Прорыв в последовательной диагностике

Исследователи Microsoft Research представили систему, моделирующую работу панели врачей: ИИ начинает с главной жалобы пациента, самостоятельно формулирует уточняющие вопросы, назначает анализы и итеративно уточняет предварительный диагноз. На бенчмарке из клинико-патологических конференций NEJM алгоритм показал 83,2% точности против 36,1% у терапевтов, а на данных неотложки MIMIC-IV-ED — 80,3% против 46,8%. При этом стоимость диагностического поиска у машины оказалась ниже за счет более целевого назначения обследований.

От лаборатории к клинической практике

Публикация в Science от 22 октября детализирует архитектуру: языковая модель взаимодействует с симулятором пациента, запрашивая симптомы, анамнез и результаты исследований так, как это делает врач на приеме. Авторы работы — команда под руководством Харши Нори и Эрика Хорвица — подчеркивают, что результаты получены в контролируемой среде, однако именно последовательный подход, а не разовый ответ на виньетку, делает систему применимой к реальной клинике. Microsoft пока не анонсировала коммерческий продукт, но интеграция в экосистему Azure Health и Nuance DAX рассматривается как ближайший шаг.

Контекст надежности и мониторинга

Параллельно в npj Digital Medicine опубликована работа по масштабируемому мониторингу дрифта медицинских ИИ (MMC+), проверенная на данных Massachusetts General Hospital. Фреймворк позволяет отслеживать сдвиг входных данных в реальном времени и сигнализировать, когда модель выходит за допустимые границы точности. Это критично для внедрения систем вроде Microsoft: диагностические алгоритмы должны оставаться валидными при смене оборудования, протоколов и популяций пациентов.

Источник новости: Fox Business