Jak działa system

Microsoft AI stworzył MAI-DxO, system, który analizuje przypadek pacjenta etapami, zamiast odczytywać wszystkie objawy, wyniki badań laboratoryjnych i skany jednocześnie. Najpierw decyduje, o co zapytać w wywiadzie i które elementy badania są istotne, a następnie wybiera badania do zlecenia. Po uzyskaniu wyników weryfikuje diagnozę roboczą i w razie potrzeby zleca kolejne testy. Warstwa koordynująca, zwana orkiestratorem, uruchamia kilka symulowanych ekspertów klinicznych, którzy proponują konkurencyjne wyjaśnienia i weryfikują je nawzajem. Badanie opublikowano w czwartek, 22 października 2026 r., w czasopiśmie Science.

Skuteczność w porównaniu z lekarzami

W testach na 304 złożonych opisach przypadków z The New England Journal of Medicine system postawił prawidłową diagnozę w 83,2% przypadków. Lekarze ogólni, którzy mogli korzystać z podręczników i internetu, uzyskali wynik 36,1%, natomiast pracujący bez takich pomocy osiągnęli 22,3%.

MAI-DxO83,2%

Lekarze ogólni z materiałami pomocniczymi36,1%

Lekarze ogólni bez materiałów pomocniczych22,3%

MAI-DxO

83.2 %

Lekarze ogólni z materiałami pomocniczymi

36.1 %

Lekarze ogólni bez materiałów pomocniczych

22.3 %

Dane z tekstu artykułu

W osobnym teście na 325 przyjęciach na oddział ratunkowy system uzyskał wynik 80,3% wobec 46,8% u lekarzy. Serwis The Verge poinformował o twierdzeniu Microsoftu, że narzędzie może diagnozować schorzenia z dokładnością do czterech razy wyższą niż lekarze, choć publikacja nie uwzględnia w porównaniu nowszych modeli AI.

MAI-DxO80,3%

Lekarze46,8%

MAI-DxO

80.3 %

Lekarze

46.8 %

Dane z tekstu artykułu

Co mówią badacze

Naukowcy z Microsoftu mierzyli również, jak dobrze system dobierał badania, a nie tylko czy dotarł do właściwej odpowiedzi. Harsha Nori, szefowa działu AI w Microsoft AI Health, określiła cel zespołu w następujący sposób.

„Nie mierzymy tylko dokładności systemów.”

Dominic King, wiceprezes korporacyjny w dziale zdrowia Microsoft AI, argumentował, że większość medycznych systemów AI oceniano na podstawie pytań wielokrotnego wyboru. Stwierdził, że takie systemy nauczyły się dobrze punktować w tych testach, co nie odzwierciedla sposobu, w jaki pacjenci prezentują się w praktyce.

„Żaden pacjent nigdy nie przyszedł do mnie z ładnym podsumowaniem.”

Mustafa Suleyman, dyrektor generalny Microsoft AI, nazwał wynik krokiem w stronę „medycznej superinteligencji”. Spider's Web poinformował, że uważa on, iż AI może dorównać lekarzom w ciągu kilku lat.

Koszty i wybór modelu

W złożonych przypadkach model GPT-5 pracujący samodzielnie uzyskał wynik 78,9% przy koszcie około 8400 USD za przypadek, jak podaje TechCrunch. Dodanie orkiestratora obniżyło ten koszt o około 3000 USD i podniosło dokładność o zaledwie cztery punkty procentowe. W przypadku GPT-5.5, modelu wydanego w kwietniu 2026 r., dokładność w złożonych przypadkach wzrosła z 72% do blisko 87% przy nieco niższym koszcie. Gemini 2.5 Flash uzyskał 46,4% samodzielnie i blisko 69% z orkiestratorem. Dane o kosztach są szacunkami opartymi na przypadkach, a nie rzeczywistymi rachunkami medycznymi.

Ograniczenia i kolejne kroki

Porównanie ma wyraźne ograniczenia. Lekarze byli lekarzami ogólnymi, a nie specjalistami, przypadki przedstawiono w formie tekstowej, a ani AI, ani lekarze nie mieli dostępu do badań fizykalnych czy obrazowania medycznego. Wcześniejszy preprint z czerwca 2025 r. informował o zyskach przy użyciu modeli od Google, Anthropic i Meta. Zespół Microsoftu planuje przetestować w Beth Israel Deaconess Medical Center w Bostonie, czy narzędzie może pomóc w segregacji pacjentów według pilności. Firma przyznaje, że przed szerokim wdrożeniem technologii pozostaje długa droga.