Microsoft'ın çok ajanlı tanı aracı, doktorlardan dört kata kadar daha iyi olduğunu iddia ediyor

The Verge'in haberine göre Microsoft, insan doktorlardan dört kata kadar daha isabetli tıbbi teşhis koyabilen bir yapay zekâ sistemi geliştirdiğini açıkladı. Bulgular Perşembe günü Science dergisinde yayımlandı ve Microsoft AI CEO'su Mustafa Suleyman, The Verge'e sağlık yapay zekâsının anının "nihayet geldiğini" söyledi — ancak sistemin tarihsel test vakalarının ötesinde kendini kanıtlaması gerektiğini de kabul etti.

Tek bir model yerine bir yapay zekâ ajanları heyeti

Diagnostic Orchestrator adlı araç, bir tıp uzmanları heyeti gibi davranacak şekilde tasarlandı. Birden fazla yapay zekâ ajanı hastanın belirtilerini ve tıbbi geçmişini değerlendiriyor, olası açıklamaları tartıyor, hangi testlerin isteneceğine karar veriyor ve bir tanıya ulaşıyor — doktorların bir vakayı gerçekte nasıl araştırdığını yansıtması amaçlanan bir süreç bu. The Verge'e göre sistem OpenAI'nin GPT-5'i üzerinde çalışıyor ve Microsoft, koordineli çalışan ajanların tek başına çalışan en ileri yapay zekâ modellerinden daha iyi performans gösterdiğini söylüyor.

Sistemi test etmek için Microsoft, yayımlanmış tıp vaka raporlarından ve acil servis verilerinden derlediği senaryoları SDBench adlı bir kıyaslama setine dönüştürdü; şirketin bunu açık kaynak yapmayı planladığı belirtildi.

Rakamlar

The New England Journal of Medicine'deki yüzlerce rapordan alınan vakalarda orkestratör yaklaşık yüzde 83 tanısal doğruluğa ulaştı. Genel pratisyen hekimler kaynak kullanma izni verildiğinde yaklaşık yüzde 36, kaynak olmadan çalıştıklarında ise yüzde 22 puan aldı.

Sistem, Boston'daki Beth Israel Deaconess Medical Center'daki geniş bir hasta kabul veri tabanından oluşturulan ikinci bir test setinde de öne çıktı ve insan doktorların ortalama yüzde 47'sine karşılık yüzde 80 puan aldı. Teşhislerine, insan muadillerine kıyasla daha düşük bir tahmini maliyetle ulaştığı görüldü.

Araştırmanın kendisinde de bazı uyarılar var. Hakemli makale, GPT-6 Astra, Meta'nın Muse Wonder Full, Google'ın Gemini 4 Argon veya Anthropic'in Opus 5.5 gibi daha yeni modelleri içermiyor. Proje, GPT-4.1'in mevcut en gelişmiş model olduğu dönemde başladı ve araştırmacılar, sonraki testlerin, temel model yeteneklerindeki gelişmelerin çoklu ajanların birlikte çalışmasının sağladığı faydayı zorunlu olarak ortadan kaldırmadığını gösterdiğini belirtiyor.

Hastalar üzerinde değil, kayıtlar üzerinde test edildi

Microsoft, hâlâ var olan açığı açıkça dile getiriyor. Sistem yalnızca geçmiş vakalar üzerinde değerlendirildi ve canlı hastalarla, eksik bilgiyle ve gerçek bir klinik ortamın baskılarıyla nasıl performans göstereceği belirsiz. "Klinik doğrulamaya ihtiyacı var," dedi Suleyman The Verge'e. "Bu büyük bir sıçrama, ama yolculuğun bu aşamasında önemli bir dönüm noktası."

Hastane denemeleri ve daha geniş bir gündem

Microsoft'un yapay zekâ sağlık sorumlusu ve çalışmanın ortak yazarı Dr. Dominic King, The Verge'e şirketin sistemi Beth Israel Deaconess ile hastane ortamlarında test etmeye başlamayı planladığını söyledi. Çalışmanın "önümüzdeki birkaç ay içinde" başlamasının muhtemel olduğunu ifade etti ancak ne kendisi ne de Suleyman kesin bir takvim vermedi. Ticarileşme gelebilir, ancak Microsoft teknolojinin ne zaman ve nasıl sunulacağını açıklamadı ve King, tıbbın gerektirdiği düzenleyici ve uyum şartlarının altını çizdi.

Teşhis, Microsoft'un "tıbbi süper zekâ" adını verdiği daha geniş bir programın bir ucunu oluşturuyor — en iyi insan yönetimli sağlık sistemlerini geride bırakabilen yapay zekâ. Şirket, bir blog yazısında ve BMJ Digital Health & AI'daki ayrı bir makalede, yapay zekânın uzmanlaşması gerektiğine inandığı beş başka alanı sıralıyor; bunlar arasında klinik bakımın koordinasyonu, tedavi kararlarının alınması ve tıbbın insani boyutunun üstesinden gelme yer alıyor.

Suleyman gelecek yıl için "üretimde son derece etkileyici akıllı sistem kullanımları" öngördüğünü ve bir-iki yıl içinde tıbbi süper zekâda insanlardan ayırt edilemeyecek performans beklediğini söyledi. Aynı zamanda klinisyenlerin hasta bakımında merkezi bir rolü koruyacağı konusunda ısrar etti ve teknolojinin rutin, göz alıcı olmayan işleri üstlenmesini umduğunu, böylece doktorların hastalarla daha fazla zaman geçirebileceğini belirtti.

Neden önemli

Bulgular klinik doğrulamadan geçerse, tanısal tıp, yapay zekânın eğitimli profesyonellere yalnızca yardımcı olmak yerine açıkça üstün olduğu ilk alanlardan biri haline gelir — yanlış teşhisin ne kadar inatçı bir sorun olduğu düşünüldüğünde anlamlı bir değişim bu. Mimari ders, tıbptan daha da uzağa gidebilir: Microsoft'un üstünlüğü, daha akıllı tek bir modeli beklemek yerine birkaç ajanı orkestre etmekten geldi ve şirket, bu yaklaşımın temel modeller geliştikçe değerini koruduğunu savunuyor. Ancak şimdilik kanıt geriye dönük. Arşivlenmiş vaka raporlarında alınan yüzde 83'lük puan ile hastanelerin, düzenleyicilerin ve doktorların yatak başında güvendiği bir araç arasındaki mesafe, Microsoft'un henüz atmadığını kabul ettiği sıçramanın ta kendisi.