El panel de diagnóstico con IA de Microsoft supera a los médicos en un estudio científico (83% frente a 36%)

El sistema de diagnóstico por IA de Microsoft, MAI-DxO, diagnosticó correctamente 83% de los casos complejos del New England Journal of Medicine en un estudio revisado por pares publicado en Science, frente al 36% de los médicos generalistas que podían utilizar herramientas de referencia.

El periódico, “Diagnóstico secuencial con modelos lingüísticos”, Se publicó el 22 de octubre. En lugar de entregarle a una IA un informe completo del caso, hace que el sistema comience con una breve presentación y decida qué preguntar y qué pruebas solicitar, como lo haría un médico.

Cómo funciona

El equipo creó un sistema de referencia llamado SDBench a partir de 304 casos clinicopatológicos del NEJM y 325 admisiones en urgencias del conjunto de datos MIMIC-IV-ED. Un agente "Gatekeeper" solo divulga la información que una pregunta o prueba revelaría de forma realista, y un agente "Judge" asigna la puntuación al diagnóstico final.

MAI-DxO, el orquestador de diagnóstico de IA de Microsoft, funciona como un panel de médicos virtuales.Cada uno propone diagnósticos, selecciona preguntas o pruebas y cuestiona la visión emergente, mientras que el sistema evalúa el costo de cada prueba.

Los números

En los casos del NEJM, el sistema que utiliza GPT-5 obtuvo una puntuación de 83,2% con un coste estimado promedio de 5.431 dólares. Los médicos obtuvieron un promedio de 36,1% con herramientas de búsqueda y referencia, y de 22,3% sin ellas. Incluso el mejor médico individual, con 51,8%, fue superado tanto en precisión como en coste.

En casos de emergencia más rutinarios, MAI-DxO alcanzó 80,3% frente a 46,8% para los médicos. Microsoft afirma que las mejoras se mantuvieron e incluso aumentaron al repetir la evaluación en GPT-5.5 sin modificar la orquestación.

Las advertencias

Los autores reconocen claramente las limitaciones. Las pruebas se realizaron únicamente con texto, compararon la IA con médicos generalistas individuales en lugar de especialistas o equipos, y midieron el razonamiento diagnóstico en condiciones de información idealizadas, en lugar del desempeño clínico o los resultados de los pacientes. Todos los autores son empleados de Microsoft.

Por eso, el siguiente paso es crucial. Microsoft afirma que llevará a cabo un estudio prospectivo con el Centro Médico Beth Israel Deaconess en Boston, donde los pacientes interactúan directamente con el sistema. Además, liberará el código fuente de SDBench para que otros puedan probar otros modelos y cuestionar los resultados.

Por qué es importante

Los médicos de cabecera ya están volteándose a ChatGPT y otras herramientas para el diagnóstico, y herramientas como la del NHS Herramienta contra el cáncer de Mia Se ha demostrado que la IA puede detectar lo que los médicos pasan por alto. Un panel estructurado y que tiene en cuenta los costos, como MAI-DxO, apunta a una versión más rigurosa de esto, pero hasta que se demuestre con pacientes reales, es un resultado de referencia, no un resultado clínico.