醫療人工智慧 · global
微軟診斷AI在模擬急診病例答對八成,臨床效益待驗證
新研究讓AI與個別醫師逐步問診、選擇檢查,再提出診斷。AI在文字評測中取得明顯優勢,但模擬資訊、成本取捨與尚未量測的病人安全,界定了這份成績的意義。
面對症狀尚不明朗的病人,診斷的難處往往在於:下一個問題該問什麼,哪項檢查才有助於找出病因?10月22日刊於《Science》的一項研究,將這段推理過程搬進文字模擬環境。微軟開發的診斷系統Diagnostic Orchestrator(DxO),在急診病例評測中達到80.3%的診斷正確率,高於個別綜合診療醫師的46.8%;不過,這項差距尚不能證明AI在實際照護中更勝一籌。
研究採用名為SDBench的逐步診斷評測,納入325筆來自MIMIC-IV-ED資料庫、經急診後住院的就醫紀錄,以及304則《新英格蘭醫學期刊》(NEJM)的複雜病例。受測者起初只拿到簡短病情摘要,必須自行追問病史、要求檢查,最後提交診斷。在NEJM病例中,DxO正確率為83.2%,可使用搜尋與參考資料的醫師則為36.1%。
DxO的設計像是一場虛擬會診:不同角色提出可能病因、質疑目前假設,再隨新證據調整判斷。據《Medical Economics》報導,主要結果使用GPT-5作為底層模型。這種安排測試的,是系統能否有次序地蒐集線索,而不只是讀完一份完整病例後辨認答案。
然而,模擬中的線索並不全都來自真實紀錄。官方文件說明,負責回答問題的AI「守門員」會優先提供原始病例已有的資訊;若受測者要求的資料不存在,則生成看似合理的模擬結果。最終診斷也由AI裁判對照病例答案,以五分量表評分,四分或五分視為正確。因此,這裡的正確率反映的是特定模擬與評分規則下的表現,不能直接等同於床邊診斷能力。
較高的正確率,也不必然伴隨較低費用。《Medical Economics》指出,未設預算上限時,DxO在急診病例中每例要求檢查的估算成本為4,979美元,醫師為3,400美元;加入預算限制後,系統能降低成本,但正確率也隨之下降。這些數字是按標準化價格估算的檢查費用,並非實際醫療支出,也沒有完整計入檢查造成的不適、侵入性風險或等待時間。
更大的落差仍在評測與診間之間。這是回溯、純文字的研究,沒有讓系統直接判讀影像或病理切片,也未涵蓋真實病人敘述不完整等情況;比較對象是個別醫師,並非配對專科醫師或跨科團隊。研究只評估診斷,沒有測量治療選擇、病人安全與健康結果。據《Medical Economics》引述利益揭露,所有作者均為微軟員工並持有公司股權,其中八人也是相關專利申請的發明人,後續獨立驗證因而格外重要。
微軟已公開SDBench的評測程式,包括守門員、裁判與成本估算元件,但完整病例仍受取得條件限制:NEJM資料須授權,MIMIC資料須完成PhysioNet資格、訓練及資料使用協議;公開儲存庫附有五個合成示範病例。公司另宣布,計畫與貝斯以色列女執事醫學中心進行前瞻性研究,讓病人直接與系統互動,再與醫師獨立評估比較。這將有助於檢驗模擬推理的優勢能否延伸至真實問診;至於能否改善照護結果,仍需要直接證據。