ИИ Microsoft ставит диагнозы по сложным случаям в два раза точнее врачей общей практики, стремясь к медицинскому суперразумию

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

Система ИИ Microsoft под названием MAI-DxO превосходит врачей общей практики в моделировании сложных медицинских случаев с точностью 83%, что демонстрирует прогресс к «медицинскому суперразумию» и планы создания базовой модели для здравоохранения совместно с Mayo Clinic.

Новая диагностическая система ИИ Microsoft под названием MAI-DxO продемонстрировала значительно лучшие результаты, чем врачи общей практики, в моделировании сложных медицинских случаев, согласно исследованию, опубликованному в журнале Science 22 октября 2026 года. Искусственный интеллект правильно диагностировал 83% сложных случаев, взятых из New England Journal of Medicine, тогда как отдельные врачи общей практики — включая семейных врачей и терапевтов — достигли лишь 36% точности. Важно отметить, что эти случаи часто требуют экспертных знаний специалистов или командных обсуждений, которые не были включены в сравнение.

MAI-DxO координирует работу нескольких ИИ-агентов, чтобы имитировать коллегию врачей: опрашивает пациентов, назначает анализы и обсуждает диагнозы. Эта система координации работает поверх крупных языковых моделей от различных поставщиков. Microsoft получила лучшие результаты при использовании моделей OpenAI GPT-5 и GPT-5.5. Например, сам GPT-5 достиг точности 78,9% на сложных случаях при оценочной стоимости около 8400 долларов за случай. С координацией DxO расходы снизились примерно на 3000 долларов, а точность слегка повысилась примерно на четыре процентных пункта.

Новая модель GPT-5.5, представленная в апреле 2026 года, показала дальнейшее разделение: в сложных случаях DxO повысил точность с 72% до почти 87% при немного меньших затратах, тогда как в случаях на отделении неотложной помощи и GPT-5.5 с DxO, и без него достигали примерно 85% точности с похожими затратами. Координация DxO особенно выгодна для менее мощных моделей; например, Gemini 2.5 Flash улучшил точность с 46,4% до почти 69% при помощи DxO. Тем не менее, различия между базовыми моделями оказывали большее влияние на результаты, чем выгоды от координации.

Представители Microsoft отметили, что эта работа является шагом к «медицинскому суперразумию» — способности превосходить лучшие современные системы здравоохранения, управляемые людьми, в медицинском рассуждении и координации полного комплекса ухода. Мустафа Сулейман, генеральный директор Microsoft AI и бывший соучредитель DeepMind, подчеркнул продолжающееся сотрудничество компании с Mayo Clinic по разработке базовой модели искусственного интеллекта для здравоохранения, которая планируется к выпуску в 2027 году. Сулейман предвидит прорывы, позволяющие делать очень точные прогнозы по медицинским записям пациентов и их клиническому состоянию, что может значительно помочь клиницистам.

Кроме того, Microsoft запускает клиническую оценку способностей рассуждения DxO в Beth Israel Deaconess Medical Center в Бостоне, оценивая его работу в реальных условиях отделений неотложной и срочной помощи. Пациенты будут получать стандартную клиническую помощь, а участники, давшие согласие, также будут взаимодействовать с DxO, что позволит провести сравнительный анализ с врачами. Этот опыт полевых испытаний следует после аналогичных усилий Google по оценке их диагностического разговорного ИИ.

Microsoft рассматривает DxO как дополнение к своим существующим ИИ-решениям для здравоохранения, таким как инструменты для диктовки и радиологии. Сулейман указал, что непрерывные итерации с реальным внедрением и обратной связью быстро повысят клиническую эффективность этих систем, ожидая значительного роста возможностей в течение ближайших двух-трех лет. Компания стремится сделать DxO и связанные с ним технологии ведущими продуктами поддержки клинических решений в мире.

Хотя исследование подчеркивает перспективность ИИ в медицинской диагностике, оно также отмечает, что по мере приближения ИИ к максимальной теоретической точности на этих задачах дальнейшие улучшения станут труднее достижимыми. Microsoft позиционирует свой подход к координации как ключевой для оптимизации как точности, так и операционных затрат, что означает создание фундаментальной инфраструктуры для глубокого внедрения ИИ в систему здравоохранения в ближайшие годы.