Mgonjwa anahitaji utambuzi wa kuaminika na njia iliyo wazi ya matibabu. Kwa viongozi wa afya, utafiti wa hivi karibuni wa Microsoft kuhusu AI ya matibabu unauliza swali la kiutendaji: shirika linapaswaje kutathmini mfumo unaokusanya ushahidi na kufanya maamuzi katika hatua kadhaa?
Mtazamo wangu ni kwamba MAI-DxO inastahili makini si tu kwa usahihi wake bali pia kwa mchakato wake wa kufanya maamuzi. CEO na CTO wanapaswa kuchunguza mchakato huo huku wakidumisha mpaka ulio wazi kati ya utendaji wa utafiti na thamani ya kliniki iliyothibitishwa.
Utafiti, Sequential diagnosis with language models, ulitokea katika Science tarehe 22 Oktoba 2026. MAI-DxO iliyounganishwa na GPT-5 ilifikia usahihi wa utambuzi wa 83.2% katika kesi 304 ngumu za NEJM. Madaktari bingwa waliyotumia rasilimali za rejea walifikia 36.1%, ikilinganishwa na 22.3% bila rasilimali hizo. Katika kesi 325 za kuandikishwa kutoka idara ya dharura, mfumo ulifikia 80.3%, ikilinganishwa na 46.8% kwa madaktari. Haya ni matokeo kutoka tathmini zilizodhibitiwa za kumbukumbu za kesi. [1, 2]
Asilimia hizo za madaktari zinaeleza utendaji katika kazi za utafiti. Hazipaswi kamwe kuwasilishwa kama usahihi wa jumla wa madaktari katika mazoezi ya kila siku. Alama ya jumla ya benchmark pia inaacha swali muhimu bila jibu: ni makosa yapi yanayoweza kusababisha madhara makubwa zaidi?
MAI-DxO inaratibu jopo la kisiemwengu linalopendekeza utambuzi, kupinga mawazo, na kuchagua maswali au vipimo. Tathmini yake hubadilika kadri taarifa zinavyofika. Benchmark hupima njia ya kufikia utambuzi, ikijumuisha gharama zilizokadiriwa za vipimo. Microsoft pia ilipima usanidi wenye vikwazo imara zaidi vya gharama. [2]
Kwa viongozi wa biashara, somo muhimu la kubuni ni kutenga kupendekeza jibu na kupitia ushahidi wake. Mpiti anapaswa kuwa na uwezo wa kutambua kinachokosekana, kupinga maelezo yanayoongoza, na kuomba taarifa zaidi kabla hatua muhimu haijaendelea.
Majukumu kadhaa ya AI bado yanaweza kurudia kosa lilelile. Kwa hiyo, makubaliano kati ya mawakala yanapaswa kupimwa dhidi ya ushahidi wa nje. Kuongeza mjadala kunaunda kipengele kingine cha kutathmini; si uhakikisho huru.
Ningelinganisha mifumo katika vipimo vitatu. Linganisha alama ya jibu la mwisho na ubora wa mchakato mzima wa kufanya maamuzi. Linganisha gharama zilizokadiriwa za kazi na gharama kamili ya kutoa huduma. Linganisha utendaji katika kumbukumbu za kihistoria na matokeo yanayozingatiwa wakati wa matumizi ya prospecti. Kila ulinganishaji unajibu swali tofauti la uwekezaji.
Kwa mfano, mapendekezo ya gharama nafuu yanaweza kuzalisha kazi kubwa ya mapitio. Jibu sahihi linaweza kufika kuchelewa mno kusaidia. Mfumo unaofanya vizuri katika kumbukumbu kamili unaweza kushindwa wakati taarifa muhimu haipatikani. Viongozi wanahitaji tathmini inayoonyesha tofauti hizi wazi.
SDBench hutumia mfumo wa gatekeeper kutoa taarifa zinazohitajika na mfumo wa judge kutathmini utambuzi. Gatekeeper inaweza kuzalisha matokeo yanayolingana na kesi wakati matokeo yaliyohitajika hayapo kwenye kumbukumbu. Mbinu hizi hufanya tathmini ya mwingiliano iwezekane, lakini pia huanzisha mawazo yanayohitaji uchunguzi. [3]
Hilo ni muhimu kwa sababu mazingira ya tathmini huathiri matokeo yanayopimwa. Hospitali lazima ibainishe jinsi mfumo unavyojitendesha na taarifa dhaifu, habari zinazokinzana, na ucheleweshaji wa uendeshaji. Usahihi wa utambuzi pekee hauwezi kuthibitisha usalama wa mgonjwa, ubora wa matibabu, au ufanyaji kazi wa timu ya kliniki.
Microsoft imetangaza utafiti wa prospecti na Beth Israel Deaconess Medical Center ambao wagonjwa watashirikiana na mfumo na utendaji utaliganishwa na tathmini huru za madaktari. Huu ni uthibitishaji uliopangwa, si ushahidi wa matokeo bora ya wagonjwa yaliyopatikana tayari. [2]
CEO wanapaswa kufafanua manufaa yanayokusudiwa kabla ya kugharimia utekelezaji. Katika mradi wa majaribio wa afya, huo unaweza kuwa utambuzi wa haraka wa hali maalum au msaada bora wa kupitia kesi ngumu. Mteue mmiliki wa kliniki, kubaliani vipimo vya matokeo, na weka masharti ya kusimamisha mradi wa majaribio. Epuka kufanya uamuzi wa wafanyakazi kutoka kwa ulinganishaji wa benchmark.
CTO wanapaswa kujenga tathmini kuzunguka mtiririko wa kazi uliokusudiwa. Linganisha mchakato uliopo, AI inayofanya kazi peke yake katika mazingira yaliyodhibitiwa, na madaktari wanaosaidiwa na AI. Tumia kesi zinazowakilisha huduma inayopendekezwa. Chunguza utambuzi mbaya uliokosekana, vipimo visivyo vya lazima, muda wa kufikia uamuzi, na mzigo wa kupitia mapendekezo. Ripoti matokeo kwa makundi ya wagonjwa yanayohusika pamoja na wastani wa jumla.
Anza na tathmini ya retrospektiva kwa kutumia data iliyosimamiwa ipasavyo. Ikiwa ushahidi unasaidia kuendelea, fikiria utafiti wa prospecti unaosimamiwa na uongozi wa kliniki na idhini zinazohitajika. Weka mamlaka ya kuagiza vipimo au kubadilisha matibabu imekabidhiwa waziwazi. Eleza lini mfumo lazima ukabidhi na jinsi daktari anavyoweza kuupitisha.
Hitaji ushahidi unaoweza kufuatiliwa kwa mapendekezo, ufikiaji uliodhibitiwa wa taarifa za mgonjwa, na rekodi ya mfano na toleo la mtiririko wa kazi lililotumika. Rudia tathmini husika wakati lolote linapobadilika. Mradi wa majaribio uliofanikiwa unahitaji mchakato wa uendeshaji unaoweza kugundua udororaji na kusaidia kujiondoa.
Viongozi wa fedha wanapaswa kutofautisha gharama zilizokadiriwa za vipimo na akiba iliyopatikana. Jumuisha ujumuishaji, mapitio ya kliniki, ufuatiliaji, na tathmini endelevu katika kesi ya biashara. Akiba yoyote inapaswa kupimwa pamoja na madhara ya utambuzi uliokosekana na vipimo vinavyoweza kuepukika.
Nidhamu hiyohiyo ya tathmini ni muhimu wakati wa kuzingatia AI kwa madai ya bima, ubaguzi wa ununuzi, au uchunguzi wa matukio. Matumizi hayo yanahitaji ushahidi wake. Benchmark ya matibabu haiwezi kuthibitisha mtiririko wa kazi wa kifedha au uendeshaji.
MAI-DxO inatoa sababu ya kuchunguza jinsi AI inavyouliza ushahidi, kurekebisha msimamo wake, na kuamua lini kuacha. Thamani ya biashara itategemea kama tabia hizo zinaboresha huduma iliyofafanuliwa chini ya hali halisi za uendeshaji.
Ungalikubali mradi wa majaribio wa AI ya matibabu, ni ushahidi gani ungehitaji kabla ya kuruhusu mapendekezo yake kuathiri huduma ya wagonjwa?
Fikiria kihisabati. Bunifu kwa akili. Ongoza kimkakati. Jenga kwa uwajibikaji. Panua kimataifa. Unda thamani halisi ya biashara kupitia akili bandia.
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 Oktoba 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. Nyaraka za SDBench. https://microsoft.github.io/sdbench/
