بر اساس پژوهشی که روز پنجشنبه در نشریه Science منتشر شد، سامانه تشخیصی هوش مصنوعی Microsoft در شبیه‌سازی، موارد پزشکی پیچیده را بیش از دو برابر پزشکان عمومی درست تشخیص داد. مصطفی سلیمان، مدیرعامل Microsoft AI، این نتیجه را گامی به‌سوی «ابرهوش پزشکی» خواند.

این سامانه که MAI-DxO نام دارد (و به‌اختصار DxO خوانده می‌شود)، چند عامل هوش مصنوعی را هماهنگ می‌کند که مانند گروهی از پزشکان عمل می‌کنند. آن‌ها از بیمار سؤال می‌پرسند، آزمایش تجویز می‌کنند و درباره تشخیص با هم بحث می‌کنند.

در شبیه‌سازی‌ای با استفاده از موارد پیچیده منتشرشده در New England Journal of Medicine، این سامانه در ۸۳ درصد مواقع تشخیص درست داد. پزشکان مراقبت‌های اولیه و متخصصان داخلی عمومی که هرکدام به‌تنهایی و با استفاده از منابع مرجع کار می‌کردند، در ۳۶ درصد موارد درست تشخیص دادند. البته باید توجه داشت که معمولاً رسیدگی به مواردی با این درجه از پیچیدگی بر عهده متخصصان یا گروه‌های پزشکی است؛ این افراد در مقایسه حضور نداشتند.

دومینیک کینگ، معاون بخش سلامت در Microsoft AI، به TechCrunch گفت: «اینجا با چیزی بسیار مهم و هیجان‌انگیز روبه‌رو هستیم. بزرگ‌ترین چالش در ارائه خدمات درمانی در حال حاضر، افزایش شکاف میان تقاضا و عرضه تخصص پزشکی است.»

Microsoft با انتشار این نتایج به Google و OpenAI می‌پیوندد؛ شرکت‌هایی که مدعی‌اند هوش مصنوعی آن‌ها می‌تواند با پزشکان برابری کند یا از آن‌ها بهتر عمل کند.

داده‌های خود این پژوهش نشان می‌دهد بخش زیادی از بهبود عملکرد به قدرتمندتر بودن مدل‌های پایه هوش مصنوعی مربوط است و سامانه هماهنگ‌سازی Microsoft نیز به این بهبودها اضافه می‌کند.

Microsoft، MAI-DxO را با مدل‌هایی از چند شرکت، از جمله OpenAI، Google، Anthropic، Meta و DeepSeek آزمایش کرد، اما بهترین نتایج با GPT-5 و GPT-5.5 از OpenAI به دست آمد.

Microsoft عملکرد DxO را نه‌تنها بر اساس دقت، بلکه از نظر هزینه نیز سنجید؛ یعنی هزینه برآوردشده اجرای هوش مصنوعی برای هر مورد. GPT-5 به‌تنهایی و با یک دستور متنی کوتاه و ساده، در موارد پیچیده امتیاز ۷۸٫۹ درصد را کسب کرد و هزینه هر مورد حدود ۸٬۴۰۰ دلار بود. DxO این هزینه را حدود ۳٬۰۰۰ دلار کاهش داد، اما دقت را فقط حدود چهار واحد درصد افزایش داد. در موارد مربوط به اورژانس نیز استفاده از DxO در کنار GPT-5، در مقایسه با GPT-5 به‌تنهایی، بهبود چندانی در دقت یا کاهش هزینه به همراه نداشت.

نتایج استفاده از GPT-5.5، مدل جدیدتری که در آوریل ۲۰۲۶ عرضه شد، متفاوت بود. در موارد پیچیده، DxO امتیاز دقت GPT-5.5 را از ۷۲ درصد به نزدیک ۸۷ درصد رساند و هزینه نیز اندکی کمتر شد. بااین‌حال، بار دیگر چنین بهبودی در موارد اورژانسی دیده نشد. چه با DxO و چه بدون آن، امتیاز هر دو حدود ۸۵ درصد بود و هزینه نیز تقریباً یکسان ماند.

DxO بیشترین کمک را در موارد پیچیده و هنگام استفاده از مدل‌های هوش مصنوعی کم‌توان‌تر می‌کند. برای نمونه، Gemini 2.5 Flash به‌تنهایی امتیاز ۴۶٫۴ درصد را کسب کرد، اما با DxO امتیازش به نزدیک ۶۹ درصد رسید. بااین‌حال، فاصله میان مدل‌های ضعیف‌تر و قوی‌تر از افزایشی که DxO ایجاد کرد بیشتر بود.

پژوهشگران Microsoft گفتند هرچه مدل‌ها به حداکثر نظری عملکرد نزدیک‌تر می‌شوند، افزایش دقت به‌طور طبیعی کاهش می‌یابد. سخنگوی این شرکت افزود: «هماهنگ‌سازی DxO به حل چالش گسترده‌تر بهینه‌سازی هم‌زمان دقت و هزینه کمک می‌کند.»

سلیمان که هدایت تلاش Microsoft برای ساخت هوش مصنوعی پیشرفته اختصاصی این شرکت را بر عهده دارد، به TechCrunch گفت این شرکت با Mayo Clinic همکاری می‌کند تا یک مدل پایه برای حوزه سلامت آموزش دهد؛ عرضه این مدل برای سال آینده برنامه‌ریزی شده است. او معتقد است این مدل به شرکت امکان می‌دهد «پیشرفت‌های بسیار بزرگی در این حوزه» رقم بزند و می‌گوید DxO بخشی از زیرساخت بنیادینی است که Microsoft برای دستیابی به پیشرفت‌های واقعی در حوزه سلامت می‌سازد.

سلیمان گفت: «واقعاً باور دارم که در سال ۲۰۲۷ در آستانه یک جهش بزرگ در شیوه کدنویسی برای پرونده‌های پزشکی خواهیم بود. فکر می‌کنم بتوانیم پیش‌بینی‌های بسیار دقیقی را به‌صورت پیوسته ارائه کنیم که نشان دهد روند یک پرونده پزشکی ممکن است چگونه پیش برود؛ روشن است که چنین پیش‌آگاهی‌ای برای پزشک ارزشی بسیار زیاد دارد.»

سلیمان در تمام دوران حرفه‌ای خود کوشیده است از هوش مصنوعی برای حل مسائل پزشکی استفاده کند. او پیش‌تر یکی از بنیان‌گذاران DeepMind بود؛ شرکتی که Google در سال ۲۰۱۴ آن را خرید. سال بعد، Google DeepMind شرکت نوپای Hark متعلق به کینگ را که یک اپلیکیشن مدیریت وظایف بالینی بود، خرید و این دو با هم DeepMind Health را راه‌اندازی کردند. سلیمان در سال ۲۰۲۴ برای هدایت واحد هوش مصنوعی Microsoft به این شرکت پیوست و کینگ نیز چند ماه بعد به او ملحق شد.

سلیمان گفت: «ما واقعاً به این کار باور داریم.»

او گفت اگرچه استفاده از هوش مصنوعی مولد در حوزه سلامت هنوز در مراحل ابتدایی است، انتظار دارد توانمندی مدل‌های حوزه سلامت «در ۲۴ تا ۳۶ ماه آینده یک مرتبه بزرگی افزایش یابد.»

سلیمان گفت: «همان‌طور که در پنج یا شش سال گذشته بارها دیده‌ایم، وقتی چرخه‌ای خودتقویت‌شونده شکل بگیرد، پیشرفت بسیار سریع رخ می‌دهد. منظور از چنین چرخه‌ای این است که مدلی را در محیط عملیاتی به کار گرفته‌ایم و با استفاده واقعی از آن، پیوسته تکرار و اصلاحش می‌کنیم تا کاستی‌های مدل را شناسایی و برطرف کنیم و آن را بهبود دهیم. این اتفاق در کدنویسی رخ داده و پیش از آن در چت هم اتفاق افتاده است. فکر می‌کنم سال آینده این روند برای پرونده‌های پزشکی و پشتیبانی از تصمیم‌گیری بالینی نیز آغاز شود.»

Microsoft در همکاری تازه‌ای با مرکز پزشکی Beth Israel Deaconess در بوستون، توانایی استدلال بالینی DxO را در محیط‌های مختلف بیمارستانی ارزیابی خواهد کرد.

کینگ گفت: «این فناوری برای ارزیابی در دنیای واقعی آماده است. می‌توان پیچیدگی و تنوع مسائلی را تصور کرد که شامگاه جمعه در بخش اورژانس یکی از بیمارستان‌های بوستون با آن‌ها روبه‌رو می‌شوند.»

او درباره نحوه اجرای پژوهش توضیح داد: بیماران درمان استاندارد را دریافت می‌کنند؛ از جمله تریاژ، ملاقات با متخصص، درمان‌ها و بررسی‌های تشخیصی، و تصمیم‌گیری درباره ایمن بودن ترخیص. هم‌زمان، بیمارانی که رضایت می‌دهند نیز با DxO تعامل خواهند داشت. Microsoft و شرکایش توصیه‌های DxO را با توصیه‌های پزشکان مقایسه می‌کنند.

Google این ماه پژوهشی بالینی را با همکاری مرکز Beth Israel در نشریه The Lancet منتشر کرد تا هوش مصنوعی مکالمه‌محور AMIE این شرکت را در مراجعه‌های واقعی به مراکز مراقبت فوری ارزیابی کند؛ پزشکان نیز تعامل‌ها را به‌صورت زنده زیر نظر داشتند.

کینگ گفت: «فکر می‌کنیم این بزرگ‌ترین پژوهش از نوع خود باشد. این پژوهش نه‌تنها در محیط‌های اورژانسی، بلکه در مراکز مراقبت فوری نیز انجام خواهد شد و در پایان دوره مطالعه، شواهد بسیار قانع‌کننده‌ای درباره امکان به‌کارگیری گسترده‌تر این سامانه‌ها در آینده در اختیارمان می‌گذارد.»

پژوهش Microsoft در Science هم‌زمان با انتشار نوعی بیانیه درباره الزامات ساخت ابرهوش پزشکی منتشر شده است؛ ابرهوشی که چنین تعریف شده: «توانایی فراتر رفتن از قوی‌ترین نظام‌های سلامت معاصرِ تحت هدایت انسان در استدلال پزشکی و هماهنگی در تمام مراحل مراقبت». Microsoft امیدوار است از ارزیابی تک‌وظیفه‌ای ــ مانند پاسخ‌گویی به پرسش‌های آزمون‌های پزشکی و ارائه تشخیص ــ فراتر برود و با ادغام این فناوری در کار پزشکان و نظام‌های سلامت، به نتایج بهتری دست یابد.

سلیمان گفت: «این همان فناوری‌ای است که همه مردم جهان می‌خواهند و به همین دلیل متعهدیم هر کاری از دستمان برمی‌آید انجام دهیم تا ورود آن به جهان را سرعت ببخشیم.» او افزود که این تمرکز می‌تواند Microsoft را در مقایسه با دیگر آزمایشگاه‌های پیشرو هوش مصنوعی متمایز کند.

Microsoft هم‌اکنون ابزارهای دیکته و رادیولوژی را به پزشکان می‌فروشد و DxO را گسترش این تلاش‌ها می‌داند.

سلیمان گفت: «باید طی چند سال آینده بهترین محصولات پشتیبانی از تصمیم‌گیری بالینی در حوزه پزشکی را داشته باشیم.»