24 ഒക്ടോബർ 2026

പരിശോധനകൾ പലതും കഴിഞ്ഞിട്ടും രോഗം കണ്ടെത്താനാകാതെ ആശുപത്രികൾ കയറിയിറങ്ങുന്നവരുണ്ട്. രോഗലക്ഷണങ്ങൾ വീണ്ടും പരിശോധിക്കാനും അടുത്ത പരിശോധന തിരഞ്ഞെടുക്കാനും ഡോക്ടർക്കൊപ്പം ചിന്തിക്കുന്ന ഒരു കൃത്രിമബുദ്ധിസംവിധാനം വന്നാലോ? മൈക്രോസോഫ്റ്റ് വികസിപ്പിക്കുന്ന MAI-DxO അത്തരമൊരു സാധ്യതയാണ് മുന്നോട്ടുവയ്ക്കുന്നത്.

2026 ഒക്ടോബർ 22-ന് Science ജേണലിൽ പ്രസിദ്ധീകരിച്ച ഗവേഷണത്തിൽ, മൈക്രോസോഫ്റ്റിന്റെ സംഘം അമേരിക്കൻ ചികിത്സാരേഖകളിൽനിന്നുള്ള കേസുകൾ ഉപയോഗിച്ച് സംവിധാനം പരീക്ഷിച്ചു. ചോദ്യങ്ങൾ ചോദിച്ചും പരിശോധനാഫലങ്ങൾ ആവശ്യപ്പെട്ടും ഘട്ടംഘട്ടമായി രോഗനിർണയത്തിലെത്തുന്ന രീതിയാണ് ഇതിന്റെ പ്രത്യേകത. കൂടുതൽ കൃത്യതയോടെ, ചെലവ് നിയന്ത്രിച്ച് ചികിത്സാതീരുമാനങ്ങളെ സഹായിക്കുകയാണ് ലക്ഷ്യം.

ഒരുത്തരം പറയുന്ന യന്ത്രത്തിനുപകരം ഒരു ചർച്ചാവേദി

Microsoft AI Diagnostic Orchestrator എന്നതാണ് പൂർണനാമം. വിവിധ ചുമതലകൾ ഏറ്റെടുക്കുന്ന എഐ ഏജന്റുകൾ ചേർന്ന് പ്രവർത്തിക്കുന്നു. ഒന്ന് രോഗസാധ്യതകൾ നിർദേശിക്കും; മറ്റൊന്ന് അവയിലെ പിഴവുകൾ അന്വേഷിക്കും. ആവശ്യമായ ചോദ്യങ്ങളും പരിശോധനകളും ചർച്ചചെയ്ത് പുതിയ വിവരത്തിനനുസരിച്ച് നിഗമനം പുതുക്കും.

പരിശോധനയുടെ പ്രയോജനത്തിനൊപ്പം ചെലവും പരിഗണിക്കുന്നതിനാൽ, രോഗം കണ്ടെത്താനുള്ള വഴിയും വിലയിരുത്തപ്പെടുന്നു. ഈ സംവിധാനത്തെ അളക്കാൻ ഗവേഷകർ രൂപപ്പെടുത്തിയ പരീക്ഷണവേദിയാണ് SDBench

കണക്കുകളിലെ മുന്നേറ്റം എന്താണ്?

സങ്കീർണമായ 304 മെഡിക്കൽ കേസുകളുടെ സമാഹാരത്തിൽ എഐ സംവിധാനം ഏകദേശം 83 ശതമാനം കൃത്യത കൈവരിച്ചു. താരതമ്യത്തിലെ ഡോക്ടർമാർക്ക് ബാഹ്യവിവരസഹായമില്ലാതെ 22 ശതമാനവും പുസ്തകങ്ങളും ഇന്റർനെറ്റും ഉപയോഗിച്ചപ്പോൾ 36 ശതമാനവുമായിരുന്നു കൃത്യത.

കൂടുതൽ സാധാരണമായ അത്യാഹിതവിഭാഗ കേസുകളിൽ എഐയുടെ കൃത്യത 80 ശതമാനവും ഡോക്ടർമാരുടേത് 47 ശതമാനവും ആയിരുന്നു. ഇവ രേഖകളെ അടിസ്ഥാനമാക്കിയ നിയന്ത്രിത പരീക്ഷണത്തിലെ ഫലങ്ങളാണ്. രോഗിയുമായുള്ള നേരിട്ടുള്ള ഇടപെടൽ പരിശോധിക്കാൻ ബോസ്റ്റണിലെ ബെത്ത് ഇസ്രായേൽ ഡീക്കണസ് മെഡിക്കൽ സെന്ററുമായി തുടർപഠനമാണ് കമ്പനി പ്രഖ്യാപിച്ചിരിക്കുന്നത്.

രോഗിക്ക് കുറഞ്ഞ ചെലവും വേഗത്തിലുള്ള ഉത്തരവും?

ഈ നേട്ടങ്ങൾ ആശുപത്രികളിലും ആവർത്തിച്ചാൽ, സങ്കീർണ കേസുകളിൽ അധിക അഭിപ്രായം നൽകാനും ആവശ്യമായ പരിശോധനകൾ തിരഞ്ഞെടുക്കാനും സംവിധാനം സഹായിച്ചേക്കാം. രോഗനിർണയത്തിലെ താമസവും ആവർത്തിച്ചുള്ള പരിശോധനകളും കുറയ്ക്കാനുള്ള സാധ്യതയുണ്ട്.

പരീക്ഷണത്തിൽ കണക്കാക്കിയ പരിശോധനാച്ചെലവിലെ നേട്ടം രോഗിയുടെ ആശുപത്രിബില്ലിലേക്ക് എത്രത്തോളം എത്തുമെന്നത് യഥാർഥ ഉപയോഗം വിലയിരുത്തും. ഇന്ത്യയിലും കേരളത്തിലും ഉപയോഗിക്കുമ്പോൾ പ്രാദേശിക രോഗങ്ങൾ, ഭാഷകൾ, ലഭ്യമായ പരിശോധനകൾ, ചികിത്സാച്ചെലവ് എന്നിവ ഉൾപ്പെടുത്തി പരിശോധിക്കണം.

ഡോക്ടറുടെ ജോലിക്ക് പുതിയ സമ്മർദങ്ങൾ

രോഗസാധ്യതകൾ പട്ടികപ്പെടുത്തൽ, രേഖകളുടെ പ്രാഥമിക വിശകലനം തുടങ്ങിയ ജോലികൾ കൂടുതൽ യന്ത്രവൽക്കരിക്കപ്പെടാം. ഇതോടെ ഡോക്ടർമാരുടെ ചുമതലയിൽ പരിശോധന, മേൽനോട്ടം, രോഗിയുമായുള്ള ആശയവിനിമയം എന്നിവയ്ക്ക് കൂടുതൽ പ്രാധാന്യം വരാം.

എഐയുടെ മറുപടി അനായാസം അംഗീകരിക്കുന്ന ശീലം സ്വതന്ത്രമായ വിലയിരുത്തലിനെ ദുർബലമാക്കാം. ലോകാരോഗ്യസംഘടന ചൂണ്ടിക്കാട്ടുന്ന ഓട്ടോമേഷൻ ബയസ് ഇതാണ്. തൊഴിൽരീതിയിലെ മാറ്റം, കഴിവുകളുടെ ക്ഷയം, രോഗിവിവരങ്ങളുടെ സുരക്ഷ, തെറ്റായ നിർദേശത്തിന്റെ ഉത്തരവാദിത്വം എന്നിവയും പ്രധാന വെല്ലുവിളികളാണ്.

‘സൂപ്പർ ഇന്റലിജൻസ്’ ലക്ഷ്യത്തിലേക്കുള്ള പരീക്ഷണം

രോഗനിർണയം മുതൽ ചികിത്സാതിരഞ്ഞെടുപ്പും തുടർപരിചരണവും വരെ സഹായിക്കുന്ന വിപുലമായ സംവിധാനമാണ് മൈക്രോസോഫ്റ്റിന്റെ ലക്ഷ്യം. MAI-DxO അതിലേക്കുള്ള ഗവേഷണഘട്ടമാണ്. സുരക്ഷിതമായ ഉപയോഗത്തിന് സ്വതന്ത്ര പരിശോധനയും ആരോഗ്യപ്രവർത്തകരുടെ പരിശീലനവും സ്വകാര്യതാസംരക്ഷണവും തുടർച്ചയായ മേൽനോട്ടവും ആവശ്യമാണ്. രോഗിയുടെ ജീവിതത്തിൽ ലഭിക്കുന്ന മെച്ചമാണ് ഈ സാങ്കേതികവിദ്യയുടെ യഥാർഥ മൂല്യം തീരുമാനിക്കുക.

Sources

• Science — Sequential Diagnosis with Language Models⁠
• Microsoft AI — Building Medical Superintelligence, October 22, 2026⁠
• Microsoft — SDBench: Evaluation Method and Code⁠
• WHO — Ethics and Governance of AI for Health: Large Multi-Modal Models⁠
• WHO — Safety, Bias, Privacy and Oversight of Medical AI⁠

.