Microsoftin tekoäly diagnosoi monimutkaiset tapaukset kaksinkertaisella tarkkuudella yleislääkäreihin verrattuna, tavoitellen lääketieteellistä superälyä

Kuva: Accuracy improvements delivered by DxO (no budget constraints) on CPC over modelsprompted with baseline prompt across different large language models.Image Credits:Microsoft AI · Lähde

Microsoftin tekoälyjärjestelmä MAI-DxO suoriutuu monimutkaisissa lääketieteellisissä tapauksissa paremmin kuin yleislääkärit, saavuttaen 83 % tarkkuuden. Tämä viestii edistysaskeleesta kohti ”lääketieteellistä superälyä” ja terveysteknologian perusmallia, jota kehitetään Mayo Clinicin kanssa.

Microsoftin äskettäin kehittämä tekoälydiagnostiikkajärjestelmä nimeltä MAI-DxO osoitti merkittävästi parempaa suorituskykyä yleislääkäreihin verrattuna monimutkaisten lääketieteellisten tapaussimulaatioiden yhteydessä, kerrotaan 22. lokakuuta 2026 julkaistussa Science-lehden tutkimuksessa. Tekoäly diagnosoi oikein 83 % haastavista tapauksista, jotka on otettu New England Journal of Medicine -julkaisusta, kun taas yksittäiset yleislääkärit – mukaan lukien perusterveydenhuollon lääkärit ja sisätautilääkärit – saavuttivat vain 36 % tarkkuuden. On tärkeää huomata, että nämä tapaukset usein vaativat erikoislääkärin asiantuntemusta tai tiimityötä, jota vertailussa ei otettu huomioon.

MAI-DxO koordinoi useita tekoälyagentteja jäljitellen lääkäripaneelia: se kysyy potilailta, määrää testejä ja keskustelee diagnooseista. Tämä koordinointijärjestelmä toimii erilaisten toimittajien suurien kielimallien päällä. Microsoft havaitsi parhaat tuloksensa hyödyntämällä OpenAI:n GPT-5- ja GPT-5.5-malleja. Esimerkiksi pelkkä GPT-5 saavutti 78,9 % tarkkuuden monimutkaisissa tapauksissa arvioidulla käyttökustannuksella noin 8400 dollaria tapausta kohden. DxO:n koordinoinnilla kustannukset laskivat noin 3000 dollaria ja tarkkuus nousi maltillisesti noin neljä prosenttiyksikköä.

Uudempi huhtikuussa 2026 julkaistu GPT-5.5-malli osoitti lisäparannuksen: monimutkaisissa tapauksissa DxO nosti tarkkuuden 72 %:sta lähes 87 %:iin hieman pienemmillä kustannuksilla, kun taas päivystyspoliklinikkatapauksissa sekä GPT-5.5 DxO:n kanssa että ilman sitä saavuttivat noin 85 % tarkkuuden ja vastaavat kustannukset. DxO:n koordinointi hyödyttää erityisesti vähemmän tehokkaita malleja; esimerkiksi Gemini 2.5 Flash parani 46,4 %:sta lähes 69 %:iin DxO:n avulla. Mallien väliset erot vaikuttivat silti lopputuloksiin enemmän kuin pelkkä koordinointi.

Microsoftin edustajat korostivat tätä työtä askeleena kohti ”lääketieteellistä superälyä” – kykyä ohittaa huippuluokan nykyiset ihmisten johtamat terveydenhuoltojärjestelmät lääketieteellisessä päättelyssä ja koko hoidon aikaisessa koordinoinnissa. Mustafa Suleyman, Microsoft AI:n toimitusjohtaja ja entinen DeepMindin perustaja, korosti yhtiön jatkoyhteistyötä Mayo Clinicin kanssa perustavanlaatuisten terveydenhuollon tekoälymallien kehittämiseksi, joiden julkaisua on suunniteltu vuodelle 2027. Suleyman odottaa läpimurtoja, jotka mahdollistaisivat erittäin tarkat ennusteet potilaiden lääketieteellisistä tiedoista ja kliinisistä tiloista, mikä voisi merkittävästi auttaa kliinikoita.

Lisäksi Microsoft käynnistää DxO:n päätöksentekokyvyn kliinisen arvioinnin Beth Israel Deaconess Medical Centerissä Bostonissa, testaten todellisen maailman suoriutumista päivystyksen ja kiireellisen hoidon tilanteissa. Potilaat saavat tavanomaista kliinistä hoitoa, ja suostuvat osallistujat ovat myös vuorovaikutuksessa DxO:n kanssa mahdollistaen vertailuanalyysin ihmislääkäreihin. Tämä todellisen maailman testi seuraa vastaavia Google:n pyrkimyksiä arvioida keskustelevaa diagnostista tekoälyään.

Microsoft näkee DxO:n jatkona olemassa oleville terveydenhuollon tekoälyratkaisuilleen, kuten puheentunnistus- ja radiologiatyökaluille. Suleyman totesi, että jatkuva iterointi live-käytössä ja palautejärjestelmät parantavat nopeasti näiden järjestelmien kliinistä tehokkuutta, ja odottaa merkittävää kyvykkyyksien kasvua seuraavien kahden–kolmen vuoden aikana. Yhtiön tavoitteena on tehdä DxO:sta ja siihen liittyvistä teknologioista johtavat kliiniset päätöksenteon tukituotteet maailmassa.

Vaikka tutkimus korostaa tekoälyn lupaavuutta lääketieteellisessä diagnostiikassa, siinä todetaan myös, että kun tekoäly lähestyy maksimaalista teoreettista tarkkuutta näissä tehtävissä, lisäparannukset muuttuvat vaikeammiksi saavuttaa. Microsoft asettaa koordinointimenetelmänsä olennaiseksi sekä tarkkuuden että toimintakustannusten optimoinnissa, mikä merkkaa perustavanlaatuista infrastruktuuria tekoälyn syvälle integroitumiselle terveydenhuollon palveluihin lähivuosina.