Інновація Microsoft: медичний ШІ точніший і дешевший за лікарів

Тестування: результати, які важко ігнорувати

Для перевірки MAI DxO використали платформу SDBench — складний набір клінічних кейсів з історіями хвороб, симптомами, лабораторними даними та результатами обстежень. Кожен випадок — це своєрідний діагностичний ребус, який потрібно розв’язати.

У цьому контексті система штучного інтелекту продемонструвала вражаючі результати. У понад 85% випадків MAI DxO встановила правильний діагноз, водночас лікарі дали вірну відповідь менш ніж у чверті кейсів. Ба більше, ШІ потребував менше досліджень, що дало змогу скоротити витрати приблизно на п’яту частину.

У тестах створено симульовані умови: лікарі не могли використовувати інтернет чи підказки, а ШІ не мав змоги виходити за рамки заданих протоколів. Попри ці обмеження, навіть в обмеженому полі модель проявила вищу адаптивність, логіку та стратегічність.

Що це означає для медицини сьогодні

По-перше, Microsoft пропонує не просто ще одну LLM для обробки запитів. Вона створює платформу, здатну брати на себе цілісні клінічні функції — від первинного прийому до формування діагностичної стратегії. Такі системи можна масштабувати, адаптувати до національних протоколів, інтегрувати в електронні медичні карти та навіть автоматизувати спілкування з пацієнтами.

По-друге, це новий підхід до використання ШІ в медицині. Замість того, щоб підсилювати роботу лікаря, MAI DxO фактично створює «віртуального лікаря», що самостійно проводить процес діагностики — з аналітичним мисленням, обґрунтованими рішеннями та контрольованими витратами. Це радикальна зміна парадигми.

Нарешті, ця система відкриває шлях до медицини, в якій якість послуг не залежить від місця проживання пацієнта чи завантаженості клініки. Алгоритм не втомлюється, не помиляється через людський фактор, не знецінює симптоми й не потребує вихідних.

Але не все так просто: обмеження та виклики

Попри вражаючі результати, існують критично важливі застереження. Найперше — симулятивний характер тестування. MAI DxO працювала з вже описаними кейсами, де немає повної невизначеності. У реальній клінічній практиці пацієнти не приносять готових історій хвороби — вони висловлюють скарги, часто неповні, неструктуровані та емоційно забарвлені. ШІ ще належить навчитись розуміти людський досвід у його живому, а не академічному вигляді.

Також важливо враховувати ризики упереджень. Якщо модель навчалась на обмежених чи нерепрезентативних даних, вона може погано працювати з меншинами, дітьми, людьми похилого віку або унікальними патологіями.

Окремо постає питання довіри. Навіть якщо система демонструє кращу точність, її впровадження залежатиме від регуляторів, лікарських асоціацій, пацієнтських спільнот і медичних страхових компаній. Ніхто не скасовував етику, юридичну відповідальність і право на помилку — усе це необхідно враховувати.

Що далі: перспективи розвитку

Microsoft вже тестує інтеграцію своєї системи в медичні продукти: електронні історії хвороб, інструменти для лікарів, помічники Copilot і пошукові сервіси Bing. Модельна незалежність MAI DxO дає змогу адаптувати її під будь-який ринок, мовний простір або спеціалізацію.

У найближчому майбутньому очікується запуск масштабних клінічних випробувань, де MAI DxO буде порівнюватися з лікарями у реальному часі. І тільки після цього можна буде говорити про її практичне впровадження у медицину.

Очевидно одне: цей підхід здатен змінити фундаментальні принципи клінічного мислення, розширити доступ до якісної медицини і переосмислити роль лікаря як такого. Попереду ще багато запитань, але відповідь, яку дає Microsoft, вже має вагу — і вона звучить надзвичайно переконливо.

Microsoft не просто створила ще один інструмент на базі штучного інтелекту. Вона зробила важливий крок до повноцінної автономної медичної аналітики — системи, що вміє мислити, сперечатися, перевіряти себе і при цьому зменшувати витрати. Якщо ця технологія пройде шлях до клінічного впровадження, ми отримаємо новий стандарт якості в охороні здоров’я — розумний, адаптивний і універсальний.

Глосарій ключових понять