مدل جدید مایکروسافت (MAI-DxO) با دقت ۸۵.۵٪ در پرونده‌های پیچیده پزشکی — گزارش خبری تحلیلی (ژانویه ۲۰۲۶)

خلاصهٔ خبر:
مایکروسافت مدل جدیدی به نام MAI-DxO معرفی کرده که در مجموعه‌ای از ۳۰۴ پروندهٔ پیچیده بالینی (مأخوذ از آرشیوهای آموزشی پزشکی NEJM) موفق به کسب ۸۵.۵٪ دقت در تشخیص‌ها شده است. در همان آزمایش‌ها، میانگین دقتِ ۲۱ پزشک دارای تجربهٔ بالینی تقریباً ۲۰٪ گزارش شده است. مایکروسافت این سامانه را «هماهنگ‌کنندهٔ تشخیصی» توصیف می‌کند که چند مدل تخصصی را با روش «زنجیرهٔ مباحثه» یا چندعاملْ به کار می‌گیرد تا به تشخیص برسد.

آنچه رخ داده

در آزمایشی که مایکروسافت منتشر کرده، MAI-DxO روی ۳۰۴ پروندهٔ دشوار بالینی از نیو انگلند جرنال آو مدیسین (NEJM) آزمایش شده و در بیش از چهار پنجم این پرونده‌ها پاسخ درست داده است (۸۵.۵٪). برای مقایسه، ۲۱ پزشک حاضر در مطالعه — که تجربهٔ کاری در حد ۵–۲۰ سال داشتند — در همان مجموعه حدود ۲۰٪ دقت نشان دادند. مایکروسافت می‌گوید تنظیم MAI-DxO می‌تواند با مدل‌های مختلف (OpenAI، Google، Anthropic، Meta و غیره) کار کند و بهترین نتیجه در یکی از تنظیمات با مدلِ تفکرِ عمیق o3 از OpenAI به‌دست آمده است.

چرا این پیشرفت اهمیت دارد؟

• تشخیص بیماری در موارد پیچیده معمولاً نیاز به تحصیل، تجربه و دسترسی به منابع مرجع دارد. ماشینی که به‌طور قابل‌توجهی بهتر عمل کند می‌تواند جان و کیفیتِ زندگی بیماران را نجات دهد یا بهبود بخشد.
• کاهش اشتباهات تشخیصی و هدایتِ هوشمندِ تست‌های پزشکی می‌تواند هزینه‌های سیستم سلامت را کاهش دهد. مایکروسافت ادعا کرده که MAI-DxO در کنار دقت، در هزینهٔ تشخیص هم صرفه‌جویی دارد.

تحلیل فنیِ ساده‌شده

MAI-DxO شبیه به یک «تیمِ مجازیِ متخصص» عمل می‌کند: چندین مدل یا عاملِ هوش مصنوعی به‌صورت متوالی و تعامل‌محور (chain-of-debate / orchestrator) روی مسئله کار می‌کنند، استدلال‌ها را با هم مقایسه می‌کنند و در نهایت پاسخِ تصمیم‌گیری‌شده‌ای پیشنهاد می‌دهند. این طراحی باعث می‌شود ضعف‌های یک مدل با قوت‌های مدل‌های دیگر جبران شود و تصمیم نهایی بهتر از نتیجهٔ یک مدل منفرد باشد.

محدودیت‌ها و نکات احتیاطی

• محیط آزمایش با شرایط واقعی تفاوت دارد: پزشکانِ مقایسه‌شده در این آزمایش به منابع مرجع یا مشورت هم‌زمان دسترسی نداشتند؛ در عمل، پزشک می‌تواند به پایگاه‌های داده، همکاران و نتایج آزمایش‌ها مراجعه کند — امری که در این آزمایش محدود شده بوده است. بنابراین مقایسهٔ آزمایشگاهی الزاماً معادل کار بالینی واقعی نیست.
• آزمون در فضای پرونده‌های آموزشی: استفاده از پرونده‌های NEJM به‌عنوان معیارِ سخت، معقول است، اما نیاز به آزمایش در محیط‌های بالینی واقعی و کارآزمایی‌های بالینی تصادفی‌سازی‌شده وجود دارد.
• ریسک‌های عملیاتی و اخلاقی: دربارهٔ مسئولیت خطا، تعصب داده‌ای (bias)، محافظت از حریم خصوصی بیمار و پذیرش حرفهٔ پزشکی سوالات جدی وجود دارد. این مسائل صرفاً فنی نیستند و نیازمند چارچوب قانونی و نظارتی هستند.

واقعهٔ مرتبط و زمینهٔ سازمانی
مایکروسافت این پروژه را از طریق واحد جدید سلامتِ خود و گروهی از پژوهشگران معرفی کرد؛ رهبری واحد AI در حوزه سلامت و اظهارات اجرایی شرکت، نشان‌دهندهٔ سرمایه‌گذاری سنگین و هدف‌گذاریِ بلندمدت این شرکت برای تبدیل شدن به بازیگری تأثیرگذار در سلامت دیجیتال است. همین اعلام هم‌راستا با گزارش‌هایی است که می‌گویند مایکروسافت می‌کوشد این فناوری‌ها را در ابزارهایی مانند Copilot و Bing Health نیز ادغام کند — امری که دامنهٔ پیامدها را فراتر از آزمایشگاه می‌برد.

پیامدها

• افقِ کوتاه‌مدت: ابزارهای پشتیبان تشخیص دقیق‌تر و سریع‌تر در مراکز تخصصی و کلینیکی ممکن است به‌زودی در قالبِ پشتیبانی از پزشکان عرضه شوند؛ اما استفادهٔ خودکار و جایگزینی کامل پزشک هنوز چونان دیواری از موانع قانونی و اخلاقی روبه‌رو است.
• افقِ بلندمدت: اگر نتایج در محیط‌های واقعی تایید شود، ساختارِ دسترسی به تخصص پزشکی در نقاط کم‌منبع می‌تواند تغییر کند؛ اما هم‌زمان باید تضمین‌های حقوقی و نظارتی برای مسئولیت‌پذیری، شفافیت الگوریتمی و محافظت از داده‌ها شکل بگیرد.

منابع اصلی

(چند منبع کلیدی که ادعاها و تحلیلِ فوق بر اساس آن‌هاست)

• صفحهٔ رسمی Microsoft AI — «The Path to Medical Superintelligence» (معرفی MAI-DxO و نتایج آزمایش).
• مقاله‌ها و پوشش خبری معتبر: Time، Wired و Financial Times دربارهٔ نتایج ۸۵.۵٪ و مقایسه با پزشکان.
• مقالات تحلیلی صنعتی و خلاصه‌های خبری (MLQ, MedicalEconomics، GeekWire) که نکات تکمیلی و پیامد اقتصادی را بررسی کرده‌اند.