Разработанный Microsoft диагностический ИИ DxO правильно определил диагноз в 83,2% сложных опубликованных случаев и в 80,3% записей из отделения неотложной помощи. Средний результат врачей общего профиля в этих наборах составил 36,1% и 46,8% соответственно. Исследование команды Harsha Nori опубликовано 23 октября 2026 года в журнале Science.

Что именно проверял тест

Исследователи взяли 304 опубликованных клинических случая из New England Journal of Medicine и 325 записей о поступлении пациентов в отделение неотложной помощи. Каждый случай превратили в пошаговое задание. Сначала участнику показывали краткое описание пациента, затем он мог запрашивать сведения из истории болезни и результаты обследований. Получив, по его мнению, достаточно данных, участник называл диагноз. Ответ сравнивали с диагнозом в исходной записи.

Такой формат показывает, насколько хорошо система рассуждает по письменным данным и выбирает, какую информацию запросить. Он не отвечает на вопрос, как DxO повёл бы себя рядом с пациентом: система не осматривала людей и не отвечала за лечение. Авторы подчёркивают, что результаты не доказывают превосходства DxO над узкими специалистами, врачебными командами или медицинской практикой в целом.

Представим условный случай: участнику сообщают симптомы, а уточнить диагноз можно запросами к истории болезни и результатам анализов. В тесте нужные ответы приходят по запросу. В клинике врач сам собирает сведения, оценивает состояние пациента и решает, какие обследования нужны. Это разные условия, поэтому точность в таком тесте нельзя напрямую переносить на лечение.

Даже правильный диагноз сам по себе не доказывает, что пациенту стало лучше или лечение прошло безопаснее. В комментарии для Medical Xpress исследователь Эвен Харрисон предупреждает: длинный список возможных диагнозов может привести к ненужным обследованиям, чрезмерному лечению и дополнительной нагрузке на врачей.

Результат зависит и от устройства задания. В другом исследовании языковые модели испытывали трудности, когда им требовалось пересмотреть вывод после появления новой неопределённой информации или отбросить сведения, не относящиеся к делу. Это не опровергает результаты теста DxO, но показывает, что один показатель не описывает все стороны клинического рассуждения.

В работе DxO сначала чаще собирал сведения об истории болезни, а затем запрашивал исследования. Авторы предполагают, что такой порядок может помочь сократить расходы на тестирование, но само исследование не проверяло его влияние на затраты или исходы лечения. Подробно разбирать методы и ограничения научной работы можно, например, при подготовке научной статьи.

Схема показывает пошаговый письменный тест DxO и врачей; она не изображает клиническое лечение или исходы пациентов.

Фото: Free-Photos / Pixabay