستون، توانایی‌های استدلال بالینی سیستم DxO را در بخش‌های مختلف بیمارستانی به بوته آزمایش خواهد گذاشت.

کینگ در این رابطه می‌گوید: «این فناوری اکنون آماده ارزیابی در میدان عمل است و می‌توانید پیچیدگی و گستردگی مراجعات یک بخش اورژانس شلوغ در بوستون را در یک عصر جمعه مجسم کنید.»

او روند اجرای این مطالعه را چنین توضیح داد: بیماران روال درمانی معمول خود از جمله تریاژ، ویزیت توسط متخصص، اقدامات تشخیصی، آزمایش‌ها و تصمیم‌گیری درباره ترخیص را سپری خواهند کرد. هم‌زمان، بیمارانی که موافقت خود را اعلام کنند، در تعامل با سیستم DxO قرار می‌گیرند و مایکروسافت با همراهی شرکای بالینی، توصیه‌های این هوش مصنوعی را با قضاوت پزشکان انسانی مقایسه خواهد کرد.

شرکت گوگل نیز در همین ماه پژوهشی بالینی را با همکاری مرکز پزشکی بث اسرائیل در ژورنال معتبر د لنست (The Lancet) منتشر کرد که در آن، هوش مصنوعی تشخیصی و مکالمه‌محور AMIE در مراجعات واقعی بخش مراقبت‌های فوری، زیر نظر مستقیم پزشکان انسانی ارزیابی شده بود.

کینگ تأکید کرد: «معتقدیم این پژوهش جامع‌ترین مطالعه در نوع خود خواهد بود که نه فقط بخش‌های اورژانس، بلکه محیط‌های مراقبت فوری را نیز پوشش می‌دهد و تا انتهای مطالعه، شواهد بسیار محکمی درباره امکان استقرار این فناوری در مقیاس‌های بسیار بزرگ‌تر در آینده فراهم خواهد آورد.»

انتشار مقاله مایکروسافت در ژورنال ساینس با نوعی بیانیه مأموریت در خصوص الزامات خلق «ابرهوش پزشکی» همراه شده است؛ مفهومی که مایکروسافت آن را «توانایی برتری بر قدرتمندترین نظام‌های سلامت تحت رهبری انسان در زمینه استدلال بالینی و ایجاد هماهنگی در تمام زنجیره مراقبت» توصیف می‌کند. مایکروسافت قصد دارد از بنچمارک‌های تک‌بعدی — مانند پاسخ به پرسش‌های آزمون پزشکی یا ارائه تشخیص‌های منفرد — عبور کند و به همگرایی عمیق با پزشکان و سیستم‌های بیمارستانی برای ارتقای سلامت عمومی برسد.

سلیمان اظهار داشت: «این همان فناوری تحول‌آفرینی است که همه مردم دنیا به آن نیاز دارند و ما مصمم هستیم با تمام توان، ارائه آن را تسریع کنیم.» او افزود که این رویکرد می‌تواند مزیت رقابتی و نقطه تمایز مایکروسافت در مقایسه با سایر آزمایشگاه‌های پیشرو هوش مصنوعی باشد.

مایکروسافت در حال حاضر ابزارهای تخصصی تبدیل گفتار به متن پرونده و ابزارهای تحلیل رادیولوژی را در اختیار کادر درمان قرار می‌دهد و سیستم DxO را گامی در امتداد این خدمات می‌بیند.

سلیمان در نهایت خاطرنشان کرد: «ما باید در سال‌های آینده، بدون کوچک‌ترین تردیدی پیشرفته‌ترین محصولات پشتیبان تصمیم بالینی در جهان را در اختیار داشته باشیم.»