- Diagnostic Orchestrator od Microsoftu uspěl u 83 % složitých případů z NEJM, lékaři u 22 až 36 %
- Systém prošel jen historickými případy a podle Suleymana systém potřebuje klinické ověření
- Zkoušky v bostonské nemocnici mají začít za pár měsíců, pevný termín nepadl
Microsoft 22. října zveřejnil v časopise Science studii, podle níž jeho diagnostický systém Diagnostic Orchestrator předčil v testu lékaře téměř čtyřnásobně. Testovalo se ale výhradně na archivních případech.
Čtyřnásobek s malou hvězdičkou
Orchestrátor pustí k jednomu případu několik AI agentů, kteří fungují jako lékařské konzilium. Navrhují diagnózy, vybírají otázky i vyšetření, v několika kolech se navzájem zpochybňují a u každého testu zvažují, jestli se vyplatí. Pohání je GPT-5 od OpenAI, podle Microsoftu se výsledky zopakovaly i s novějším GPT-5.5. Benchmark SDBench, na kterém se testovalo, firma zveřejňuje jako open source, ale jen pro vybrané případy z NEJM.
U složitých případů z The New England Journal of Medicine dosáhl přesnosti 83 %. Lékaři (praktici) s přístupem k literatuře skončili na 36 %, bez ní na 22 %. Téměř čtyřnásobek tak platí jen proti lékařům bez podkladů, proti těm s literaturou jde o něco víc než dvojnásobek.
Na běžnějších případech z urgentního příjmu vyšlo 80 % proti 47 %. Data pocházejí z bostonské nemocnice Beth Israel Deaconess Medical Center. Microsoft zdůrazňuje i cenu: jedna z konfigurací prý dosáhla 81 % při méně než poloviční ceně srovnávaných přístupů.
Ordinace zatím jen na papíře
Microsoft sám přiznává, že systém prošel pouze minulými případy a není jasné, jak obstojí v klinickém provozu. Šéf Microsoft AI Mustafa Suleyman to shrnul slovy, že studie potřebuje klinické ověření, byť ji přirozeně označil za významný milník na téhle cestě.
Ve studii taky chybí nejnovější modely jako GPT-6 Astra, Gemini 4 Argon nebo Opus 5.5 od Anthropicu. Autoři tvrdí, že přínos spolupráce více agentů s lepšími modely nemusí mizet. Mezi autory je ostatně i Suleyman s Dominicem Kingem, šéfem zdravotnického AI týmu, tedy dva z lidí, kteří studii komentují novinářům.
Nemocnice bez termínu
V připravované studii s Beth Israel Deaconess budou se systémem komunikovat přímo pacienti a výsledky se porovnají s nezávislým hodnocením lékařů. Podle Kinga by to mohlo začít během několika měsíců, pevný termín ale nepadl.
Kdy a jak by technologie mohla přijít na trh, firma neřekla. Suleyman čeká, že příští rok uvidíme velmi působivá nasazení inteligentních systémů v praxi a během několika let výkon, který nepůjde od lidského rozeznat. Lékaři by si podle něj měli ponechat ústřední roli a AI jim má ubrat část dřiny. Zdravotnictví přitom patří k nejčastějším využitím chatbota Copilot a Microsoft má v americké zdravotní péči už teď silné zázemí díky svým digitálním nástrojům.
Adam Homola
Další dnešní články
