«Φανταστείτε την πολυπλοκότητα και την ποικιλία των προβλημάτων που φτάνουν σε ένα τμήμα επειγόντων της Βοστόνης ένα βράδυ Παρασκευής». Με αυτή την εικόνα ο Dominic King, αντιπρόεδρος Υγείας της Microsoft AI, περιγράφει το επόμενο τεστ για το διαγνωστικό σύστημα της εταιρείας. Μέχρι τώρα το σύστημα δοκιμάστηκε μόνο σε προσομοίωση. Τα αποτελέσματα δημοσιεύτηκαν την Πέμπτη στο περιοδικό Science.
Στη μελέτη, το MAI-DxO έβγαλε σωστή διάγνωση σε σύνθετα περιστατικά στο 83% των φορών. Γιατροί πρωτοβάθμιας φροντίδας και παθολόγοι, που δούλευαν μόνοι τους με βοηθητικό υλικό, έφτασαν στο 36%. Ο Mustafa Suleyman, επικεφαλής της Microsoft AI, μίλησε για ένα βήμα προς την «ιατρική υπερνοημοσύνη».
Ένα ψηφιακό συμβούλιο γιατρών
Το DxO, όπως το λένε για συντομία, δεν είναι ένα μοντέλο. Συντονίζει πολλούς AI agents, προγράμματα που εκτελούν εργασίες μόνα τους, οι οποίοι παίζουν τον ρόλο μιας ομάδας γιατρών. Ρωτούν τον ασθενή, ζητούν εξετάσεις και συζητούν μεταξύ τους μέχρι να καταλήξουν σε διάγνωση.
Τα περιστατικά προήλθαν από το New England Journal of Medicine και είναι από τα πιο δύσκολα που δημοσιεύει. Εδώ υπάρχει μια σημαντική λεπτομέρεια: τέτοιες περιπτώσεις συνήθως τις αναλαμβάνουν ειδικοί ή ομάδες γιατρών, και αυτοί δεν συμμετείχαν στη σύγκριση. Η Microsoft πάντως παρουσιάζει το σύστημα ως απάντηση σε ένα πραγματικό πρόβλημα. «Η μεγαλύτερη πρόκληση στην παροχή υγείας σήμερα είναι το αυξανόμενο χάσμα ανάμεσα στη ζήτηση και την προσφορά ιατρικής γνώσης», είπε ο King στο TechCrunch.
Με τη δημοσίευση αυτή, η Microsoft μπαίνει στην ίδια λίστα με τη Google και την OpenAI, που έχουν επίσης ισχυριστεί ότι η AI τους φτάνει ή ξεπερνά τους γιατρούς.
Το μεγάλο άλμα το κάνει το GPT, όχι ο συντονισμός
Η Microsoft δοκίμασε το DxO με μοντέλα της OpenAI, της Google, της Anthropic, της Meta και της DeepSeek. Τα καλύτερα αποτελέσματα ήρθαν με τα GPT-5 και GPT-5.5 της OpenAI. Και τα ίδια τα δεδομένα της μελέτης δείχνουν ότι μεγάλο μέρος της βελτίωσης προέρχεται από αυτά τα ισχυρά μοντέλα, με το σύστημα της Microsoft να προσθέτει ένα κομμάτι από πάνω.
- GPT-5 μόνο του: με μια σύντομη, απλή οδηγία έπιασε 78,9% στα σύνθετα περιστατικά, με εκτιμώμενο κόστος περίπου 8.400 δολάρια ανά περιστατικό. Το DxO μείωσε το κόστος κατά περίπου 3.000 δολάρια, αλλά ανέβασε την ακρίβεια μόνο κατά τέσσερις μονάδες περίπου.
- GPT-5.5: στα σύνθετα περιστατικά το DxO το ανέβασε από 72% σε σχεδόν 87%, με ελαφρώς χαμηλότερο κόστος.
- Gemini 2.5 Flash: από 46,4% μόνο του σε σχεδόν 69% με το DxO.
Στα περιστατικά των επειγόντων η εικόνα αλλάζει. Με το GPT-5 η διαφορά σε ακρίβεια και κόστος ήταν μικρή, ενώ το GPT-5.5 έπιασε περίπου 85% είτε με είτε χωρίς DxO, με παρόμοιο κόστος. Το σύστημα βοηθά περισσότερο στα δύσκολα περιστατικά και στα πιο αδύναμα μοντέλα. Ακόμη κι έτσι, η απόσταση ανάμεσα σε αδύναμα και ισχυρά μοντέλα ήταν μεγαλύτερη από την ώθηση που έδωσε το DxO.
Οι ερευνητές της Microsoft απαντούν ότι τα κέρδη μικραίνουν φυσικά όσο τα μοντέλα πλησιάζουν το θεωρητικό ανώτατο όριο. Εκπρόσωπος της εταιρείας πρόσθεσε ότι ο συντονισμός βοηθά να βελτιωθούν ταυτόχρονα η ακρίβεια και το κόστος.
Δοκιμή με πραγματικούς ασθενείς στη Βοστόνη
Μέσω συνεργασίας με το Beth Israel Deaconess Medical Center, η Microsoft θα αξιολογήσει το DxO σε διαφορετικά νοσοκομειακά περιβάλλοντα. Οι ασθενείς θα παίρνουν την κανονική φροντίδα: διαλογή, επίσκεψη σε ειδικό, εξετάσεις, θεραπεία και απόφαση για εξιτήριο. Όσοι συναινέσουν θα μιλούν παράλληλα και με το DxO, και οι προτάσεις του θα συγκρίνονται με εκείνες των γιατρών.
Το ίδιο νοσοκομείο συνεργάστηκε και με τη Google, σε μελέτη που δημοσιεύτηκε αυτόν τον μήνα στο The Lancet για το AMIE, το διαγνωστικό chatbot της, σε πραγματικές επισκέψεις επείγουσας φροντίδας υπό την παρακολούθηση γιατρών. Ο King λέει ότι η μελέτη της Microsoft θα είναι «η μεγαλύτερη του είδους της».
Ένα μοντέλο υγείας με τη Mayo Clinic για το 2027
Ο Suleyman αποκάλυψε ότι η Microsoft εκπαιδεύει με τη Mayo Clinic ένα foundation model για την υγεία, ένα μεγάλο βασικό μοντέλο πάνω στο οποίο χτίζονται εφαρμογές. Η κυκλοφορία του προγραμματίζεται για του χρόνου. «Πιστεύω πραγματικά ότι το 2027 θα είμαστε στο κατώφλι μιας ανακάλυψης για τους ιατρικούς φακέλους, όπως έγινε με τον προγραμματισμό», είπε, προβλέποντας ακριβείς εκτιμήσεις για το πώς θα εξελιχθεί η πορεία ενός ασθενούς.
Αναμένει ακόμη τα μοντέλα υγείας να γίνουν «μια τάξη μεγέθους καλύτερα» μέσα σε 24 έως 36 μήνες. Το κλειδί, κατά τον ίδιο, είναι ο κύκλος βελτίωσης: ένα μοντέλο σε πραγματική χρήση αποκαλύπτει τα κενά του, που διορθώνονται το ένα μετά το άλλο. Έτσι έγινε, λέει, με τα chatbots και μετά με τον κώδικα.
Ο Suleyman ασχολείται χρόνια με την AI στην ιατρική. Ήταν συνιδρυτής της DeepMind, που εξαγόρασε η Google το 2014. Έναν χρόνο αργότερα η DeepMind αγόρασε την Hark, εφαρμογή του King, και οι δυο τους έστησαν το DeepMind Health. Ο Suleyman ήρθε στη Microsoft το 2024 και ο King τον ακολούθησε λίγους μήνες μετά.
Μαζί με τη μελέτη, η Microsoft δημοσίευσε ένα κείμενο-μανιφέστο που ορίζει την ιατρική υπερνοημοσύνη ως την ικανότητα να ξεπεραστούν τα ισχυρότερα σημερινά συστήματα υγείας που καθοδηγούνται από ανθρώπους. Η εταιρεία ήδη πουλά σε γιατρούς εργαλεία υπαγόρευσης και ακτινολογίας, και βλέπει το DxO ως επέκτασή τους. «Πρέπει να έχουμε τα απολύτως κορυφαία προϊόντα υποστήριξης κλινικών αποφάσεων τα επόμενα χρόνια», είπε ο Suleyman.
