مایکروسافت روز ۳۰ مهر ۱۴۰۵ (۲۲ اکتبر ۲۰۲۶) نتیجه‌ی سیستم تشخیص پزشکی MAI-DxO را در مجله‌ی Science منتشر کرد. در آزمونی با ۳۰۴ پرونده‌ی دشوار از مجله‌ی پزشکی New England Journal of Medicine، این سیستم ۸۳ درصد از تشخیص‌ها را درست داد، در حالی که پزشکان بدون منبع ۲۲ درصد و با منبع کمکی ۳۶ درصد درست گفتند.
MAI-DxO چیست؟
بر اساس صفحه‌ی رسمی Microsoft AI و گزارش TechCrunch MAI-DxO مدل جدید نیست، بلکه سیستمی است که چند ایجنت را مثل هیئتی از پزشکان مجازی کنار هم می‌گذارد. ایجنت‌ها تشخیص پیشنهاد می‌دهند، آزمایش یا پرسش بعدی را انتخاب می‌کنند، نتیجه‌ی خودشان را در چند دور به چالش می‌کشند و هزینه‌ی هر آزمایش را هم در نظر می‌گیرند. زیر آن مدل‌های دیگری مثل GPT-5 و GPT-5.5 کار می‌کنند.
اعداد اصلی
- پرونده‌های NEJM (۳۰۴ مورد): ۸۳ درصد دقت، در برابر ۲۲ درصد پزشکان بدون منبع و ۳۶ درصد با منبع.
- اورژانس (پایگاه MIMIC-IV-ED): ۸۰ درصد در برابر ۴۷ درصد پزشکان.
- هزینه: یک تنظیم به ۸۱ درصد دقت با کمتر از نصف هزینه‌ی سیستم‌های مشابه رسید. هزینه‌ی هر پرونده برای GPT-5 به‌تنهایی حدود ۸۴۰۰ دلار تخمین زده شد و سیستم حدود ۳۰۰۰ دلار از آن کم کرد.
- مدل‌های تازه‌تر: با GPT-5.5، دقت پرونده‌های دشوار از ۷۲ به نزدیک ۸۷ درصد رسید.
مایکروسافت ابزار آزمون SDBench را برای بخشی از پرونده‌ها متن‌باز کرده است.
محدودیت‌ها که باید دانست
TechCrunch چند نکته‌ی مهم نوشته است. پزشکان در آزمون تنها بودند و از همکار یا متخصص کمک نگرفتند؛ پس مقایسه با تیم پزشکی نیست. در اورژانس سود سیستم کم بود و بخش بزرگ بهبود از خود مدل‌های زیرین می‌آید نه از هماهنگ‌سازی. شبیه‌سازی هم جای بیمار واقعی را نمی‌گیرد. برای همین مایکروسافت با بیمارستان Beth Israel Deaconess در بوستون آزمایش واقعی را شروع می‌کند تا پیشنهاد سیستم را با پزشک مقایسه کند، و با Mayo Clinic روی مدل پایه‌ی سلامت کار می‌کند که برای سال آینده برنامه‌ریزی شده است. گوگل (AMIE) و OpenAI نیز ادعاهای مشابه دارند، پس این رقابت تازه شروع شده است.
این خبر برای کاربر فارسی‌زبان یعنی چه؟
MAI-DxO هنوز محصول عمومی نیست و نباید جای مراجعه به پزشک بنشیند. خطر اصلی برای کاربر عادی این است که از مدل‌های چت برای تشخیص خودسرانه استفاده کند. اگر درباره‌ی نشانه‌ها پرسش دارید، مقاله‌ی مدل‌ها اشتباه را پنهان می‌کنند نشان می‌دهد چرا باید پاسخ‌ها را با منبع سنجید، و Guardian Agents مایکروسافت بخش دیگری از نگاه همین شرکت به ایجنت‌هاست. برای آشنایی با مفهوم ایجنت، ایجنت هوش مصنوعی چیست؟ را ببینید. در ابزارهای هوش‌نو می‌توانید با مدل‌های هوش مصنوعی گفتگو کنید تا اصطلاح‌های یک پاسخ آزمایشگاهی را بفهمید، اما تصمیم درمانی را همیشه به پزشک بسپارید.
آزمون واقعی چطور انجام می‌شود؟
مایکروسافت می‌گوید با بیمارستان Beth Israel Deaconess آزمایشی آینده‌نگر ترتیب داده که در آن بیماران مستقیم با سیستم گفتگو می‌کنند و پیشنهاد سیستم با ارزیابی مستقل پزشکان مقایسه می‌شود. تفاوت این با آزمون فعلی بزرگ است: پرونده‌های NEJM پیشاپیش نوشته شده‌اند و اطلاعات تمیز و کامل دارند، اما بیمار واقعی اطلاعات ناقص و گاهی متناقض می‌دهد. تا نتیجه‌ی این مرحله نیاید، عدد ۸۳ درصد را باید به عنوان نتیجه‌ی یک بنچمارک خواند نه توان بالینی.
چرا هزینه هم در آزمون آمد؟
در آزمون SDBench هر آزمایش و پرسش یک هزینه‌ی مجازی دارد. پزشک یا مدلی که همه‌ی آزمایش‌ها را بخواهد شاید تشخیص درست بدهد ولی در عمل بیمار و سیستم درمان را زیر بار می‌برد. مایکروسافت می‌گوید در هیچ‌کدام از دو مجموعه‌ی داده، روش دیگری همزمان هم دقیق‌تر و هم ارزان‌تر از MAI-DxO نبود. این ادعای خود شرکت است و نتیجه‌ی مستقلی برای آن ندیده‌ایم؛ اما نشان می‌دهد معیار سنجش فقط درست‌بودن نیست و صرفه‌ی درمان را هم می‌گیرد.
تفاوت با دستیار سلامت در چت
سیستمی مثل MAI-DxO چند دور پرسش و بحث دارد و برای متخصص ساخته شده است. چت معمولی در یک پاسخ نتیجه می‌دهد و ممکن است با اطمینان اشتباه کند. اگر برای پرسش پزشکی از چت استفاده می‌کنید، نشانه‌ها و سابقه را کامل بنویسید، از مدل بخواهید چند احتمال و آزمایش پیشنهادی را همراه با عدم‌قطعیت بگوید و نتیجه را با پزشک مرور کنید.
سؤالات متداول
MAI-DxO را می‌توانم استفاده کنم؟
خیر، در خبر دسترسی عمومی اعلام نشده است. فقط در پژوهش و آزمایش با شریکان بالینی است.
آیا از پزشک بهتر است؟
فقط در یک آزمون شبیه‌سازی با پزشکانی که تنها کار می‌کردند. آزمون بالینی واقعی هنوز انجام نشده است.
مقاله در کدام مجله است؟
Science. یک مقاله‌ی همراه هم در BMJ Digital Health and AI آمده است.
