माइक्रोसॉफ्ट ने हाल ही में एक नया AI प्रणाली, MAI-DxO जारी किया है, जो जटिल चिकित्सा मामलों में निदान सटीकता में बहुत बड़ा सुधार करने के लिए डिज़ाइन किया गया है। रिपोर्ट के अनुसार, इस प्रणाली की निदान सटीकता अनुभवी डॉक्टरों की तुलना में चार गुना अधिक है, और यह चिकित्सा लागत को लगभग 70% तक कम कर सकता है। इस तकनीक का मूल्यांकन एक नए बेंचमार्क टेस्ट के आधार पर किया गया था, जो वास्तविक चरण-दर-चरण निदान प्रक्रिया के एक वास्तविक समानता का अनुकरण करता है।
अनुसंधान टीम ने अपने कार्य "भाषा मॉडल का उपयोग करके क्रमिक निदान" में प्रणाली का विस्तृत विवरण दिया है और यह बताया है कि इसकी सटीकता और लागत कुशलता में मानव डॉक्टरों से बहुत अलग है, विशेष रूप से कठिन मामलों में। वास्तविक टेस्ट परिणाम प्रदान करने के लिए, उन्होंने Sequential Diagnostic Benchmark (SDBench) बनाया। पारंपरिक चिकित्सा एआई परीक्षणों के विपरीत, SDBench सभी जानकारी एक साथ नहीं प्रदान करता है, बल्कि निदान के क्लिनिकल संदर्भ में चरण-दर-चरण निर्णय प्रक्रिया का अनुकरण करता है।
SDBench न्यू इंग्लैंड जर्नल ऑफ मेडिसिन के 304 जटिल मामलों पर आधारित है। परीक्षण में डॉक्टर या एआई निदानकर्ता को पहले एक छोटी मामला समीक्षा प्राप्त होती है और फिर वे विशिष्ट प्रश्न पूछकर या परीक्षण मांगकर अधिक जानकारी के लिए सक्रिय रूप से पूछताछ करते हैं ताकि विस्तृत डेटा प्राप्त किया जा सके। प्रणाली "गेटिंग मॉडल" के माध्यम से जानकारी के प्रकाशन का प्रबंधन करती है और अप्रत्यक्ष संकेत बनाने से बचने के लिए कुछ परीक्षणों के संश्लेषित परिणाम भी उत्पन्न कर सकती है।
टेस्ट में, 21 अमेरिका और ब्रिटेन के अनुभवी डॉक्टरों ने 19.9% की निदान सटीकता हासिल की, जबकि प्रति मामला औसत लागत 2963 डॉलर थी। इसके विपरीत, माइक्रोसॉफ्ट के MAI-DxO ने OpenAI के o3-मॉडल के साथ संयुक्त रूप से 79.9% की सटीकता हासिल की, जबकि औसत लागत 2397 डॉलर रही। MAI-DxO का मुख्य प्रगति लागत में एक महत्वपूर्ण कमी है। यद्यपि o3-मॉडल मानक मॉडल में अधिकतम सटीकता 78.6% तक पहुंचता है, तो औसत लागत 7850 डॉलर है। MAI-DxO के साथ निदान करने से सटीकता थोड़ी बढ़ गई, जबकि लागत लगभग 70% कम हो गई।
MAI-DxO अपने प्रदर्शन को सुधारता है जब यह एक वर्चुअल डॉक्टर टीम का अनुकरण करता है। टीम में "अनुमान डॉक्टर", "परीक्षण चयन डॉक्टर", "संदेह डॉक्टर", "लागत निगरानी डॉक्टर" और "चेकलिस्ट डॉक्टर" शामिल हैं। इस संरचना का उद्देश्य प्रणाली के लिए बहुत पहले एक अनुमान पर आने से रोकना है।
हालाँकि, अनुसंधानकर्ता खुद इन सीमाओं को स्वीकार करते हैं। SDBench केवल जटिल शिक्षण मामलों पर आधारित है और वास्तविक जीवन में आम बीमारियों के वितरण का प्रतिनिधित्व नहीं करता है। लागत की गणना केवल करीबी अनुमान है और वास्तविक दुनिया के सभी कारकों को ध्यान में नहीं रखती है। इसके अलावा, भाग लेने वाले डॉक्टर सामान्य चिकित्सक हैं, जो सामान्य रूप से जटिल मामलों को विशेषज्ञों के पास भेजते हैं, और उनके आकलन बाहरी संसाधनों का उपयोग नहीं करते हैं।
महत्वपूर्ण बिंदु:
🔍 MAI-DxO प्रणाली की निदान सटीकता अनुभवी डॉक्टरों की तुलना में चार गुना अधिक है, और लागत लगभग 70% कम हो गई है।
💡 SDBench परीक्षण एक वास्तविक चरण-दर-चरण निदान प्रक्रिया का अनुकरण करता है और जानकारी के गतिशील अनुरोध के माध्यम से सटीकता में वृद्धि करता है।
🩺 अध्ययन दिखाता है कि प्रणाली एक उत्कृष्ट प्रदर्शन करती है, लेकिन जटिल मामलों में कुछ सीमाएं और चुनौतियां भी हैं।
