ታካሚ አስተማማኝ ምርመራ እና ሕክምና የሚያደርስ ግልጽ መንገድ ያስፈልገዋል። ለጤና አጠባበቅ መሪዎች፣ ስለ ሕክምና AI የMicrosoft አዲስ ምርምር ተግባራዊ ጥያቄ ያነሳል፦ በብዙ ደረጃዎች ማስረጃ የሚሰበስብ እና ውሳኔ የሚሰጥ ስርዓትን ድርጅት እንዴት መገምገም አለበት?
በእኔ እምነት፣ MAI-DxO በትክክለኛነቱ ብቻ ሳይሆን በውሳኔ አሰጣጥ ሂደቱም ትኩረት የሚገባው ነው። CEOዎች እና CTOዎች በምርምር አፈጻጸም እና በተረጋገጠ ክሊኒካዊ ዋጋ መካከል ግልጽ ወሰን እየጠበቁ ሂደቱን ማጥናት አለባቸው።
"Sequential diagnosis with language models" የተሰኘው ጥናት በጥቅምት 22 ቀን 2026 በScience ጋዜጣ ታትሟል። ከGPT-5 ጋር የተጣመረው MAI-DxO በ304 ከባድ የNEJM ክስተቶች 83.2% የምርመራ ትክክለኛነት አግኝቷል። ማጣቀሻ ጽሑፎችን የተጠቀሙ አጠቃላይ ሐኪሞች 36.1% ሳያገኙ ያለእነሱ 22.3% አግኝተዋል። ከድንገተኛ ክፍል በተቀበሉ 325 ክስተቶች፣ ስርዓቱ 80.3% አግኝቷል ሐኪሞች ደግሞ 46.8%። እነዚህ በክስ መዝገቦች ላይ የተደረጉ ቁጥጥር ያለባቸው ግምገማዎች ውጤቶች ናቸው። [1፣ 2]
የሐኪሞች እነዚህ መቶኛዎች በምርምር ልምምዶች ውስጥ ያለውን አፈጻጸም ይገልጻሉ። በዕለት ተዕለት ልምምድ ውስጥ የሐኪሞች አጠቃላይ ትክክለኛነት ሆነው መቀርብ አይገባቸውም። አጠቃላይ ቤንችማርክ ነጥብ ደግሞ አንድ አስፈላጊ ጥያቄ አይመልስም፦ የትኞቹ ስህተቶች ትልቁን ጉዳት ሊያመጡ ይችላሉ?
MAI-DxO ምርመራዎችን የሚጠቁም፣ ግምቶችን የሚጠይቅ እና ጥያቄዎችን ወይም ምርመራዎችን የሚመርጥ ምናባዊ ፓነል ያስተባብራል። መረጃ ሲደርስ ግምቱ ይለወጣል። ቤንችማርኩ የምርመራ ወጪዎችን ጨምሮ ወደ ምርመራ የሚወስደውን መንገድ ይለካል። Microsoft የበለጠ ጥብቅ የወጪ ገደቦች ያሏቸውን ዝርዝሮችም ገምግሟል። [2]
ለድርጅት መሪዎች ጠቃሚ የሆነው የንድፍ ትምህርት መልስ ከመስጠት እና ማስረጃውን ከመገምገም መለየት ነው። ገምጋሚው ምን እንደጎደለ መለየት፣ የሠለጠነውን ማብራሪያ መጠየቅ እና አስፈላጊ እርምጃ ከመቀጠሉ በፊት ተጨማሪ መረጃ መጠየቅ አለበት።
ብዙ AI ሚናዎች አሁንም ተመሳሳዩን ስህተት መድገም ይችላሉ። ስለዚህ በወኪሎች መካከል ያለው ስምምነት በውጫዊ ማስረጃ መሞከር አለበት። ውይይት መጨመር ለመገምገም ሌላ አካል ይፈጥራል፤ ገለልተኛ ማረጋገጫ አይደለም።
ስርዓቶችን በሶስት መለኪያዎች ማነጻጸር እችላለሁ። የመጨረሻውን መልስ ነጥብ ከአጠቃላይ የውሳኔ ሂደት ጥራት ጋር ያነጻጽሩ። የግምት የስራ ወጪዎችን ከአገልግሎት አሠራር አጠቃላይ ወጪ ጋር ያነጻጽሩ። በታሪካዊ መዝገቦች ላይ ያለውን አፈጻጸም በቀጣይ አጠቃቀም ላይ ከሚታዩ ውጤቶች ጋር ያነጻጽሩ። እያንዳንዱ ንጽጽር የተለየ የኢንቨስትመንት ጥያቄ ይመልሳል።
ለምሳሌ፣ ርካሽ ምክር ከፍተኛ የግምገማ ሥራ ሊፈጥር ይችላል። ትክክለኛው መልስ ለመርዳት በጣም ሊዘገይ ይችላል። በሙሉ መዝገቦች ላይ በጥሩ ሁኔታ የሚሠራ ስርዓት አስፈላጊ መረጃ በሌለበት ጊዜ ሊቸገር ይችላል። መሪዎች እነዚህን ልዩነቶች የሚያሳይ ግምገማ ያስፈልጋቸዋል።
SDBench የተጠየቀውን መረጃ ለመስጠት ጠባቂ ሞዴል፣ ምርመራዎችንም ለመገምገም ዳኛ ሞዴል ይጠቀማል። የተጠየቀው ውጤት በመዝገቡ ላይ በሌለበት ጊዜ ጠባቂው ከክሱ ጋር የሚስማማ ግኝት መፍጠር ይችላል። እነዚህ ዘዴዎች ግንኙነት ያለው ግምገማ ያስችላሉ፣ ግን ትኩረት የሚፈልጉ ግምቶችንም ያስገባሉ። [3]
ይህ አስፈላጊ የሆነው የግምገማ አካባቢው በሚለካው ውጤት ላይ ተጽዕኖ ስለሚያሳድር ነው። ሆስፒታሉ ስርዓቱ በማይተሟላ መረጃ፣ በሚጋጩ መሆኑን በሚናገሩ አኃዞች እና በአሠራር መዘግየቶች መካከል እንዴት እንደሚሠራ መወሰን አለበት። የምርመራ ትክክለኛነት ብቻ የታካሚ ደህንነት፣ የሕክምና ጥራት ወይም የክሊኒክ ቡድን ቅልጥፍና ማረጋገጥ አይችልም።
Microsoft ከBeth Israel Deaconess Medical Center ጋር ቀጣይ ጥናት አውጅቷል፤ በዚህ ታካሚዎች ከስርዓቱ ጋር ይገናኛሉ እና አፈጻጸሙ ከሐኪሞች ገለልተኛ ግምገማዎች ጋር ይነጻጸራል። ይህ የታቀደ ማረጋገጫ ነው፤ ቀድሞውኑ የተሻሉ የታካሚ ውጤቶች ማስረጃ አይደለም። [2]
CEOዎች አፈጻጸሙን ከመደበቃቸው በፊት የታለመውን ጥቅም መግለጽ አለባቸው። በጤና ፓይለት ውስጥ፣ ይህ የተለየ በሽታን በፍጥነት መለየት ወይም ከባድ ክስተቶችን ግምገማ የተሻለ ድጋፍ ሊሆን ይችላል። ክሊኒካዊ ባለቤት ይሾሙ፣ በውጤት መለኪያዎች ላይ ይስማሙ እና የፓይለት ማቋረጫ ሁኔታዎችን ያዘጋጁ። ከቤንችማርክ ንጽጽር ሰራተኞችን ውሳኔ ከመውሰድ ይቆጠቡ።
CTOዎች ግምገማውን በዓላማው የሥራ ፍሰት ዙሪያ መገንባት አለባቸው። የአሁኑን ሂደት፣ በተቆጣጠረ አካባቢ ብቻውን የሚሠራ AI እና በAI የሚደገፉ ክሊኒሻኖች ያነጻጽሩ። የታሰበውን አገልግሎት የሚወክሉ ክስተቶችን ይጠቀሙ። የጎደሉ ከባድ ምርመራዎችን፣ አላስፈላጊ ምርመራዎችን፣ ወደ ውሳኔ የሚወስደውን ጊዜ እና የምክር ግምገማ ሸክሙን ይመርምሩ። ከአጠቃላይ አማካይ ጋር የተዛመዱ የታካሚ ቡድኖች ውጤቶችንም ይግለጹ።
በትክክል በሚተዳደር መረጃ ላይ ቀዳማዊ ግምገማ ይጀምሩ። ማስረጃዎቹ መቀጠልን ካደገፉ፣ ከክሊኒካዊ አመራር እና ከሚያስፈልጉ ፈቃዶች ጋር የሚቆጣጠር ቀጣይ ጥናት ይፈልጉ። ምርመራ ማዘዝ ወይም ሕክምና መለወጥ የሚችል ስልጣን በግልጽ የተመደበ እንዲሆን ያድርጉ። ስርዓቱ መቼ መተላለፍ እንዳለበት እና ክሊኒሻኑ እንዴት መሻገር እንደሚችል ይግለጹ።
ለምክሮች መከታተል የሚችል ማስረጃ፣ ለታካሚ መረጃ የተቆጣጠረ መዳረሻ እና የተጠቀሙበት ሞዴል እና የሥራ ፍሰት ስሪት መዝገብ ይጠይቁ። ከእነዚህ ውስጥ አንዱ ቢለወጥ የተዛመዱ ግምገማዎችን ይድገሙ። የሚሳካ ፓይለት መበላሸትን መለየት እና መሰረዝን መደገፍ የሚችል የአሠራር ሂደት ያስፈልገዋል።
የፋይናንስ መሪዎች የግምት የምርመራ ወጪዎችን ከእውነተኛ ቁጠባ መለየት አለባቸው። ውህደትን፣ ክሊኒካዊ ግምገማ፣ ክትትል እና ቀጣይ ግምገማ በንግድ ትንታኔ ውስጥ ያካትቱ። ማንኛውም ቁጠባ ከጎደሉ ምርመራዎች እና ከሚቀርቡ ምርመራዎች ውጤቶች ጋር መገምገም አለበት።
ተመሳሳይ የግምገማ ዲሲፕሊን ለኢንሹራንስ ክለይሞች፣ ለግዢ ልዩነቶች ወይም ለክስተት ምርመራ AIን ሲያስቡም ተገቢ ነው። እነዚያ አፕሊኬሽኖች የራሳቸውን ማስረጃ ይፈልጋሉ። የሕክምና ቤንችማርክ የፋይናንስ ወይም የአሠራር ሥራ ፍሰት ማረጋገጥ አይችልም።
MAI-DxO AI ማስረጃ እንዴት እንደሚጠይቅ፣ መቆሚያውን እንዴት እንደሚያስተካክል እና መቼ ማቆም እንዳለበት እንዴት እንደሚወስን እንፈትሽ ምክንያት ይሰጠናል። የድርጅት ዋጋ እነዚህ ባሕሪዎች በእውነተኛ የአሠራር ሁኔታዎች ውስጥ የተገለጸ አገልግሎትን ከሚያሻሽሉ ላይ የተመሠረተ ይሆናል።
የሕክምና AI ፓይለት የሚፈቅዱ ከሆነ፣ ምክሮቹ በታካሚ እንክብካቤ ላይ ተጽዕኖ እንዲያሳድሩ ከመፍቀድዎ በፊት ምን ማስረጃ ይጠይቃሉ?
በሒሳብ ያስቡ። በብልሃት ይንደፉ። በስልት ይምሩ። በኃላፊነት ይገንቡ። በዓለም ያድጉ። በአርቲፊሻል ኢንተለጀንስ እውነተኛ የንግድ ዋጋ ይፍጠሩ።
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 ጥቅምት 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. የSDBench ሰነዶች. https://microsoft.github.io/sdbench/
