ผู้ป่วยต้องการเส้นทางที่ชัดเจนสู่การวินิจฉัยและการรักษาที่เชื่อถือได้ สำหรับผู้นำด้านสุขภาพ งานวิจัยล่าสุดของ Microsoft เกี่ยวกับ AI ทางการแพทย์ตั้งคำถามเชิงปฏิบัติขึ้นมา นั่นคือ องค์กรควรประเมินระบบที่รวบรวมหลักฐานและตัดสินใจหลายขั้นตอนอย่างไร
ในมุมมองของผม MAI-DxO สมควรได้รับความสนใจไม่เพียงเพราะความแม่นยำ แต่ยังรวมถึงกระบวนการตัดสินใจด้วย CEO และ CTO ควรศึกษากระบวนการนี้ ขณะรักษาเส้นแบ่งที่ชัดเจนระหว่างผลงานการวิจัยกับคุณค่าทางคลินิกที่พิสูจน์แล้ว
การศึกษาชื่อ "Sequential diagnosis with language models" ตีพิมพ์ในวารสาร Science เมื่อวันที่ 22 ตุลาคม 2026 MAI-DxO ที่ทำงานร่วมกับ GPT-5 มีความแม่นยำในการวินิจฉัย 83.2% จาก 304 เคสยากของ NEJM แพทย์ทั่วไปที่ใช้เอกสารอ้างอิงทำได้ 36.1% ขณะที่ไม่ใช้เอกสารทำได้ 22.3% ใน 325 เคสที่รับเข้าจากห้องฉุกเฉิน ระบบทำได้ 80.3% เทียบกับแพทย์ที่ทำได้ 46.8% ผลลัพธ์เหล่านี้มาจากการประเมินแบบควบคุมบนบันทึกเคส [1, 2]
เปอร์เซ็นต์ของแพทย์เหล่านี้อธิบายผลงานในแบบฝึกหัดการวิจัย ไม่ควรนำเสนอเป็นความแม่นยำโดยทั่วไปของแพทย์ในการปฏิบัติงานประจำวัน คะแนนเบนช์มาร์กรวมยังไม่ตอบคำถามสำคัญอีกด้วย นั่นคือ ข้อผิดพลาดใดที่สร้างอันตรายได้มากที่สุด
MAI-DxO ประสานงานแผงเสมือนที่เสนอการวินิจฉัย ท้าทายสมมติฐาน และเลือกคำถามหรือการตรวจ การประมาณการของมันเปลี่ยนแปลงเมื่อมีข้อมูลใหม่เข้ามา เบนช์มาร์กวัดเส้นทางสู่การวินิจฉัย รวมถึงต้นทุนการตรวจโดยประมาณ Microsoft ยังประเมินการกำหนดค่าที่มีข้อจำกัดด้านต้นทุนที่เข้มงวดกว่าด้วย [2]
บทเรียนการออกแบบที่มีประโยชน์สำหรับผู้นำองค์กรคือการแยกการเสนอคำตอบออกจากการทบทวนหลักฐานของมัน ผู้ทบทวนต้องสามารถระบุได้ว่าอะไรขาดหายไป ท้าทายคำอธิบายที่เด่นชัด และขอข้อมูลเพิ่มเติมก่อนที่การดำเนินการสำคัญจะเดินหน้าต่อไป
บทบาท AI หลายตัวยังคงทำผิดพลาดแบบเดิมซ้ำได้ ดังนั้นฉันทามติระหว่างตัวแทนจึงต้องทดสอบกับหลักฐานภายนอก การเพิ่มการถกเถียงเป็นการสร้างส่วนประกอบอีกชิ้นหนึ่งให้ประเมิน ไม่ใช่การตรวจสอบอิสระ
ผมจะเปรียบเทียบระบบในสามมิติ เปรียบเทียบคะแนนคำตอบสุดท้ายกับคุณภาพของกระบวนการตัดสินใจทั้งหมด เปรียบเทียบต้นทุนงานโดยประมาณกับต้นทุนรวมในการให้บริการ เปรียบเทียบผลงานบนบันทึกในอดีตกับผลลัพธ์ที่สังเกตได้ในการใช้งานเชิงอนาคต การเปรียบเทียบแต่ละแบบตอบคำถามการลงทุนที่แตกต่างกัน
ตัวอย่างเช่น คำแนะนำราคาถูกอาจสร้างงานทบทวนจำนวนมาก คำตอบที่ถูกต้องอาจมาช้าเกินไปจนช่วยอะไรไม่ได้ ระบบที่ทำงานได้ดีกับบันทึกที่สมบูรณ์อาจประสบปัญหาเมื่อข้อมูลสำคัญไม่พร้อมใช้งาน ผู้นำต้องการการประเมินที่ทำให้เห็นความแตกต่างเหล่านี้
SDBench ใช้โมเดลผู้เฝ้าประตูเพื่อให้ข้อมูลที่ร้องขอ และโมเดลผู้ตัดสินเพื่อประเมินการวินิจฉัย ผู้เฝ้าประตูสามารถสร้างผลลัพธ์ที่สอดคล้องกับเคสได้เมื่อผลลัพธ์ที่ร้องขอไม่มีในบันทึก กลไกเหล่านี้ทำให้การประเมินแบบโต้ตอบเป็นไปได้ แต่ยังนำเข้าสมมติฐานที่ต้องการการตรวจสอบด้วย [3]
สิ่งนี้สำคัญเพราะสภาพแวดล้อมการประเมินมีผลต่อผลลัพธ์ที่วัดได้ โรงพยาบาลต้องกำหนดว่าระบบทำงานอย่างไรท่ามกลางข้อมูลที่ไม่สมบูรณ์ คำให้การที่ขัดแย้งกัน และความล่าช้าในการดำเนินงาน ความแม่นยำในการวินิจฉัยเพียงอย่างเดียวไม่สามารถพิสูจน์ความปลอดภัยของผู้ป่วย คุณภาพการรักษา หรือประสิทธิผลของทีมคลินิกได้
Microsoft ได้ประกาศการศึกษาเชิงอนาคตกับ Beth Israel Deaconess Medical Center ซึ่งผู้ป่วยจะมีปฏิสัมพันธ์กับระบบและเปรียบเทียบผลงานกับการประเมินอิสระของแพทย์ นี่คือการตรวจสอบที่วางแผนไว้ ไม่ใช่หลักฐานของผลลัพธ์ผู้ป่วยที่ดีขึ้นซึ่งเกิดขึ้นแล้ว [2]
CEO ควรกำหนดประโยชน์ที่ตั้งใจไว้ก่อนจัดสรรงบประมาณให้การนำไปใช้ ในโครงการนำร่องด้านสุขภาพ อาจเป็นการตรวจพบโรคเฉพาะได้เร็วขึ้น หรือการสนับสนุนที่ดีขึ้นสำหรับการทบทวนเคสยาก แต่งตั้งเจ้าของด้านคลินิก ตกลงตัวชี้วัดผลลัพธ์ และกำหนดเงื่อนไขการหยุดโครงการนำร่อง หลีกเลี่ยงการตัดสินใจด้านบุคลากรจากการเปรียบเทียบเบนช์มาร์ก
CTO ควรสร้างการประเมินรอบเวิร์กโฟลว์ที่ตั้งใจไว้ เปรียบเทียบกระบวนการที่มีอยู่ AI ที่ทำงานเดี่ยวในสภาพแวดล้อมที่ควบคุม และแพทย์ที่ได้รับการสนับสนุนจาก AI ใช้เคสที่เป็นตัวแทนของบริการที่เสนอ ตรวจสอบการวินิจฉัยรุนแรงที่พลาดไป การตรวจที่ไม่จำเป็น เวลาถึงการตัดสินใจ และภาระการทบทวนคำแนะนำ รายงานผลลัพธ์ของกลุ่มผู้ป่วยที่เกี่ยวข้องควบคู่ไปกับค่าเฉลี่ยโดยรวม
เริ่มต้นด้วยการประเมินย้อนหลังบนข้อมูลที่มีการกำกับดูแลอย่างเหมาะสม หากหลักฐานสนับสนุนการเดินหน้า ให้พิจารณาการศึกษาเชิงอนาคตภายใต้การดูแลโดยมีผู้นำด้านคลินิกและการอนุมัติที่จำเป็น รักษาอำนาจในการสั่งตรวจหรือเปลี่ยนแปลงการรักษาให้มีการมอบหมายอย่างชัดเจน กำหนดว่าระบบควรถอยเมื่อใด และแพทย์จะแทนที่ระบบได้อย่างไร
เรียกร้องหลักฐานที่ติดตามได้สำหรับคำแนะนำ การเข้าถึงข้อมูลผู้ป่วยที่มีการควบคุม และบันทึกของโมเดลและเวอร์ชันเวิร์กโฟลว์ที่ใช้ เมื่อใดก็ตามที่มีการเปลี่ยนแปลง ให้ทำการประเมินที่เกี่ยวข้องซ้ำ โครงการนำร่องที่ประสบความสำเร็จต้องการกระบวนการดำเนินงานที่ตรวจจับความเสื่อมถอยและสนับสนุนการถอนตัวได้
ผู้นำด้านการเงินควรแยกแยะต้นทุนการตรวจโดยประมาณออกจากการประหยัดที่เกิดขึ้นจริง รวมการบูรณาการ การทบทวนทางคลินิก การติดตาม และการประเมินอย่างต่อเนื่องไว้ในการวิเคราะห์ธุรกิจ การประหยัดใด ๆ ควรได้รับการประเมินควบคู่ไปกับผลลัพธ์ของการวินิจฉัยที่พลาดไปและการตรวจที่หลีกเลี่ยงได้
วินัยการประเมินเดียวกันนี้มีประโยชน์เมื่อพิจารณา AI สำหรับการเรียกร้องประกัน ข้อยกเว้นการจัดซื้อ หรือการสืบสวนเหตุการณ์ การประยุกต์ใช้เหล่านั้นต้องการหลักฐานของตนเอง เบนช์มาร์กทางการแพทย์ไม่สามารถรับรองเวิร์กโฟลว์ทางการเงินหรือการดำเนินงานได้
MAI-DxO ให้เหตุผลแก่เราในการตรวจสอบว่า AI ขอหลักฐานอย่างไร ปรับจุดยืนของมันอย่างไร และตัดสินใจว่าจะหยุดเมื่อใดอย่างไร คุณค่าขององค์กรจะขึ้นอยู่กับว่าพฤติกรรมเหล่านี้ปรับปรุงบริการที่กำหนดไว้ในสภาพการดำเนินงานจริงหรือไม่
หากคุณเป็นผู้อนุมัติโครงการนำร่อง AI ทางการแพทย์ คุณจะเรียกร้องหลักฐานอะไรบ้างก่อนที่จะอนุญาตให้คำแนะนำของมันส่งผลต่อการดูแลผู้ป่วย
คิดอย่างคณิตศาสตร์ วิศวกรรมอย่างชาญฉลาด นำอย่างมีกลยุทธ์ สร้างอย่างมีความรับผิดชอบ ขยายไปทั่วโลก สร้างคุณค่าทางธุรกิจที่แท้จริงผ่านปัญญาประดิษฐ์
[1] Nori, H. et al. (2026). Sequential diagnosis with language models. Science. https://doi.org/10.1126/science.aeh7930
[2] Microsoft AI (22 ตุลาคม 2026). Building Medical Superintelligence. https://microsoft.ai/news/building-medical-superintelligence/
[3] Microsoft. เอกสารประกอบ SDBench. https://microsoft.github.io/sdbench/
