شبکه عصبی مایکروسافت در تشخیص بیماری های پیچیده پزشکان را شکست می دهد مایکروسافت سیستم MAI-DxO را معرفی کرد: در تحقیقات در علم، 83٪ موارد پیچیده را به درستی تشخیص می دهد، پزشکان عمومی - 36٪. در موارد معمولی - 80٪ در مقایسه با 47٪. این سیستم گام به گام مانند یک پزشک کار می کند: چندین عامل هوش مصنوعی فرضیه هایی را ایجاد می کنند، تصمیم می گیرند کدام آزمایش را درخواست کنند، فرضیات را به چالش می کشند و هزینه یک مرحله را تخمین می زنند. تقلید از مشاوره. طبق محاسبات، تشخیص ارزان تر است: پزشکان حدود 4725 دلار برای هر مورد پرداخت می کنند، سیستم برای مقادیر کمتر مناسب است. اما ارقام تخمینی هستند، نه از قبوض بیمارستان. سلب مسئولیت: مقایسه با درمانگران، نه متخصصان. آزمایش بر روی 304 مورد در آرشیو، نه در یک بیمارستان واقعی. و بخش قابل توجهی از افزایش به دلیل قدرت مدل پایه است: GPT-5 بدون افزودن 78.9٪ است. بعدی یک مطالعه آینده نگر با Beth Israel Deaconess در بوستون است که در آن سیستم به موازات پزشکان کار خواهد کرد. یک جمع کننده پیشرو پزشکی.

شبکه عصبی مایکروسافت در تشخیص بیماری های پیچیده پزشکان را شکست می دهد مایکروسافت سیستم MAI-DxO را معرفی کرد: در تحقیقات در علم، 83٪ موارد پیچیده را به درستی تشخیص می دهد، پزشکان عمومی - 36٪. در موارد معمولی - 80٪ در مقایسه با 47٪. این سیستم گام به گام مانند یک پزشک کار می کند: چندین عامل هوش مصنوعی فرضیه هایی را ایجاد می کنند، تصمیم می گیرند کدام آزمایش را درخواست کنند، فرضیات را به چالش می کشند و هزینه یک مرحله را تخمین می زنند. تقلید از مشاوره. طبق محاسبات، تشخیص ارزان تر است: پزشکان حدود 4725 دلار برای هر مورد پرداخت می کنند، سیستم برای مقادیر کمتر مناسب است. اما ارقام تخمینی هستند، نه از قبوض بیمارستان. سلب مسئولیت: مقایسه با درمانگران، نه متخصصان. آزمایش بر روی 304 مورد در آرشیو، نه در یک بیمارستان واقعی. و بخش قابل توجهی از افزایش به دلیل قدرت مدل پایه است: GPT-5 بدون افزودن 78.9٪ است. بعدی یک مطالعه آینده نگر با Beth Israel Deaconess در بوستون است که در آن سیستم به موازات پزشکان کار خواهد کرد. یک جمع کننده پیشرو پزشکی.