Microsofts KI-Diagnosepanel schlägt Ärzte in wissenschaftlicher Studie mit 831 zu 361 Ergebnissen
Microsofts MAI-DxO diagnostizierte 83% komplexe NEJM-Fälle gegenüber 36% bei Ärzten in einer Science-Studie, allerdings nur in einem reinen Textvergleich.
Das KI-Diagnosesystem von Microsoft, MAI-DxO, diagnostizierte in einer von Experten begutachteten Studie in Science 83% von komplexen Fällen des New England Journal of Medicine korrekt, im Vergleich zu 36% bei Allgemeinmedizinern, die Referenztools verwenden konnten.
Das Papier, “Sequenzielle Diagnose mit Sprachmodellen”, wurde am 22. Oktober veröffentlicht. Anstatt einer KI einen kompletten Fallbericht zu übergeben, lässt man das System mit einer kurzen Präsentation beginnen und entscheiden, welche Fragen gestellt und welche Tests angeordnet werden sollen, so wie es ein Arzt tun würde.
Wie es funktioniert
Das Team entwickelte einen Benchmark namens SDBench anhand von 304 klinisch-pathologischen Fällen aus dem NEJM und 325 Notaufnahmen aus dem MIMIC-IV-ED-Datensatz. Ein “Gatekeeper”-Agent gibt nur die Informationen preis, die eine Frage oder ein Test realistischerweise liefern würde, und ein “Judge”-Agent bewertet die endgültige Diagnose.
MAI-DxO, der Microsoft AI Diagnostic Orchestrator, Funktioniert wie ein Gremium virtueller ÄrzteJeder von ihnen schlägt Diagnosen vor, wählt Fragen oder Tests aus und hinterfragt die sich herausbildende Sichtweise, während das System die Kosten jedes Tests abwägt.
Die Zahlen
In den NEJM-Fällen erzielte das System auf Basis von GPT-5 einen Wert von 83,2 % bei durchschnittlichen geschätzten Testkosten von 5.431 US-Dollar. Ärzte erreichten im Durchschnitt 36,1 % mit Such- und Referenztools und 22,3 % ohne. Selbst der beste einzelne Arzt, der 51,8 % erzielte, wurde hinsichtlich Genauigkeit und Kosten übertroffen.
Bei routinemäßigen Notfällen erreichte MAI-DxO 80.3% gegenüber 46.8% bei den Ärzten. Laut Microsoft blieben die Verbesserungen bestehen und verbesserten sich sogar noch, als die Evaluierung mit GPT-5.5 ohne Änderung der Orchestrierung wiederholt wurde.
Die Vorbehalte
Die Autoren gehen offen mit den Grenzen der Methode um. Die Tests basierten ausschließlich auf Text, verglichen die KI mit einzelnen Generalisten anstatt mit Spezialisten oder Teams und maßen “diagnostisches Denken unter idealisierten Informationsbedingungen anstatt die Leistung am Krankenbett oder die Patientenergebnisse”. Alle Autoren sind Mitarbeiter von Microsoft.
Deshalb ist der nächste Schritt so wichtig. Microsoft kündigt eine prospektive Studie mit dem Beth Israel Deaconess Medical Center in Boston an, in der Patienten direkt mit dem System interagieren. Außerdem stellt das Unternehmen den Quellcode von SDBench als Open Source zur Verfügung, damit andere weitere Modelle testen und die Ergebnisse überprüfen können.
Warum es wichtig ist
Hausärzte sind bereits sich umdrehen ChatGPT und andere Diagnoseinstrumente, und Instrumente wie das des NHS Mia Krebs-Tool Studien haben gezeigt, dass KI Fehler erkennen kann, die Ärzte übersehen. Ein strukturiertes, kostenbewusstes Gremium wie MAI-DxO deutet auf eine strengere Version davon hin, aber solange dies nicht an realen Patienten erprobt ist, handelt es sich um einen Richtwert, nicht um ein klinisches Ergebnis.
