Onderzoekers van Microsoft hebben een kunstmatig-intelligentietool ontwikkeld die patiënten stap voor stap diagnosestelt, zoals artsen doen, en die op complexe medische gevallen meer dan twee keer zo nauwkeurig bleek als algemene artsen, aldus een donderdag gepubliceerde studie in het tijdschrift Science. Het onderzoek richt zich op de diagnose zelf — een gebied dat door patiëntveiligheidsonderzoekers al lang wordt aangemerkt als een hardnekkige bron van vermijdbare schade en als een van de meest gevolgte grensgebieden voor medische AI.

In plaats van alle informatie van een patiënt tegelijk te verwerken — de aanpak van de meeste bestaande medische AI-modellen, die symptomen, labresultaten en beeldvormende onderzoeken gezamenlijk analyseren om tot een diagnose te komen — werkt het nieuwe systeem opeenvolgend. Het maakt gebruik van een "orchestrator" die organiseert hoe de AI een probleem aanpakt door een gesimuleerd panel van klinische experts in te zetten dat samenwerkt om diagnostische gevallen op te lossen, aldus het rapport.

Met de orchestrator die de stappen richting een diagnose coördineert, bepaalt het model eerst welke vragen er over de medische voorgeschiedenis van de patiënt moeten worden gesteld en welke bevindingen belangrijk zijn bij het lichamelijk onderzoek. Op basis van wat het leert, bepaalt het welke tests worden aangevraagd, evalueert het de resultaten en vraagt het zo nodig aanvullend onderzoek aan. Gedurende het hele proces actualiseert het zijn werkhypothesen en plannen, zeiden de onderzoeksleiders in een interview.

Toegewezen om meer dan 300 zeer ongebruikelijke en verwarrende medische gevallen te diagnosticeren, was het model met de diagnostische orchestrator meer dan keer zo nauwkeurig in het "uitwerken" van patiënten en het bepalen van de diagnose als algemene artsen die gebruikmaakten van studieboeken en het internet. De tool presteerde ook beter dan menselijke artsen bij scenario's afkomstig uit een grote database van spoedeisende-hulpopnames.

De onderzoekers wezen erop dat gangbare beoordelingen die oudere AI-systemen van dit type met menselijke artsen vergelijken, doorgaans vertrouwen op meerkeuzevragen. "AI is heel goed geworden in het behalen van een slagingspercentage van 100% op dergelijke vragen", zei dr. Dominic King, corporate vice-president van de gezondheidseenheid bij Microsoft AI, wiens team de nieuwe technologie ontwikkelt. "Maar dat is uiteraard niet de echte wereld. Nog nooit kwam er een patiënt naar me toe met een mooi overzicht." De bevindingen voeden het lopende debat binnen het AI-veld over de vraag of sterke benchmarkscores in examenstijl zich vertalen naar veilige, nuttige prestaties in chaotische klinische praktijksituaties.

De studie wees ook uit dat diagnostische processen goedkoper zijn wanneer de orchestrator de onderzoeksopzet ontwerpt dan wanneer menselijke artsen dat doen — een opvallende uitkomst, aangezien het aanvragen van tests een erkende aanjager van zorguitgaven is. "We meten niet alleen de nauwkeurigheid van de systemen. We meten ook hoe oordeelkundig en zorgvuldig het een diagnostisch traject doorloopt", zei Harsha Nori, hoofd AI bij Microsoft AI Health.

Vervolgens zullen de onderzoekers, in samenwerking met het Beth Israel Deaconess Medical Center in Boston, het vermogen van de tool testen om patiënten te triageren in de wachtkamers van spoedeisende-hulpafdelingen. Die proef zal uitwijzen of de laboratoriumresultaten standhouden in de live klinische workflow, waar triagebeslissingen directe gevolgen hebben, en een stap richting routinematig klinisch gebruik zou aandacht vragen voor regulering, aangezien AI-tools die diagnoses ondersteunen in de Verenigde Staten doorgaans onder toezicht vallen van de medische-apparaatuurregulering.

— Reuters