A Microsoft orvosi MI-je felülmúlta az orvosokat egy teszten – de a rendelőben még nem bizonyított

A Microsoft MAI-DxO nevű kísérleti rendszere kiemelkedő eredményt ért el összetett orvosi esetek feldolgozásában. A közölt adatok szerint a helyes diagnózis kiválasztásában felülmúlta a vizsgálatban részt vevő általános orvosokat, miközben a szükséges vizsgálatok költségével is számolt.

Az eredményt azonban a teszt körülményei között kell értelmezni. A rendszer korábban dokumentált, szöveges eseteken dolgozott, nem élő betegeket vizsgált, az összehasonlításban pedig nem az egyes betegségekre szakosodott orvosok vettek részt. A fejlesztés ezért jelenleg ígéretes döntéstámogató technológia, nem pedig önálló digitális diagnoszta.

Mit mutatott az összehasonlítás?

A Chosun Health beszámolója szerint a MAI-DxO 83,2 százalékos diagnosztikai pontosságot ért el a New England Journal of Medicine összetett eseteiből kialakított feladatsoron. Az internetet és szakkönyveket is használó általános orvosok eredménye ugyanebben az összehasonlításban 36,1 százalék volt.

A lap egy másik, sürgősségi ellátáshoz kapcsolódó összehasonlításról is beszámolt. Ebben a MIMIC-IV-ED adatbázis 325 esetét vizsgálták: a rendszer 80,3 százalékos pontosságot ért el, az orvosok átlaga pedig 46,8 százalék volt.

Az első feladatsoron mért értékek alátámasztják a „több mint kétszer pontosabb” megfogalmazást. Ez azonban kizárólag az adott kísérletre vonatkozik, és nem jelenti azt, hogy a technológia minden betegségnél, minden orvosi szakterületen vagy minden klinikai helyzetben ekkora előnyt mutatna.

Miért lett kisebb a korábban emlegetett különbség?

A fejlesztésről szóló korábbi beszámolók akár négyszeres teljesítménykülönbséget is kiemeltek. A számokat nem célszerű közvetlenül összevetni, mert eltértek a vizsgálati feltételek.

Az eredeti kutatási közleményben bemutatott korábbi összehasonlítás során az orvosok nem használhattak külső segédanyagokat. A későbbi tesztben már hozzáfértek az internethez és szakirodalmi forrásokhoz, ami javította az emberi teljesítményt, ezért csökkent a két oldal eredménye közötti különbség.

Ez lényeges módszertani részlet. Egy diagnosztikai technológia értékét nemcsak a helyesen megoldott esetek aránya határozza meg, hanem az is, hogy milyen segítséggel, milyen adatokból és kikhez viszonyítva jutott az eredményre.

Több feladatra bontja a diagnosztikai folyamatot

A MAI-DxO nem egyszerű kérdés-válasz rendszer. A Microsoft Research ismertetője és a kutatási közlemény szerint olyan irányító architektúráról van szó, amely több szerepre bontja a diagnosztikai folyamatot.

Az egyik összetevő lehetséges magyarázatokat állít fel, egy másik további vizsgálatokat választ, míg külön részek felügyelik a költségeket és ellenőrzik a következtetéseket. A működés egy virtuális szakértői tanácskozáshoz hasonlítható: nem azonnal születik végső válasz, hanem az új információk alapján fokozatosan szűkül a lehetséges diagnózisok köre.

Ez a felépítés azért lehet fontos, mert a diagnózis a gyakorlatban sem pusztán tünetek felismeréséből áll. Az orvosnak egymásra épülő döntéseket kell hoznia arról, milyen kérdést tegyen fel, milyen vizsgálatot kérjen, és mikor áll rendelkezésre elegendő információ.

Az SDBench lépések sorozataként vizsgálja a döntést

A kutatás fontos eleme a Sequential Diagnosis Benchmark, röviden SDBench. A hagyományos orvosi tesztek gyakran egyszerre adják meg a teljes esetleírást és a lehetséges válaszokat. Ez alkalmas lehet a tárgyi tudás mérésére, de csak korlátozottan utánozza a valódi kivizsgálás menetét.

Az SDBench ehelyett lépcsőzetes döntési folyamatot szimulál. A vizsgált rendszernek meg kell határoznia, milyen információra vagy vizsgálatra van még szüksége, majd az új eredmények ismeretében kell továbblépnie. A kutatási közlemény szerint a keretrendszer a diagnosztikai pontosság mellett a felhasznált vizsgálatok költségét is értékeli.

A Microsoft Research összefoglalója szerint a vizsgált beállításoktól függően 20–70 százalékkal mérséklődtek a diagnosztikai költségek. Ez szimulációban született eredmény, ezért nem azonos egy kórház tényleges kiadásainak ugyanilyen arányú csökkenésével.

Hogyan segíthetné a túlterhelt egészségügyet?

A diagnosztikai döntéstámogatás elsősorban ott lehet hasznos, ahol sok lehetséges magyarázatot és nagy mennyiségű információt kell áttekinteni. Egy ilyen rendszer következetesen felsorolhatja a szóba jövő kórképeket, jelezheti az adatok közötti ellentmondásokat, és megmutathatja, milyen információ hiányzik még a döntéshez.

Ez csökkenthetné az orvosok információfeldolgozási és adminisztratív terhét. A technológia rendszerezhetné a leleteket és a kórelőzményt, a kezelőorvos pedig a beteg állapotának, a személyes vizsgálatnak és a szakmai összefüggéseknek az ismeretében mérlegelhetné a javaslatokat.

A költségeket figyelő megközelítés azért lehet érdekes, mert nem feltétlenül minden elérhető vizsgálat elvégzését javasolja. Ehelyett annak alapján rangsorolhatja a következő lépéseket, hogy várhatóan mennyi új információt adnak, és milyen ráfordítással járnak. A tényleges klinikai hasznot ugyanakkor valós betegellátási környezetben kell igazolni.

A teszt nem azonos a valódi rendelővel

A vizsgálat egyik alapvető korlátja, hogy visszamenőlegesen feldolgozott, szöveges eseteken alapult. A rendelőben az orvos nemcsak leírt adatokat olvas: kikérdezi a beteget, megfigyeli az állapotát, fizikális vizsgálatot végez, és az új információk fényében felülvizsgálhatja korábbi következtetéseit.

A TechRepublic és a The Next Web beszámolója szerint az összehasonlításban általános orvosok vettek részt, nem pedig az összetett eseteknek megfelelő szakorvosok. Az eredményből ezért nem következik, hogy a MAI-DxO az érintett területek specialistáinál is pontosabb lenne.

A visszamenőleges értékelés arra sem ad teljes választ, hogyan kezelné a rendszer a hiányos, hibás vagy egymásnak ellentmondó, valós időben érkező adatokat. Azt is külön kell vizsgálni, hogy különböző betegcsoportokban, intézményekben és egészségügyi rendszerekben mennyire maradna egyenletes a teljesítménye.

Engedélyezés, adatvédelem és felelősség

A BMJ elemzése szerint a kísérleti rendszer nem rendelkezett klinikai és hatósági engedéllyel. Betegellátási alkalmazása előtt ezért biztonsági vizsgálatokra és szabályozási értékelésre van szükség; a kedvező teszteredmény önmagában nem jogosít fel kórházi használatra.

A bevezetés előtt azt is tisztázni kell, hogyan ellenőrizheti az orvos a rendszer következtetéseit, miként védik a betegek érzékeny adatait, és hogyan alakul a felelősség egy hibás javaslat esetén. Kockázatot jelenthet, ha egy meggyőzően megfogalmazott, de téves válasz indokolatlan bizalmat kelt.

A reális cél ezért nem az orvos automatikus kiváltása, hanem egy átlátható és ellenőrizhető döntéstámogató eszköz létrehozása. A klinikai felelősség, a beteggel folytatott kommunikáció, az együttérzés és a bizonytalan helyzetek szakmai mérlegelése nem vezethető le egy diagnosztikai teszt pontszámából.

Ígéretes módszer, de korai lenne kész megoldásnak tekinteni

A MAI-DxO eredménye azért figyelemre méltó, mert a diagnózist nem egyszeri feladványként, hanem információgyűjtési és döntési folyamatként kezeli. A költségek bevonása és a feladatok több szerepre bontása közelebb állhat a klinikai gondolkodás bizonyos elemeihez, mint egy hagyományos feleletválasztós teszt.

A magas pontosság ugyanakkor még nem bizonyítja a biztonságos, általános klinikai használhatóságot. Ehhez élő betegellátásban végzett, független vizsgálatokra, szakmai felügyeletre és világos szabályozási keretekre van szükség. Az eredmények nem alkalmasak öndiagnózisra, és nem helyettesítik az orvosi vizsgálatot vagy a személyre szabott szakvéleményt.