Microsoft apresenta AI revolucionária para diagnóstico médico

São Paulo — InkDesign News — Microsoft lançou um novo estudo sobre inteligência artificial em saúde, intitulado Diagnóstico Sequencial com Modelos de Linguagem, que explora o potencial revolucionário do machine learning na área diagnóstica.

Arquitetura de modelo

O estudo destaca a criação de um novo padrão, o SDBench, que foca na precisão diagnóstica e no custo total para chegar ao diagnóstico. O modelo, denominado MAI-DxO, é uma orquestradora de IA que combina diferentes modelos de aprendizado sem depender de um modelo específico. Essa abordagem permite a inclusão de múltiplas iterações a partir da história clínica do paciente, o que se alinha com o processo de diagnóstico humano.

“Em contexto de IA generativa, uma orquestradora é como um maestro digital ajudando a coordenar múltiplos passos para alcançar uma tarefa complexa.”
(“In the context of generative AI, an orchestrator is like a digital conductor helping to coordinate multiple steps in achieving a complex task.”)

— Microsoft

Treinamento e otimização

A pesquisa utilizou 304 casos do New England Journal of Medicine para desenvolver o SDBench. De acordo com os pesquisadores, o desempenho do MAI-DxO é avaliado não apenas pela precisão diagnóstica, mas também pela capacidade de alcançar esse diagnóstico de forma econômica, utilizando códigos Current Procedural Terminology (CPT) para simular os custos.

“A cada diagnóstico, quanto mais recursos ilimitados tivermos, mais precisos seremos, mas isso não é realista.”
(“Every diagnosis could be far more accurate with unlimited money and resources for unlimited tests, but that is unrealistic.”)

— Nori, Harsha, et. al. – Microsoft Research

Resultados e métricas

Os resultados mostraram que a eficiência do MAI-DxO atinge 80% de precisão, em comparação com apenas 20% para profissionais médicos. Os testes foram realizados em várias configurações, incluindo sistemas orçamentários que simulam a dinâmica real da saúde. A integração dos agentes de diagnóstico, gatekeeper e judge foi crucial para o sucesso do modelo.

“O MAI-DxO destrói outros modelos e médicos em ambos os aspectos: precisão do diagnóstico e custo.”
(“MAI-DxO destroys other models and physicians in both diagnostic accuracy and cost.”)

— Nori, Harsha, et. al. – Microsoft Research

Embora os resultados apresentem uma promessa significativa para a aplicação da inteligência artificial no diagnóstico médico, o estudo destaca limitações, como a necessidade de mais experimentos práticos e uma melhor compreensão de como esses modelos se comportam frente a casos do dia a dia. O potencial para revolucionar a medicina é evidente, mas a validação contínua e a aprovação regulatória são passos necessários antes da implementação prática.

Pesquisas futuras devem se concentrar em desenvolver benchmarks precisos e robustos para garantir que as avaliações da AI em saúde sejam comparáveis e que possam realmente auxiliar os profissionais médicos do futuro.

Fonte: (Towards Data Science – AI, ML & Deep Learning)