מחקר ב-Science: מערכת בינה מלאכותית אבחנה מקרים רפואיים מסובכים טוב יותר מרופאים ובעלות נמוכה יותר
מערכת בינה מלאכותית של מיקרוסופט, שבוחרת שאלות ובדיקות צעד אחר צעד כמו רופא, אבחנה נכון 80% עד 85% ממקרים רפואיים מאתגרים. רופאים שפתרו מקרים דומים הגיעו לדיוק של 22% עד 36%. לפי המחברים, המערכת גם עשתה זאת בעלות נמוכה יותר.
רוב המבחנים של בינה מלאכותית ברפואה מציגים לה את כל נתוני המקרה מראש ושואלים מה האבחנה. ברפואה האמיתית התהליך שונה: הרופא מתחיל ממעט מידע, שואל שאלות, מזמין בדיקות ומחליט מתי יש לו מספיק כדי לקבוע אבחנה. כל בדיקה עולה כסף. לפי מחברי מחקר חדש שפורסם בכתב העת Science, מבחנים סטטיים "לא בחנו אבחנה כתהליך פעיל ורציף של איסוף מידע", ולכן הם עלולים להעריך יתר על המידה את יכולת האבחון של המודלים.
החוקרים, ובהם הרשה נורי ואריק הורביץ ממיקרוסופט, בנו מבחן חדש בשם SDBench. הוא כולל 629 מקרים: מקרים מאתגרים שפורסמו בכתב העת New England Journal of Medicine, ומקרים של מטופלים מחדרי מיון. כל מקרה הוסב לאתגר רציף: המערכת או הרופא מקבלים תיאור קצר בלבד, ואת שאר המידע עליהם לבקש בעצמם.
"פאנל מומחים" וירטואלי
המערכת נקראת DxO, קיצור של Diagnostic Orchestrator, ופועלת על גבי מודל השפה GPT-5. היא בנויה לחקות פאנל של מומחים רפואיים שבוחן כל מידע חדש שמגיע. היא בוחרת אילו שאלות לשאול ואילו בדיקות להזמין, תוך התחשבות בעלותן.
התוצאות
בהתאם לתקציב שהוקצה לה, DxO הגיעה לדיוק של 79.6% עד 84.5%, בעלות ממוצעת של 1,303 עד 8,945 דולר למקרה. רופאים שפתרו את המקרים המאתגרים הגיעו לדיוק ממוצע של 22.3% בלי כלי עזר, ושל 36.1% כשנעזרו בכלי עזר. הרופא הטוב ביותר במבחן הגיע ל-51.8%, ו-DxO עקפה גם אותו, הן בדיוק והן בעלות.
במקרים שגרתיים מחדר המיון, בלי מגבלת תקציב, הגיעה המערכת לדיוק של 80.3% בעלות ממוצעת של 4,980 דולר למקרה. החוקרים מצאו גם שלפני שהזמינה בדיקה ראשונה, DxO אספה מידע רב יותר על ההיסטוריה הרפואית של המטופל משרופאים נוהגים לאסוף.
המגבלות
המחברים מדגישים שהמערכת אינה יכולה לבצע בדיקה גופנית או להתבונן במטופל. עלויות הבדיקות במחקר הן הערכות. נדרשים מחקרים בתנאים קליניים אמיתיים כדי לקבוע אם המערכת יעילה, וההשפעה שלה על בריאות המטופלים עדיין לא נבדקה. לדברי המחברים, הממצאים מראים שתיאום בין מודלים של בינה מלאכותית "יכול לתמוך באבחון יעיל יותר", וכי למערכת יש פוטנציאל להשלים את עבודת הרופא.
גרסה מוקדמת של העבודה פורסמה ב-2025 כמאמר שטרם עבר ביקורת עמיתים. הגרסה שפורסמה עכשיו ב-Science עברה ביקורת עמיתים.
שאלות ותשובות
האם המערכת תחליף רופאים?
המחברים לא טוענים זאת. הם מציגים אותה ככלי שעשוי להשלים את עבודת הרופא, ומדגישים שעוד לא נבדקה בטיפול במטופלים אמיתיים.
מה שונה במבחן הזה ממבחנים קודמים?
המערכת לא מקבלת את כל המידע מראש. היא צריכה להחליט בעצמה מה לשאול ואילו בדיקות להזמין, וכל בדיקה מוסיפה לעלות הכוללת.
המאמר המדעי
Sequential diagnosis with language models, Science, 22 באוקטובר 2026
עוד בנושא באתר הידען
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.