ИИ-«оркестратор диагнозов» Microsoft обошёл врачей общей практики в сложных случаях — исследование в Science, но только на текстовом тесте
В исследовании, опубликованном в Science, система DxO от Microsoft на базе GPT-5 поэтапно поставила верный диагноз в 83,2% сложных учебных случаев из NEJM против 36,1% у врачей общей практики со справочниками. Авторы подчёркивают: это контролируемый текстовый тест, а не реальная практика.
Команда Microsoft опубликовала в журнале Science исследование системы Diagnostic Orchestrator (DxO) — ИИ, который разбирает медицинский случай шаг за шагом, решая, какие вопросы задать и какие анализы назначить, вместо того чтобы сразу получать полное описание случая.
Результаты
- На 304 клинико-патологических случаях из New England Journal of Medicine DxO поставила верный диагноз в 83,2% случаев. Врачи общей практики — 22,3% без справочных инструментов и 36,1% с ними.
- На 325 госпитализациях из отделений неотложной помощи (база MIMIC-IV-ED) точность DxO составила 80,3% против 46,8% у врачей, пишет Medical Economics.
- DxO работает на коммерческой большой языковой модели (в основных результатах — GPT-5) и имитирует консилиум виртуальных врачей, которые оспаривают гипотезы друг друга и учитывают стоимость каждого анализа.
- Без ограничения бюджета средние расходы DxO на анализы были выше, чем у врачей (5431 против 4725 долларов на случай NEJM). С бюджетными ограничениями расходы снижались ценой некоторой потери точности.
Ограничения
Авторы признают, что сравнение проводилось с отдельными врачами общей практики, а не со специалистами или командами; тест был только текстовым (без снимков и гистологии); во всех случаях было заболевание, поэтому здоровые пациенты и доброкачественные обращения исключены; измерялась только диагностика, а не лечение, безопасность или исходы. Все авторы — сотрудники Microsoft с акциями компании, внешнего финансирования не было. Исследование не доказывает, что систему безопасно применять к пациентам.