Bộ điều phối AI mới của Microsoft giải quyết 85.5% các trường hợp y tế và cắt giảm chi phí chẩn đoán

Công ty công nghệ microsoft đã giới thiệu Microsoft AI Diagnostic Orchestrator (MAI-DxO), một hệ thống nhằm mô phỏng một nhóm chuyên gia y tế ảo với nhiều phương pháp chẩn đoán khác nhau cùng làm việc trên các ca lâm sàng. 

Trong các ứng dụng AI tạo sinh, một bộ điều phối hoạt động như một lớp phối hợp quản lý nhiều thành phần liên quan đến việc thực hiện một nhiệm vụ phức tạp. Trong chăm sóc sức khỏe, các cơ chế phối hợp như vậy được coi là quan trọng do bản chất quan trọng của các quyết định y tế. Bộ điều phối trong trường hợp này được định vị trên các mô hình ngôn ngữ lớn, cấu trúc quy trình chẩn đoán từng bước để giúp giảm thiểu các lỗi tiềm ẩn và cải thiện tính nhất quán, minh bạch và độ tin cậy trong hoạt động. 

Các nhà nghiên cứu của Microsoft cho rằng việc sắp xếp nhiều mô hình ngôn ngữ có thể cần thiết để xử lý các quy trình làm việc lâm sàng phức tạp. Chiến lược này có thể cho phép tích hợp tốt hơn nhiều nguồn dữ liệu khác nhau và tăng cường tính an toàn và khả năng thích ứng trong các môi trường chăm sóc sức khỏe năng động. Thiết kế không phụ thuộc vào hệ thống cũng hỗ trợ khả năng kiểm toán và tính mạnh mẽ. 

Kết quả đánh giá do Microsoft trình bày cho thấy MAI-DxO đã cải thiện hiệu suất chẩn đoán trên tất cả các mô hình được thử nghiệm, với độ chính xác cao nhất—85.5%—đạt được khi kết hợp với OpenAIMô hình o3 của 's trên chuẩn mực của Tạp chí Y khoa New England (NEJM). Để so sánh, một nhóm gồm 21 bác sĩ từ Hoa Kỳ và Vương quốc Anh, mỗi người có 5–20 năm kinh nghiệm, đã ghi nhận độ chính xác trung bình là 20% trong cùng một nhiệm vụ. 

Hệ thống MAI-DxO có thể cấu hình để hoạt động trong phạm vi trướcdefitham số chi phí được xác định, cho phép phân tích sự đánh đổi giữa độ chính xác của chẩn đoán và chi phí thử nghiệm. Tính năng này nhằm mục đích ngăn ngừa việc thử nghiệm quá mức không hiệu quả trong khi tối ưu hóa kết quả. Phát hiện từ microsoft cho rằng MAI-DxO vừa cải thiện độ chính xác của chẩn đoán vừa giảm chi phí xét nghiệm so với bác sĩ lâm sàng hoặc các mô hình AI riêng lẻ.

AI vượt qua giới hạn của bác sĩ truyền thống bằng cách kết hợp chuyên môn rộng và chuyên sâu, cung cấp hỗ trợ chẩn đoán tiết kiệm chi phí

Các chuyên gia y tế thường được phân loại dựa trên phạm vi hoặc trọng tâm chuyên môn của họ. Các bác sĩ đa khoa, chẳng hạn như bác sĩ gia đình, thường giải quyết nhiều vấn đề sức khỏe khác nhau ở nhiều nhóm tuổi và hệ cơ quan khác nhau. Ngược lại, các bác sĩ chuyên khoa tập trung vào các lĩnh vực cụ thể, chẳng hạn như bệnh thấp khớp, thường dành riêng hoạt động của mình cho một tình trạng hoặc hệ thống duy nhất. 

Tuy nhiên, không có bác sĩ riêng lẻ nào có thể giải quyết toàn diện toàn bộ phổ các trường hợp lâm sàng được trình bày trong các tập dữ liệu phức tạp như loạt trường hợp NEJM. Ngược lại, AI không bị ràng buộc bởi những hạn chế này. Nó có thể kết hợp cả kiến ​​thức rộng và chuyên sâu, áp dụng lý luận lâm sàng theo những cách vượt trội hơn những gì một chuyên gia con người có thể đạt được trong một số lĩnh vực. Mức độ lý luận này có ý nghĩa đối với cấu trúc cung cấp dịch vụ chăm sóc sức khỏe. Các hệ thống AI có thể tạo điều kiện thuận lợi cho việc quản lý chăm sóc thường quy do bệnh nhân chỉ đạo và cung cấp cho các bác sĩ lâm sàng các công cụ ra quyết định nâng cao cho các trường hợp khó hơn. Dữ liệu cũng chỉ ra rằng các hệ thống như vậy có tiềm năng giảm chi phí chăm sóc sức khỏe. Tại Hoa Kỳ, chi phí chăm sóc sức khỏe đang tiến gần đến một phần năm GDP quốc gia, với một phần lớn - ước tính khoảng 25% - là do tình trạng kém hiệu quả hoặc các can thiệp có lợi ích lâm sàng hạn chế. 

Một đặc điểm nổi bật của nghiên cứu này nằm ở việc đưa vào các cân nhắc về kinh tế. Mặc dù chi phí thực tế khác nhau tùy theo khu vực và mô hình chăm sóc sức khỏe, và thường bao gồm các biến hạ nguồn không được đo lường ở đây, một phương pháp thống nhất đã được áp dụng cho tất cả các tác nhân và bác sĩ lâm sàng để đánh giá sự đánh đổi giữa hiệu quả chẩn đoán và mức tiêu thụ tài nguyên. Cuộc điều tra này đại diện cho một cuộc khám phá ban đầu về các động lực này. Cần phải nghiên cứu thêm trước khi hệ thống AI sáng tạo có thể được tích hợp hoàn toàn vào thực hành lâm sàng. Thử nghiệm thực tế, giám sát theo quy định và đánh giá dựa trên bằng chứng sẽ rất cần thiết để đảm bảo các công cụ này đáp ứng các tiêu chuẩn về an toàn và hiệu quả. Các nỗ lực hợp tác với các tổ chức chăm sóc sức khỏe đang được tiến hành để hỗ trợ đánh giá kỹ lưỡng trước bất kỳ triển khai quy mô lớn nào.