Theo nghiên cứu đăng trên tạp chí Science, hệ thống chẩn đoán AI Microsoft MAI-DxO xác định đúng 83% ca bệnh phức tạp trong mô phỏng. Nhóm bác sĩ đa khoa làm việc riêng lẻ đạt 36%. Kết quả chưa chứng minh AI vượt bác sĩ chuyên khoa hoặc nhóm bác sĩ trong bệnh viện. Những đối tượng này không tham gia thử nghiệm.
Theo TechCrunch, Mustafa Suleyman, Giám đốc điều hành Microsoft AI, gọi mục tiêu mà công ty theo đuổi là “siêu trí tuệ y khoa”. MAI-DxO, gọi tắt là DxO, điều phối nhiều tác tử AI tương tự một hội đồng bác sĩ. Các tác tử đặt câu hỏi cho bệnh nhân, yêu cầu xét nghiệm và tranh luận trước khi đưa ra chẩn đoán.
DxO đạt độ chính xác 83% trong mô phỏng
Trong các ca bệnh phức tạp lấy từ Tạp chí Y khoa New England, DxO chẩn đoán đúng 83% số ca. Theo nghiên cứu đăng trên tạp chí Science, nhóm bác sĩ chăm sóc ban đầu và bác sĩ nội khoa tổng quát đạt 36%. Họ làm việc riêng lẻ và được sử dụng tài liệu tham khảo.
Giới hạn của phép so sánh
Phép so sánh có một giới hạn quan trọng. Những ca phức tạp như vậy thường được xử lý bởi bác sĩ chuyên khoa hoặc một nhóm bác sĩ, nhưng hai nhóm này không tham gia thử nghiệm. Kết quả vì thế chỉ phản ánh điều kiện mô phỏng được nghiên cứu, không chứng minh DxO vượt mọi hình thức chẩn đoán của con người trong thực tế.
Dominic King, Phó chủ tịch phụ trách y tế tại Microsoft AI, nói với TechCrunch về một vấn đề lớn của ngành chăm sóc sức khỏe. Đó là khoảng cách ngày càng rộng giữa nhu cầu và nguồn cung chuyên môn y khoa.
Mô hình nền tảng vẫn quyết định phần lớn kết quả
Microsoft thử nghiệm DxO với các mô hình của OpenAI, Google, Anthropic, Meta và DeepSeek. Kết quả cho thấy năng lực của mô hình nền tảng đóng góp phần lớn độ chính xác. Hệ thống điều phối DxO tạo thêm lợi ích trong một số nhóm ca bệnh. Tuy nhiên, hệ thống không cải thiện đồng đều kết quả hoặc chi phí ở mọi bối cảnh lâm sàng.
Kết quả tốt nhất đến từ GPT-5 và GPT-5.5 của OpenAI. Với một câu lệnh ngắn và cơ bản, GPT-5 tự đạt độ chính xác 78,9% trên các ca phức tạp, với chi phí ước tính khoảng 8.400 USD cho mỗi ca. Theo số liệu Microsoft cung cấp trong nghiên cứu, DxO giảm khoảng 3.000 USD chi phí và nâng độ chính xác thêm khoảng 4 điểm phần trăm.
Kết quả không đồng đều giữa các nhóm ca
Ở các ca thuộc khoa cấp cứu, GPT-5 gần như không cải thiện về độ chính xác hoặc chi phí khi có DxO hỗ trợ. Khoảng cách giữa các mô hình mạnh và yếu cũng lớn hơn mức cải thiện do hệ thống điều phối tạo ra.
Kết quả này phù hợp với vấn đề rộng hơn về năng lực mô hình và khả năng truy xuất của AI tác tử: hệ thống điều phối không thể hoàn toàn bù đắp giới hạn của mô hình nền tảng.
GPT-5.5 tăng từ 72% lên gần 87%
Theo số liệu Microsoft được TechCrunch dẫn lại, DxO nâng độ chính xác của GPT-5.5 từ 72% lên gần 87% trên nhóm ca phức tạp và giảm nhẹ chi phí. Lợi ích này không xuất hiện ở nhóm ca cấp cứu. GPT-5.5 đạt khoảng 85% cả khi hoạt động độc lập lẫn khi được DxO hỗ trợ.
| Mô hình và nhóm ca | Chạy độc lập | Có DxO hỗ trợ |
|---|---|---|
| GPT-5.5, ca phức tạp | 72% | Gần 87% |
| GPT-5.5, ca cấp cứu | Khoảng 85% | Khoảng 85% |
| Gemini 2.5 Flash | 46,4% | Gần 69% |
Các số liệu trong bảng do Microsoft công bố và được TechCrunch dẫn lại.
DxO hỗ trợ rõ hơn với mô hình yếu hơn
Theo TechCrunch, GPT-5.5 được phát hành vào tháng 4/2026. Các số liệu Microsoft công bố cho thấy DxO tạo ra khác biệt rõ hơn khi làm việc với mô hình kém năng lực hơn. Theo cùng nguồn số liệu, Gemini 2.5 Flash tăng từ 46,4% khi chạy riêng lên gần 69% khi có DxO hỗ trợ.
Nhóm nghiên cứu Microsoft nhận định mức cải thiện sẽ thu hẹp tự nhiên khi các mô hình tiến gần giới hạn lý thuyết. Kết quả giữa GPT-5.5 và Gemini 2.5 Flash cũng cho thấy hiệu quả của DxO phụ thuộc vào cả mô hình nền tảng lẫn loại ca bệnh.
Microsoft phát triển mô hình y tế cùng Mayo Clinic
Microsoft đang hợp tác với Mayo Clinic để huấn luyện một mô hình nền tảng dành cho y tế, dự kiến phát hành vào năm sau. Suleyman xem DxO là một phần của hạ tầng Microsoft đang xây dựng để đưa năng lực suy luận AI vào hoạt động chăm sóc sức khỏe.
Theo TechCrunch, Suleyman dự đoán đến năm 2027, công nghệ có thể tiến gần một bước đột phá đối với hồ sơ y tế, tương tự ảnh hưởng của AI trong lập trình. Theo ông, hệ thống có thể liên tục dự đoán cách hồ sơ của bệnh nhân diễn biến và cung cấp thông tin hỗ trợ bác sĩ.
Dự báo về quá trình phát triển mô hình y tế
Ông cho rằng năng lực của mô hình y tế có thể tăng thêm một bậc độ lớn trong vòng 24 đến 36 tháng. Suleyman mô tả quá trình phát triển này như một vòng lặp: mô hình được đưa vào sử dụng, dữ liệu thực tế làm lộ ra khoảng trống, sau đó hệ thống được sửa và cải thiện.
Ông dẫn lĩnh vực lập trình và trò chuyện làm ví dụ. Trong đó, tác tử lập trình AI cho thấy cách mô hình được đưa vào một công việc cụ thể thay vì chỉ được đánh giá bằng bài kiểm tra riêng lẻ.
DxO sẽ được đánh giá trong môi trường bệnh viện
Microsoft và Trung tâm Y khoa Beth Israel Deaconess tại Boston sẽ đánh giá khả năng suy luận lâm sàng của DxO trong nhiều môi trường bệnh viện. Giai đoạn này sẽ kiểm tra hệ thống với bệnh nhân và quy trình thực tế, thay vì chỉ dựa trên các ca bệnh mô phỏng.
Bệnh nhân vẫn nhận quy trình điều trị tiêu chuẩn, gồm phân loại ban đầu, gặp bác sĩ chuyên khoa, điều trị, xét nghiệm và đánh giá mức độ an toàn trước khi xuất viện. Những người đồng ý tham gia sẽ đồng thời tương tác với DxO. Microsoft và các đối tác sau đó sẽ so sánh khuyến nghị của hệ thống với quyết định của bác sĩ.
Các thử nghiệm trong môi trường chăm sóc thực tế
Google cũng công bố trong tháng đó một nghiên cứu lâm sàng cùng Beth Israel trên tạp chí The Lancet. Nghiên cứu đánh giá AI chẩn đoán hội thoại AMIE trong các lượt khám chăm sóc khẩn cấp thực tế, với bác sĩ theo dõi tương tác theo thời gian thực.
King nói nghiên cứu của Microsoft có thể là thử nghiệm lớn nhất thuộc loại này, trải rộng từ khoa cấp cứu đến cơ sở chăm sóc khẩn cấp. Kết quả cuối kỳ sẽ giúp xác định liệu các hệ thống như DxO có thể được triển khai ở quy mô lớn hơn hay không.
“Siêu trí tuệ y khoa” vẫn là mục tiêu dài hạn
Nội dung của mục tiêu siêu trí tuệ y khoa
Microsoft định nghĩa “siêu trí tuệ y khoa” là khả năng vượt những hệ thống y tế tốt nhất do con người dẫn dắt. Khả năng này bao gồm suy luận và phối hợp y khoa xuyên suốt quá trình chăm sóc. DxO chưa đạt tiêu chuẩn đó vì bằng chứng hiện tại chủ yếu đến từ mô phỏng. Hệ thống cũng chưa được so sánh với bác sĩ chuyên khoa hoặc nhóm bác sĩ.
Công ty muốn tiến xa hơn các phép đo riêng lẻ như trả lời câu hỏi thi y khoa hoặc tạo chẩn đoán. Mục tiêu là tích hợp AI với bác sĩ và hệ thống chăm sóc sức khỏe trong quá trình ra quyết định lâm sàng.
Microsoft hiện bán các công cụ đọc chính tả và chẩn đoán hình ảnh cho bác sĩ. Công ty xem DxO là phần mở rộng của những hoạt động đó. Suleyman nói Microsoft muốn phát triển các sản phẩm hỗ trợ quyết định lâm sàng ở trình độ hàng đầu trong vài năm tới.
Kinh nghiệm của nhóm lãnh đạo Microsoft AI
Theo TechCrunch, Suleyman từng đồng sáng lập DeepMind, công ty được Google mua lại năm 2014. Cùng nguồn tin cho biết một năm sau, Google DeepMind mua Hark, ứng dụng quản lý nhiệm vụ lâm sàng do King sáng lập. Hai người sau đó cùng xây dựng DeepMind Health. TechCrunch cũng cho biết Suleyman gia nhập Microsoft để lãnh đạo đơn vị AI vào năm 2024, còn King chuyển sang vài tháng sau.
Theo nghiên cứu đăng trên tạp chí Science, DxO đạt kết quả 83% trong điều kiện mô phỏng. Thử nghiệm tại Beth Israel mới là bước giúp xác định hệ thống hoạt động ra sao trước sự đa dạng của bệnh nhân và quy trình bệnh viện thực tế.
Hãy tiếp tục theo dõi Sine để cập nhật cách các hệ thống AI y tế được kiểm chứng ngoài môi trường mô phỏng.
