ذكاء مايكروسوفت الاصطناعي MAI-DxO يتفوق على الأطباء في دراسة للتشخيص الطبي
ذكاء مايكروسوفت الاصطناعي MAI-DxO يتفوق على الأطباء في دراسة للتشخيص الطبي
كشفت مايكروسوفت عن بحث جديد يشير إلى أن الذكاء الاصطناعي قد يصبح أكثر دقة بكثير من الأطباء في تشخيص الأمراض المعقدة، مع المساعدة أيضًا على تقليل الفحوص الطبية غير الضرورية.
في دراسة نُشرت في مجلة Science بتاريخ 22 أكتوبر 2026، حقق منسّق التشخيص بالذكاء الاصطناعي من مايكروسوفت (MAI-DxO) دقة تشخيص بلغت 83% في الحالات الطبية المعقدة، مقابل 36% فقط لدى الأطباء الذين استخدموا مواد مرجعية.
وأظهر النظام أداءً قويًا أيضًا في حالات أقسام الطوارئ الأكثر شيوعًا، إذ بلغت دقته 80% مقابل 47% لدى الأطباء.
تمثل النتائج تقدمًا مهمًا في الاستدلال الطبي بمساعدة الذكاء الاصطناعي. لكنها مستمدة من حالات سريرية سابقة خضعت للتقييم عبر عملية تشخيص محاكاة، وليست من علاج مرضى في المستشفيات.
ووفقًا للإعلان الرسمي من مايكروسوفت، تخطط الشركة الآن لاختبار التقنية في بيئات سريرية حقيقية.
ما نظام التشخيص بالذكاء الاصطناعي MAI-DxO من مايكروسوفت؟
منسّق التشخيص بالذكاء الاصطناعي من مايكروسوفت، أو Microsoft AI Diagnostic Orchestrator واختصاره MAI-DxO، هو نظام صُمم لمحاكاة تعاون فريق من الأطباء لتشخيص المرضى.
وبخلاف أنظمة الذكاء الاصطناعي التقليدية التي تحلل جميع المعلومات الطبية المتاحة وتقدم إجابة فورية، يتعامل MAI-DxO مع التشخيص بوصفه عملية تقصٍّ تتطور تدريجيًا.
ينسّق النظام أدوارًا متعددة لأطباء افتراضيين يتعاونون على فحص الأعراض وطلب معلومات إضافية والنظر في التشخيصات المحتملة ومراجعة استنتاجات بعضهم بعضًا بصورة نقدية.
كيف يعمل MAI-DxO؟
يتبع النظام عملية تشخيص متعددة الخطوات:
- التقييم الأولي: يحلل وكلاء الذكاء الاصطناعي الأعراض التي حضر بها المريض ويحددون الأمراض المحتملة.
- جمع المعلومات: يحدد النظام الأسئلة أو الفحوص السريرية أو الاختبارات التشخيصية الإضافية الأكثر فائدة.
- الاستدلال التعاوني: تراجع أدوار الأطباء الافتراضيين التفسيرات المتنافسة بصورة نقدية وتقيّم الأدلة الجديدة.
- اتخاذ قرارات تراعي التكلفة: ينظر النظام في التكلفة المقدّرة والقيمة التشخيصية المحتملة للفحوص الإضافية.
- التشخيص النهائي: بعد جمع معلومات كافية، يختار MAI-DxO التشخيص الأرجح.
صُمم هذا النهج ليشبه الاستدلال التكراري في الممارسة السريرية، حيث يعيد الأطباء تقييم استنتاجاتهم باستمرار مع ظهور معلومات جديدة.
ومن الضروري توضيح أن الأطباء الافتراضيين هم أدوار ينشئها الذكاء الاصطناعي داخل نظام تنسيق، وليسوا أطباء بشريين مستقلين.
ذكاء مايكروسوفت الاصطناعي مقارنة بالأطباء: ماذا وجدت الدراسة؟
قيّمت مايكروسوفت نظام MAI-DxO باستخدام معيار التشخيص المتسلسل الخاص بها، Sequential Diagnosis Benchmark أو SDBench.
شمل المعيار 629 حالة سريرية سابقة من مجموعتي بيانات: 304 حالات صعبة من مجلة The New England Journal of Medicine (NEJM)، و325 حالة من أقسام الطوارئ مأخوذة من مجموعة البيانات الطبية MIMIC-IV-ED.
أظهرت النتائج فروقًا كبيرة في دقة التشخيص.
| معيار التشخيص | دقة MAI-DxO | دقة الأطباء |
|---|---|---|
| 304 حالات معقدة من NEJM، مع استخدام الأطباء للمراجع | 83.2% | 36.1% |
| 304 حالات معقدة من NEJM، دون استخدام الأطباء للمراجع | 83.2% | 22.3% |
| 325 حالة من أقسام الطوارئ | 80.3% | 46.8% |
المصدر: Microsoft AI وNori وزملاؤه، «Sequential Diagnosis with Language Models»، مجلة Science، 22 أكتوبر 2026.
دقة الذكاء الاصطناعي تجاوزت ضعف دقة الأطباء في الحالات المعقدة
في الحالات الصعبة البالغ عددها 304 من NEJM، بلغت دقة تشخيص MAI-DxO نحو 2.3 ضعف دقة الأطباء الذين سُمح لهم بالاستعانة بالكتب الطبية ومصادر الإنترنت.
ومقارنة بالأطباء الذين عملوا دون تلك المراجع، بلغت دقته نحو 3.7 ضعف دقتهم.
تشير هذه النتائج إلى أن أنظمة الذكاء الاصطناعي قد تكون ذات قيمة خاصة عند تشخيص أمراض غير مألوفة أو معقدة تتطلب معرفة طبية واسعة وتفسيرًا دقيقًا للأدلة.
لكن المقارنة شملت أطباء عامّين مشاركين في ظروف بحثية مضبوطة، لا فرقًا متعددة التخصصات تعمل في مستشفيات حقيقية.
تفوق الذكاء الاصطناعي أيضًا في حالات أقسام الطوارئ
قدّم تقييم حالات الطوارئ نتيجة أخرى جديرة بالاهتمام.
شخّص MAI-DxO نحو 80% من الحالات بشكل صحيح، مقابل 47% لدى الأطباء المشاركين.
وهذا يعادل نحو 1.7 ضعف دقة التشخيص.
وبخلاف الحالات الصعبة من NEJM، صُممت مجموعة بيانات الطوارئ لتمثيل صور سريرية أكثر شيوعًا.
وهذا يجعل النتائج ذات صلة خاصة بالتطبيقات المحتملة في الرعاية الصحية اليومية.
ومع ذلك، ظلت هذه تقييمات محاكاة تعتمد على سجلات سابقة لأقسام الطوارئ، وليست تفاعلات مباشرة مع مرضى.
هل يمكن للذكاء الاصطناعي تحسين التشخيص وخفض تكاليف الرعاية الصحية؟
من أهم جوانب بحث مايكروسوفت تركيزه على دقة التشخيص وتكاليف الفحوص الطبية معًا.
قد تكون القيمة العملية لنظام ذكاء اصطناعي شديد الدقة محدودة إذا كان يحقق نتائج أفضل بمجرد طلب عدد مفرط من الفحوص.
ولمعالجة ذلك، يقيّم MAI-DxO الفائدة المتوقعة من الاستقصاءات الإضافية إلى جانب تكلفتها المالية المقدّرة.
حافظ الذكاء الاصطناعي المحسّن من حيث التكلفة على دقة مرتفعة
أفادت مايكروسوفت بأن أحد إعدادات النظام المحسّنة من حيث التكلفة حقق نحو 81% من دقة التشخيص في حالات NEJM المعقدة، بأقل من نصف التكلفة المقدّرة لبعض الأساليب المستخدمة للمقارنة.
وأظهرت إعدادات أخرى أيضًا أن النظام يمكنه العمل بميزانيات فحوص أقل بكثير مع الحفاظ على أداء قوي.
لكن هناك فرقًا مهمًا بين نتائج النظام الأعلى دقة ونتائجه الأقل تكلفة.
كانت الإعدادات غير المقيّدة التي حققت دقة 83.2% في حالات NEJM و80.3% في حالات الطوارئ أعلى في متوسط التكلفة المقدّرة من مجموعات الأطباء المقابلة. أما الإعدادات ذات الميزانيات الأقل فحققت وفورات مع انخفاض معين في الدقة.
وعليه، تُظهر الدراسة موازنة واعدة بين الدقة والتكلفة، ولا تثبت أن كل نسخة من MAI-DxO أكثر دقة وأقل تكلفة من الأطباء في الوقت نفسه.
جرت نمذجة هذه التكاليف باستخدام بيانات موحّدة للأسعار الطبية. وهي لا تمثل نفقات فعلية للمستشفيات أو وفورات مثبتة للمرضى.
لماذا يتجاوز هذا البحث الاختبارات التقليدية للذكاء الاصطناعي الطبي؟
تعتمد تقييمات كثيرة للذكاء الاصطناعي الطبي على امتحانات موحّدة أو أسئلة متعددة الخيارات.
تقيس هذه المعايير المعرفة الطبية، لكنها قد لا تعكس بدقة تعقيد تشخيص مرضى حقيقيين.
في الممارسة السريرية، نادرًا ما تتوافر جميع المعلومات دفعة واحدة. وعلى الأطباء تحديد الأسئلة التي يطرحونها والفحوص التي يطلبونها والوقت الذي تتوافر فيه أدلة كافية للوصول إلى استنتاج.
التعريف بمعيار التشخيص المتسلسل
طورت مايكروسوفت معيار SDBench لتقييم عملية اتخاذ القرار هذه بصورة أكثر واقعية.
فبدلًا من تقديم التاريخ المرضي الكامل منذ البداية، يبدأ المعيار بمعلومات محدودة.
ثم يتعين على نظام التشخيص طلب تفاصيل إضافية خطوة بخطوة.
يوفر وسيط محاكى معلومات من سجل الحالة الأصلي، أو يولّد إجابات معقولة عندما تكون المعلومات المطلوبة غير موجودة. وتقيّم عملية قائمة على الذكاء الاصطناعي مدى صحة التشخيص.
يتيح ذلك للباحثين فحص ما إذا كان نظام الذكاء الاصطناعي يصل إلى التشخيص الصحيح، وكيف يصل إليه أيضًا.
أتاحت مايكروسوفت مكونات من SDBench للباحثين، دعمًا لمزيد من الاختبارات وإمكانية إعادة إنتاج النتائج.
وتفيد الشركة أيضًا بأن مكاسب أداء MAI-DxO استمرت عند تقييمه باستخدام نماذج ذكاء اصطناعي أحدث، منها GPT-5.5، دون تغيير نهج التنسيق الأساسي.
ويشير ذلك إلى أن الطريقة قد تستفيد من التقدم المستمر في النماذج الأساسية.
مايكروسوفت تخطط لاختبارات سريرية واقعية في بوسطن
رغم نتائج الاختبارات المعيارية الواعدة، لم يثبت نظام التشخيص بالذكاء الاصطناعي من مايكروسوفت حتى الآن أداءً مماثلًا في الممارسة السريرية الحقيقية.
ولدراسة هذه الفجوة، أعلنت مايكروسوفت شراكة مع مركز بيث إسرائيل ديكونيس الطبي في بوسطن (Beth Israel Deaconess Medical Center).
وتخطط الجهتان لتقييم قدرات MAI-DxO على الاستدلال السريري في بيئات المستشفيات.
ما الذي ستدرسه الدراسة السريرية؟
في الدراسة الاستباقية المزمعة، سيتفاعل المرضى مباشرة مع نظام الذكاء الاصطناعي، وستُقارن تقييماته التشخيصية بتقييمات مستقلة يجريها أطباء.
سيساعد البحث على تحديد ما إذا كان MAI-DxO يستطيع الحفاظ على أدائه المعياري عند مواجهة عدم اليقين والتعقيد في اللقاءات السريرية الفعلية.
وسيوفر أيضًا أدلة حول كيفية دمج التقنية في مسارات العمل الطبية القائمة.
وإلى أن تُصدر هذه الدراسات نتائجها، تظل الادعاءات بتفوق الأداء التشخيصي في الواقع غير مثبتة.
التحديات التي يجب أن يتجاوزها الذكاء الاصطناعي قبل اعتماده سريريًا
مع أهمية نتائج مايكروسوفت، فإن دقة التشخيص وحدها لا تكفي لتحديد ما إذا كان نظام الذكاء الاصطناعي يحسّن الرعاية الصحية.
ولا تزال عدة أسئلة مهمة دون إجابة.
الموثوقية السريرية وسلامة المرضى
قد يكون لدى المرضى الحقيقيين تاريخ مرضي غير مكتمل وأعراض متداخلة ومضاعفات غير متوقعة ونتائج فحوص ملتبسة.
يجب أن تُثبت أنظمة الذكاء الاصطناعي قدرتها على التعامل الموثوق مع هذه الظروف، وإدراك عدم اليقين، وتجنب التوصيات التي قد تسبب الضرر.
قرارات العلاج والرعاية طويلة الأمد
تحديد المرض ليس سوى جانب واحد من الرعاية الصحية.
فعلى الأطباء أيضًا اختيار العلاجات المناسبة ومتابعة المرضى بمرور الوقت والتعامل مع المضاعفات وتكييف الرعاية مع ظروف كل فرد.
لا تثبت نتائج MAI-DxO المعيارية المنشورة قدرته على أداء هذه المسؤوليات الأوسع.
الإشراف البشري والاندماج في الرعاية الصحية
يجب كذلك أن تتلاءم أنظمة الذكاء الاصطناعي السريرية مع الطريقة التي يتخذ بها الأطباء والمرضى القرارات معًا.
ويشمل ذلك شرح التوصيات ودعم الحكم المهني وحماية معلومات المرضى الحساسة والحفاظ على إشراف بشري مناسب.
وتجعل هذه المتطلبات التحقق في ظروف واقعية أمرًا أساسيًا قبل النشر السريري على نطاق واسع.
لماذا يُعد تقدم مايكروسوفت في الذكاء الاصطناعي الطبي مهمًا؟
يشير بحث مايكروسوفت إلى تحول قد يكون مهمًا في الذكاء الاصطناعي الطبي.
فبدلًا من الاقتصار على الإجابة عن الأسئلة الطبية، قد يدعم الذكاء الاصطناعي عملية التشخيص نفسها بصورة متزايدة: جمع الأدلة ومقارنة التفسيرات المتنافسة ومساعدة الأطباء على تحديد الاستقصاءات الأعلى قيمة.
وتعزز الدراسة أيضًا مبررات اعتماد بُنى تعاونية للذكاء الاصطناعي، تسهم فيها أدوار متخصصة متعددة في عملية اتخاذ قرار مشتركة.
وتتجاوز رؤية مايكروسوفت الأوسع لـالذكاء الطبي الفائق التشخيص لتشمل تخطيط العلاج ومراقبة الصحة على المدى الطويل والدعم المخصص لاتخاذ القرارات السريرية.
وتتعاون الشركة أيضًا مع مايو كلينك لاستكشاف كيف يمكن للذكاء الاصطناعي المتقدم والخبرة السريرية وبيانات المرضى المجمعة بمرور الوقت دعم أنظمة رعاية صحية أكثر شمولًا.
لكن لا ينبغي الخلط بين التحسن في معايير التشخيص والتحسن المثبت في بقاء المرضى أو نتائج العلاج أو إتاحة الرعاية الصحية.
فهذه الفوائد لا تزال تحتاج إلى أدلة سريرية صارمة.
الخلاصة
يمثل MAI-DxO من مايكروسوفت تقدمًا واعدًا في التشخيص الطبي بمساعدة الذكاء الاصطناعي.
ويُظهر أداؤه في الحالات المعقدة ومعايير حالات الطوارئ أن الاستدلال المنسّق بالذكاء الاصطناعي قد يتجاوز دقة الأطباء المشاركين في ظروف تقييم مضبوطة.
وتشير إعداداته المحسّنة من حيث التكلفة أيضًا إلى فرص لخفض نفقات الفحوص التشخيصية مع الحفاظ على جزء من مكاسب الدقة.
أما المحطة التالية فستكون إثبات ما إذا كانت هذه المزايا تتحول إلى رعاية أكثر أمانًا وفعالية وأقل تكلفة لمرضى حقيقيين.
لن يعتمد مستقبل الذكاء الاصطناعي الطبي على تشخيص الأمراض بدقة فحسب، بل أيضًا على مساعدة الأطباء في تقديم رعاية أفضل في الواقع.