微軟研究人員開發出一款能像醫師一樣循序漸進診斷病患的人工智慧工具。根據週四發表於《科學》期刊的一項研究，在解決複雜醫療病例方面，該工具的準確度是全科醫師的兩倍以上。這項研究直指「診斷」本身——病患安全研究者長期以來認定診斷是可預防傷害的持續來源，也是醫療AI最受矚目的前沿領域之一。

報告指出，不同於大多數現有醫療AI模型一次性處理病患的所有資訊——即同時檢視症狀、檢驗結果與影像檢查以產生診斷——新系統採循序方式運作。它依賴一個「協調器」來統籌AI處理問題的方式，透過一個模擬的臨床專家小組協作解決診斷病例。

在協調器統籌達成診斷的各個步驟下，模型會先決定應針對病患病史詢問哪些問題，以及身體檢查中有哪些發現具重要性。根據所獲得的資訊，它會決定安排哪些檢查、評估結果，並視情況要求進一步檢測。研究負責人在受訪時表示，在整個過程中，它會持續更新其工作假設與計畫。

在獲派診斷超過300個極為罕見且令人困惑的醫療難題時，採用診斷協調器的模型在「問診檢查」病患並確定診斷方面的準確度，是使用教科書與網際網路的全科醫師的兩倍以上。在面對取自一個大型急診收載資料庫的情境時，該的表現也優於人類醫師。

研究人員指出，將此類較舊的AI系統與人類醫師比較的傳統評量，通常採用選擇題形式。微軟AI健康部門企業副總裁多明尼克・金恩（Dominic King）醫師表示：「AI已經非常擅長在這類測驗中拿到100%的通過率。但那當然不是真實世界。從來沒有病患是帶著一份漂亮的摘要來看診的。」金恩的團隊正在開發這項新技術。這些發現也助長了AI領域一場持續進行的辯論：考試式的亮眼基準成績，是否能轉化為在混亂的真實臨床環境中安全且有用的表現。

研究還發現，由協調器設計診斷檢查流程時，其成本低於由人類醫師規劃——這是一項值得注意的結果，因為檢查開單是醫療支出的一項公認驅動因素。微軟AI健康部門AI負責人哈爾沙・諾里（Harsha Nori）表示：「我們不只是在衡量系統的準確度，也在衡量它在進行診斷檢查時有多審慎、多仔細。」

接下來，研究人員將與波士頓的貝斯以色列執事醫學中心合作，測試該工具在急診候診區為病患進行檢傷分類的能力。這項試驗將顯示實驗室結果能否在即時臨床流程中成立——在該環境下，檢傷決策具有立即性的影響——而任何朝向常規臨床使用的舉措都將引起法規審查的關注，因為協助診斷的AI工具在美國通常屬於醫療器材監管範疇。

— 路透社