对比试验结果使人振奋
在这项试验中，一个超过 20 个人的巴比伦全球医生团队共创建了 1671 个真实的医疗救助病例，这些病例包括 350 多种疾病的典型和非典型症状。每个病例都是由一位医生撰写，然后由其他多位医生进行验证，以确保它可以代表一个真实的诊断病例。
另一组 44 名巴比伦全科医生分别被分配了至少 50 个书面病例进行评估。医生列出了他们认为最有可能的疾病（每次诊断平均返回 2．58 种潜在疾病）。治疗的准确性是由他们在诊断中根据真实疾病的比例来衡量的。
然后，人工智能系统也进行了相同的测试，并使用了一种基于相关性的旧算法（专门为此研究创建，而不是从最新的产品中获得）和较新的因果算法。对于每项测试，人工智能只能报告与医生相同数量的答案。
测试结果显示，医生的平均分数为 71．40％（±3．01％）；较旧的相关算法执行的效果与普通医生相同，达到 72．52％（±2．97％）；而新的因果算法得分为 77．26％（±2．79％），得分高于 32 位医生、与 1 位医生分数相同、仅比 11 位医生的得分低。
而且，当涉及非霍奇金淋巴瘤等罕见疾病的时候，新的人工智能系统准确率仍胜过医生。对于这些情况，它比旧的人工智能系统大约准确率高 30％。
对于这种情况，巴比伦公司科学家、研究论文主要作者 Jonathan Richens 博士介绍说：“我们采用了一种具有强大算法的人工智能系统，赋予它想象不同现实的能力，并考虑如果是另一种疾病会不会出现这种症状。在这些书面病例测试中，人工智能系统可以准确检测患者产生疾病的潜在原因，并获得比 70％ 医生都高的评分。”
巴比伦首席执行官兼创始人 Ali Parsa 博士表示：“目前，世界上一半的人几乎都无法获得医疗保健服务，因此，我们需要做得更好。而人工智能系统在测试案例中得到的结果令人振奋。”
他继续补充道：“这不应被当作机器取代医生而耸人听闻，因为真正鼓舞人心的是，我们终于得到了能够提高现有医疗系统的覆盖范围和生产力的工具。人工智能系统将是一个重要的工具，帮助我们结束医疗保健资源分配不均的不公正现象，并使地球上的每个人都能更容易负担得起。”
