Naukowcy opracowali nowy system AI, który łączy analizę wielu typów danych medycznych z wieloagentowym rozumowaniem klinicznym, a jednocześnie potrafi radzić sobie z przypadkami, gdy dane się ze sobą nie zgadzają. To przełom w sztucznej inteligencji medycznej, bo dotychczasowe rozwiązania miały problem, gdy wyniki badań się sprzeczały lub brakło pewnych informacji - a w rzeczywistości takie sytuacje zdarzają się w praktyce lekarskiej dosyć często.
Framework pracuje na zasadzie, że zamiast ślepo uśredniać różne źródła informacji, system najpierw je analizuje pod kątem zgodności. Kiedy dane medyczne - czy to wyniki laboratoryjne, obrazy z tomografii, czy opisy objawów pacjenta - wskazują na różne rzeczy, AI nie ignoruje tych rozbieżności. Zamiast tego uruchamia zaawansowane mechanizmy wnioskowania, które starają się zrozumieć, dlaczego do nich dochodzi i co mogą oznaczać dla diagnozy. To zbliża algorytm do sposobu myślenia ekspertów medycznych, którzy nie biorą wszystkiego za dobrą monetę i stawiają pytania, gdy coś się nie zgadza.
Wyniki pokazują wyraźny wzrost dokładności diagnostycznej w porównaniu z wcześniejszymi metodami. Takie podejście ma potencjał, aby ulepszyć wsparcie lekarzy w procesie diagnozowania chorób, szczególnie w skomplikowanych przypadkach, gdzie dane są niespójne lub niepełne. System może zostać wdrożony w placówkach medycznych jako narzędzie asystenckie, pomagające lekarzom w podejmowaniu lepszych decyzji klinicznych i minimalizowaniu błędów diagnostycznych.