← 返回首頁

AI學會逐步追問與選檢查,微軟研究在模擬病例達八成診斷準確率

從有限線索出發,再決定下一步要問什麼、查什麼,AI診斷評估開始貼近臨床推理。但病歷上的高分,距離真正改善患者照護,還有一段需要實證的路。

By SURL BioNews

診斷的難處,往往藏在答案出現之前:哪些症狀值得追問,哪項檢查能縮小可能範圍,又該何時停止搜尋?微軟團隊10月22日刊於《Science》的研究,讓AI在資訊有限的情況下逐步取得線索,評估它能否沿著這條路找到診斷。結果顯示,系統在兩組模擬病例中的準確率均超過八成,但研究尚未證明它能在病床邊帶來相同效益。

研究採用「序列診斷」設計。不同於一次交出完整病史、要求選出答案的測驗,受測者先讀取簡短的臨床描述,再選擇索取資料或安排檢查。團隊建立的序列診斷基準SDBench,同時記錄診斷是否正確、要求了哪些資訊,以及檢查的估計費用,試圖把推理過程也納入評分。

接受測試的Microsoft AI Diagnostic Orchestrator(MAI-DxO),會模擬多名醫師共同討論:提出可能疾病、質疑目前判斷,並隨新證據調整鑑別診斷。依微軟公告,系統也會衡量檢查可能帶來的資訊與成本,決定下一步如何查證。

論文摘要指出,系統在《新英格蘭醫學期刊》的臨床病理討論病例中,診斷準確率為83.2%;在MIMIC-IV-ED急診就醫紀錄的評估中則為80.3%。參與比較的一般科醫師,兩組成績分別為36.1%與46.8%。微軟補充,前一組包含304個複雜病例,36%左右的醫師成績是在可使用外部參考資料的條件下取得;這些比較條件,是理解差距時不可省略的背景。

兩組資料提供了不同的測試場景:期刊病例考驗複雜疾病的推理,急診紀錄則把評估延伸到較常見的就醫問題。不過,兩者仍是在受控環境中重建診斷過程。這些結果不能直接推論為AI優於所有醫師,也無法回答它是否能減少真實診療中的漏診、縮短治療等待,或改善患者結局。檢查費用同樣來自估算,不能直接視為醫院已實現的節省。

為讓其他研究者檢驗方法,微軟表示將釋出部分期刊病例的基準與評估程式,涵蓋資訊提供、答案判定及成本估算。這有助於外部團隊重現測試、比較其他模型;不過,公開範圍限於部分病例,仍須留意評估資料與方法所涵蓋的邊界。

下一步將走向患者實際參與的研究。微軟宣布,計畫與波士頓貝斯以色列女執事醫療中心合作,讓患者直接與系統互動,再將結果與醫師的獨立評估比較。這項前瞻性研究尚待提供結果;眼前的八成準確率,支持的是進一步驗證的理由,至於AI如何融入診療、何時需要醫師介入,以及能否改善照護,仍要在臨床現場逐一回答。

References

  1. Science / PubMed
  2. Microsoft AI