So funktioniert das System

Microsoft AI hat MAI-DxO entwickelt, ein System, das einen Patientenfall in Etappen durcharbeitet, statt alle Symptome, Laborwerte und Scans auf einmal zu erfassen. Zuerst entscheidet es, welche Fragen zur Anamnese gestellt werden und welche Teile der Untersuchung relevant sind, dann wählt es die anzuordnenden Tests aus. Während die Ergebnisse eintreffen, überarbeitet es seine Arbeitsdiagnose und fordert bei Bedarf weitere Tests an. Eine koordinierende Ebene, der sogenannte Orchestrator, steuert mehrere simulierte klinische Experten, die konkurrierende Erklärungen vorschlagen und sich gegenseitig überprüfen. Die Studie wurde am Donnerstag, 22. Oktober 2026, in der Fachzeitschrift Science veröffentlicht.

Trefferquote im Vergleich zu Ärzten

In Tests mit 304 komplexen Fallberichten aus dem New England Journal of Medicine erreichte das System in 83,2 Prozent der Fälle die richtige Diagnose. Allgemeinmediziner, die Lehrbücher und das Internet zu Rate ziehen konnten, kamen auf 36,1 Prozent, jene ohne solche Hilfsmittel auf 22,3 Prozent.

MAI-DxO83,2%

Allgemeinmediziner mit Nachschlagewerken36,1%

Allgemeinmediziner ohne Nachschlagewerke22,3%

MAI-DxO

83.2 %

Allgemeinmediziner mit Nachschlagewerken

36.1 %

Allgemeinmediziner ohne Nachschlagewerke

22.3 %

Daten aus dem Artikeltext

In einem separaten Test mit 325 Aufnahmen in der Notaufnahme erreichte das System 80,3 Prozent, die Ärzte 46,8 Prozent. The Verge berichtete über Microsofts Angabe, das Werkzeug könne Erkrankungen bis zu viermal genauer diagnostizieren als menschliche Ärzte, wobei die Studie neuere KI-Modelle nicht in ihren Vergleich einbezieht.

MAI-DxO80,3%

Menschliche Ärzte46,8%

MAI-DxO

80.3 %

Menschliche Ärzte

46.8 %

Daten aus dem Artikeltext

Was die Forscher sagen

Microsofts Forscher maßen auch, wie gut das System Tests auswählte, nicht nur, ob es zur richtigen Antwort gelangte. Harsha Nori, Leiter KI bei Microsoft AI Health, beschrieb das Ziel des Teams so.

„Wir messen nicht nur die Genauigkeit der Systeme.“

Dominic King, Corporate Vice President im Gesundheitsbereich von Microsoft AI, argumentierte, die meisten medizinischen KI-Systeme seien an Multiple-Choice-Fragen bewertet worden. Solche Systeme hätten gelernt, in diesen Tests gut abzuschneiden, was nicht widerspiegle, wie sich Patienten in der Praxis zeigen.

„Kein Patient kam je mit einer schönen Zusammenfassung zu mir.“

Mustafa Suleyman, CEO von Microsoft AI, nannte das Ergebnis einen Schritt in Richtung „medizinische Superintelligenz“. Spider's Web berichtete, er glaube, KI könne Ärzte innerhalb weniger Jahre erreichen.

Kosten und Modellwahl

Bei komplexen Fällen erreichte GPT-5 allein 78,9 Prozent bei Kosten von rund 8.400 Dollar pro Fall, so TechCrunch. Der zusätzliche Orchestrator senkte diese Kosten um etwa 3.000 Dollar und hob die Trefferquote nur um rund vier Punkte. Mit GPT-5.5, einem im April 2026 veröffentlichten Modell, stieg die Trefferquote bei komplexen Fällen von 72 Prozent auf fast 87 Prozent bei etwas geringeren Kosten. Gemini 2.5 Flash erreichte allein 46,4 Prozent und mit dem Orchestrator fast 69 Prozent. Die Kostenangaben sind Schätzungen auf Basis der Fälle und keine tatsächlichen Arztrechnungen.

Grenzen und nächste Schritte

Der Vergleich hat klare Grenzen. Die Ärzte waren Allgemeinmediziner und keine Fachärzte, die Fälle wurden als Text präsentiert, und weder die KI noch die Ärzte hatten Zugang zu körperlichen Untersuchungen oder medizinischer Bildgebung. Ein früheres Preprint von Juni 2025 berichtete von Fortschritten mit Modellen von Google, Anthropic und Meta. Microsofts Team will mit dem Beth Israel Deaconess Medical Center in Boston testen, ob das Werkzeug helfen kann, Patienten nach Dringlichkeit zu sortieren. Das Unternehmen räumt ein, dass bis zu einem breiten Einsatz der Technologie ein langer Weg bleibt.