In questo articolo Indice dei contenuti 2 sezioni
Microsoft sostiene di aver sviluppato un modello di intelligenza artificiale capace di formulare una diagnosi partendo da poche informazioni sul paziente, con una precisione fino a quattro volte superiore a quella dei medici generalisti in alcune prove specifiche. Il sistema si chiama Diagnostic Orchestrator, abbreviato in DxO, e la sua particolarità sta nel metodo. Riproduce infatti i passaggi che un medico segue durante una visita, invece di lavorare su referti già completi di tutto il necessario come fanno molti algoritmi simili.
In pratica lo strumento di Microsoft parte da dati limitati, poi pone domande per ricostruire la storia clinica della persona, sceglie quali esami di laboratorio servono a spiegare i sintomi e arriva a una conclusione solo quando ha raccolto prove sufficienti. Nello studio pubblicato su Science, gli sviluppatori spiegano che l’approccio potrebbe rendere più precisa l’applicazione dell’IA in medicina e allo stesso tempo ridurre i costi economici e il peso psicologico legati agli accertamenti inutili, che generano spese e preoccupazione nei pazienti. Secondo gli autori, man mano che i modelli diventano più capaci, i metodi che uniscono l’inferenza sequenziale strutturata all’esperienza clinica potrebbero trasformare il modo in cui l’IA supporta il ragionamento diagnostico, migliorando qualità e accessibilità delle cure in tutto il mondo.
Come funziona Microsoft DxO e il nuovo banco di prova SDBench
Alla base di DxO c’è GPT 5.5 di OpenAI. Come suggerisce il nome si tratta di un algoritmo di orchestrazione, cioè un sistema che organizza il ragionamento di un modello sottostante per raggiungere obiettivi precisi. Concretamente lavorano cinque agenti di IA, ognuno con un compito: formulare ipotesi, scegliere gli esami, rivedere criticamente i risultati, tenere sotto controllo i costi e verificare la diagnosi finale. Insieme ricostruiscono le varie fasi del ragionamento clinico. Gli autori non hanno chiarito su quali dati esatti sia stato addestrato il sistema né le procedure seguite, ma hanno messo in evidenza un indicatore creato apposta per misurarne il rendimento, il Sequential Diagnosis Benchmark o SDBench.
Questo strumento trasforma i casi clinici in incontri interattivi a più tappe. Le valutazioni si basano su 304 casi di conferenze clinicopatologiche pubblicati sul New England Journal of Medicine, scelti per il loro valore didattico, e su 325 accessi al pronto soccorso tratti dal database statunitense Medical Information Mart for Intensive Care IV, più vicini alla routine ospedaliera. Dentro c’erano malattie comuni e disturbi rari, con livelli di difficoltà diversi. Ogni caso partiva da una breve descrizione dei sintomi e il sistema doveva decidere quali altre informazioni chiedere. Il giudizio teneva conto di due elementi, la correttezza della diagnosi e il costo complessivo degli esami richiesti.
I risultati e la cautela dei ricercatori
Nei casi complessi del New England Journal of Medicine, DxO ha raggiunto una precisione dell’83,2% senza limiti di budget. I medici generalisti si sono fermati in media al 36,1% potendo consultare materiali di riferimento e al 22,3% senza. Negli scenari di urgenza lo strumento ha toccato l’80,3% contro il 46,8% dei medici. Numeri legati però alle condizioni specifiche dell’esperimento, che da soli non dimostrano una superiorità in qualsiasi contesto clinico. Sul fronte dei costi, con un budget ampio la spesa media era di circa 4.700 euro per caso. Limitandola a circa 1.100 euro la precisione è scesa al 79,6%, appena 3,6 punti in meno, a fronte di un risparmio intorno al 76%.
Gli stessi ricercatori invitano alla prudenza, perché il test si è svolto in un ambiente controllato che non riproduce tutta la complessità della pratica clinica. Non è chiaro se il sistema manterrebbe lo stesso rendimento interagendo con pazienti reali o inserito nelle procedure di un ospedale. Gli autori ritengono comunque che DxO e SDBench possano affiancare i professionisti sanitari rendendo più trasparenti i processi diagnostici, ottimizzando le risorse e riducendo possibili distorsioni, anche se la loro utilità andrà verificata sul campo.
La ricerca rientra in un progetto più ampio con cui Microsoft punta a una cosiddetta superintelligenza medica, un’IA capace di superare i migliori sistemi sanitari gestiti da esseri umani. In un articolo su BMJ Digital l’azienda ammette che la strada è ancora lunga e che migliorare l’assistenza richiederà più di prestazioni sovrumane in compiti isolati. Serviranno sistemi che sfruttino l’IA, in autonomia e in collaborazione con le persone, lungo tutto il percorso assistenziale, comprendendo come queste capacità possano integrarsi con l’intelligenza medica esistente per migliorare qualità e accessibilità delle cure.
Fonte: TecnoAndroid