Microsoft přišel s tvrzením, které rychle obletělo svět technologií i medicíny. Jeho systém umělé inteligence prý dokáže u složitých případů určit správnou diagnózu až čtyřikrát přesněji než lidští doktoři. Výsledky vyšly v časopise Science, jednom z nejprestižnějších vědeckých periodik na světě, a šéf divize Microsoft AI Mustafa Suleyman mluví o velkém milníku. Konečně je to tady, prohlásil. Když se ale do studie podíváte podrobněji, zjistíte, že velkou část úspěchu nemají na svědomí modely Microsoftu, ale jazykové modely konkurence, především verze GPT-5 od OpenAI.
Lékařská porada, kterou vede AI
Systém nese název MAI-DxO, celým jménem Diagnostic Orchestrator. Nejde o jednu umělou inteligenci, ale o několik spolupracujících AI pomocníků, kteří se chovají jako tým expertů na poradě. Vyptávají se na příznaky, procházejí zdravotní historii pacienta, rozhodují o objednání vyšetření a nakonec se dohadují na výsledku. Napodobují tak postup, jakým odborník pátrá po příčině potíží.
Microsoft přitom nedodává vlastní jazykový model, na kterém by systém fungoval. Jeho produkt funguje spíš jako dirigent, který řídí jazykový model od jiných firem a rozděluje jim úkoly. Ve studii šlo hlavně o zmíněný model GPT-5. Samotný mechanismus vznikl ještě v době, kdy byla nejvyspělejším dostupným základem starší verze GPT-4.1.
Pro srovnání sestavil Microsoft vlastní sadu testovacích úloh, která obsahuje dva typy úloh. První tvoří stovky složitých případů z odborného časopisu The New England Journal of Medicine. Jde o podrobný popis skutečného pacienta a jeho nemoci, nad kterými si lékaři často dlouho lámali hlavu. Druhou skupinu tvoří situace z urgentního příjmu, které pocházejí z rozsáhlé databáze bostonské nemocnice Beth Israel Deaconess Medical Center.
U složitých případů určil systém Microsoftu správnou diagnózu zhruba v 83 procentech případů. Praktičtí lékaři a internisté, kteří směli používat odborné příručky, se trefili asi v 36 procentech. Zdravotníci bez příruček zvládli jen 22 procent. Právě z tohoto rozdílu pochází titulkové tvrzení o čtyřnásobné přesnosti. Na urgentním příjmu dosáhla AI úspěšnosti 80 procent, zatímco lékaři v průměru 47 procent. Umělá inteligence se k výsledku obvykle dostala i s nižšími odhadovanými náklady na vyšetření.
Pro správné posouzení studie tu máme dva problémy. Proti AI stáli praktičtí lékaři a internisté, každý sám za sebe. Takhle složité případy ale v reálné medicíně obvykle řeší specialisté nebo celé lékařské týmy, a ti ve srovnání nejsou.
Druhý problém přiznává samotný Microsoft. Mechanismus zatím pracoval jen s případy z minulosti, které už mají známé rozuzlení, nikoli se skutečnými pacienty v ordinaci. Nikdo zatím neví, jak by si vedl v běžném nemocničním provozu. Potřebuje to klinické ověření, uznává Suleyman. Je to velký skok, ale tohle je důležitý milník na této cestě.
Kolik udělal Microsoft a kolik OpenAI
Největší otazník však visí nad tím, komu vlastně připsat zásluhy. Z údajů ve studii vyplývá, že velkou část pokroku přinášejí výkonné jazykové základy, na kterých vše běží. Nástroj Microsoftu k tomu přidává už jen menší posun.
Firma zkoušela svůj produkt s nástroji od OpenAI, Googlu, Anthropicu, Mety i čínského DeepSeeku. Nejlepších výsledků dosáhla s modely GPT-5 a GPT-5.5 od OpenAI. Samotný GPT-5, kterému výzkumníci dali jen krátké a jednoduché zadání, správně určil u složitých případů téměř 79 procent diagnóz. Vyšetření na jeden případ ho přitom stálo přes osm tisíc dolarů. Vývojáři z Microsoftu snížili tyto náklady zhruba o tři tisíce dolarů, přesnost ale zvedli jen asi o čtyři procentní body. Na urgentním příjmu nepřinesla nadstavba téměř žádné plus v přesnosti ani v ceně.
S novější verzí GPT-5.5 dopadly výsledky různě. U složitých zadání zvedla nová architektura úspěšnost ze 72 na skoro 87 procent a vyšlo to o něco levněji. Na urgentním příjmu se ale rozdíl znovu neukázal, systém s pomocí i bez ní skončil zhruba na 85 procentech.
Nejvíc nástroj pomáhá u složitých případů a slabších variant. Gemini 2.5 Flash od Googlu sám zvládl jen 46 procent, s cizí nadstavbou téměř 69 procent. Rozdíl mezi výkonnostními třídami je ale i tak větší než přínos samotného programu. Jinými slovy, výběr základu rozhoduje víc než to, co může přidat Microsoft.
Mluvčí firmy oponuje, že s blížícím se teoretickým maximem se efektivita přirozeně zmenšuje a že program pomáhá hledat rovnováhu mezi přesností a cenou. Výzkumníci tvrdí, že ani pokročilejší verze podle dalších testů nemažou výhodu spolupráce více AI pomocníků. Studie ale nezahrnuje nejnovější softwarové generace, jako jsou GPT-6 Astra, Muse Wonder Full od Mety, Gemini 4 Argon od Googlu nebo Opus 5.5 od Anthropicu.
Z archivu rovnou do nemocnice
Další krok má proběhnout přímo na klinice. Microsoft se domluvil s bostonskou Beth Israel Deaconess Medical Center, že mechanismus vyzkouší v reálném provozu. Pacienti dostanou běžnou péči, od prvního roztřídění podle naléhavosti přes návštěvu specialisty a vyšetření až po rozhodnutí, zda je bezpečné je pustit domů. Ti, kteří s tím budou souhlasit, budou zároveň komunikovat také s AI. Výzkumníci pak porovnají doporučení stroje s verdiktem lékařů.
Tato technologie je připravená na zkoušku v reálném světě, říká Dominic King, který v Microsoft AI vede oblast zdravotnictví a je spoluautorem práce. Podle něj si asi dovedete domyslet, jak složité a rozmanité problémy přicházejí na urgentní příjem v pátek večer. King odhaduje, že půjde o největší projekt svého druhu, který zahrne urgentní příjem i pohotovostní ambulance. Pevný termín nikdo z vedení nesdělil, testování se má rozběhnout během několika měsíců.
Microsoft přitom není jediný, kdo se chlubí AI překonávající lidi v bílých pláštích. Podobná tvrzení zveřejnily i Google a OpenAI. Google tento měsíc vydal v časopise The Lancet materiál, ve kterém se stejným bostonským zařízením testoval svůj diagnostický systém AMIE při skutečných návštěvách pacientů, přičemž odborníci celou dobu sledovali rozhovory v přímém přenosu.
Velké plány na lékařskou superinteligenci
Práce je součástí záměru, kterému Microsoft říká lékařská superinteligence. Firma tím myslí umělou inteligenci, která v medicínském uvažování a koordinaci péče překoná i ty nejlepší zdravotnické sítě vedené lidmi. Diagnóza je podle Kinga jen jedním dílem. Microsoft v doprovodném textu popisuje dalších pět oblastí, které musí AI zvládnout, mezi nimi rozhodování o léčbě a lidskou stránku medicíny.
S Mayo Clinic firma trénuje vlastní základní model pro zdravotnictví, který chce vydat příští rok. Suleyman předpovídá, že se tyto nástroje během dvou až tří let zlepší o řád, a v příštích letech čeká vznik řešení, které bude k nerozeznání od lidského výkonu. Zároveň trvá na tom, že doktoři si v péči o nemocné ústřední roli udrží. Připouští sice, že by jim umělá inteligence mohla nakonec přidat práci, doufá ale, že jim spíš ubere otravnou rutinu a uvolní čas pro lidi.
Kdy a jak se softwarový balík dostane na trh, Microsoft zatím neprozradil. Podnik už zdravotníkům prodává nástroje na diktování zpráv a pro radiologii. Zdravotní dotazy navíc patří k nejčastějším tématům, se kterými se veřejnost obrací na chatbota Copilot. King upozorňuje na přísná pravidla a povinnosti, které musí každý nový nástroj v medicíně splnit. Suleyman ale nijak neskrývá, kam míří. V příštích letech musíme mít absolutně nejlepší produkty pro podporu klinického rozhodování, prohlásil muž, který se oboru věnoval už jako spoluzakladatel DeepMindu, dnes součásti Googlu. Dodal, že jsou prostě skalní věřící.
Zdroje: theverge.com a techcrunch.com
