Sztuczna inteligencja Microsoftu diagnozuje złożone przypadki dwukrotnie dokładniej niż lekarze ogólni, dążąc do medycznej superinteligencji

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

System AI Microsoftu o nazwie MAI-DxO przewyższa lekarzy ogólnych w symulacjach złożonych przypadków medycznych, osiągając 83% dokładności, co sygnalizuje postępy w kierunku „medycznej superinteligencji” oraz plany stworzenia modelu podstawowego dla opieki zdrowotnej wraz z Mayo Clinic.

Nowo opracowany system diagnostyczny AI Microsoftu, nazwany MAI-DxO, wykazał znacznie lepsze wyniki niż lekarze ogólni w symulacjach złożonych przypadków medycznych, według badania opublikowanego w czasopiśmie Science 22 października 2026 r. AI poprawnie zdiagnozowała 83% trudnych przypadków zaczerpniętych z New England Journal of Medicine, podczas gdy indywidualni lekarze ogólni – w tym lekarze podstawowej opieki zdrowotnej i interniści – osiągnęli tylko 36% dokładności. Warto zauważyć, że te przypadki często wymagają wiedzy specjalistycznej lub konsultacji zespołowej, co nie zostało uwzględnione w porównaniu.

MAI-DxO koordynuje wielu agentów AI, aby naśladować panel lekarzy: przeprowadza wywiad z pacjentem, zleca badania i dyskutuje nad diagnozami. Ten system koordynacji działa na podstawie dużych modeli językowych od różnych dostawców. Microsoft uzyskał najlepsze wyniki korzystając z modeli GPT-5 i GPT-5.5 firmy OpenAI. Na przykład sam GPT-5 osiągnął 78,9% dokładności na złożonych przypadkach przy szacunkowym koszcie około 8400 USD za przypadek. Dzięki koordynacji DxO koszty spadły o około 3000 USD, a dokładność wzrosła nieznacznie o około cztery punkty procentowe.

Nowszy model GPT-5.5 wprowadzony w kwietniu 2026 roku wykazał dalszy podział: w przypadku złożonych przypadków DxO zwiększył dokładność z 72% do prawie 87% przy nieco niższym koszcie, podczas gdy w przypadkach na oddziale ratunkowym zarówno GPT-5.5 z DxO, jak i bez niego osiągały około 85% dokładności przy podobnych kosztach. Koordynacja DxO szczególnie korzystnie wpływa na mniej zaawansowane modele; na przykład Gemini 2.5 Flash poprawił dokładność z 46,4% do prawie 69% dzięki DxO. Mimo to różnice pomiędzy samymi modelami miały większy wpływ na wyniki niż same korzyści z koordynacji.

Przedstawiciele Microsoftu zaznaczyli, że prace te stanowią krok w kierunku „medycznej superinteligencji” – zdolności przewyższania najlepszych współczesnych systemów zdrowotnych zarządzanych przez ludzi w zakresie rozumowania medycznego i koordynacji całej opieki medycznej. Mustafa Suleyman, CEO Microsoft AI i były współzałożyciel DeepMind, podkreślił trwającą współpracę firmy z Mayo Clinic nad stworzeniem podstawowego modelu AI dla opieki zdrowotnej, którego wydanie planowane jest na 2027 rok. Suleyman przewiduje przełomy umożliwiające bardzo dokładne prognozy dotyczące dokumentacji medycznej pacjentów i ich stanów klinicznych, co mogłoby znacząco wspierać lekarzy.

Ponadto Microsoft rozpoczyna kliniczną ocenę zdolności rozumowania DxO w Beth Israel Deaconess Medical Center w Bostonie, oceniając rzeczywistą skuteczność w warunkach nagłych i pilnej opieki. Pacjenci otrzymają standardową opiekę kliniczną, a uczestnicy, którzy wyrażą zgodę, będą także współdziałać z DxO, co umożliwi analizę porównawczą w stosunku do lekarzy. Testy te następowały po podobnych działaniach prowadzonych przez Google mających na celu ocenę ich konwersacyjnego AI diagnostycznego.

Microsoft postrzega DxO jako rozszerzenie już istniejących narzędzi AI w opiece zdrowotnej, takich jak dyktowanie i narzędzia radiologiczne. Suleyman wskazał, że ciągłe ulepszanie poprzez wdrożenia na żywo i sprzężenie zwrotne będzie szybko podnosić efektywność kliniczną tych systemów, oczekując istotnego wzrostu ich możliwości w ciągu najbliższych dwóch-trzech lat. Firma dąży do uczynienia DxO i powiązanych technologii wiodącymi produktami wspierającymi decyzje kliniczne na świecie.

Chociaż badanie podkreśla obiecujące możliwości AI w diagnozowaniu medycznym, zaznacza również, że w miarę zbliżania się AI do maksymalnej teoretycznej dokładności w tych zadaniach dalsze poprawy staną się trudniejsze do osiągnięcia. Microsoft przedstawia swoje podejście koordynacyjne jako kluczowe do optymalizacji zarówno dokładności, jak i kosztów operacyjnych, co oznacza podstawową infrastrukturę mającą na celu głęboką integrację AI z dostarczaniem opieki zdrowotnej w nadchodzących latach.