Una inteligencia artificial de Microsoft obtuvo mejores diagnósticos que los practicantes generales en un estudio publicado el 22 de octubre en la revista Science. En casos médicos complejos, el sistema MAI-DxO alcanzó un 83% de precisión, frente al 36% de los médicos autorizados para consultar libros e Internet.

El resultado es impresionante, pero no significa que un médico digital esté listo para recibir pacientes. MAI-DxO trabajó en archivos históricos transformados en simulaciones estructuradas. Su próximo juicio será un estudio prospectivo en un hospital real.

Un equipo virtual que mueve paso a paso

Las evaluaciones médicas convencionales suelen dar AI todos los síntomas, exámenes y resultados al mismo tiempo. En la vida real, un médico comienza con información incompleta. Debe cuestionar al paciente, examinar diferentes suposiciones y seleccionar las pruebas que las confirmen o eliminen.

El [Microsoft AI Diagnostic Orchestrator] (https://microsoft.ai/news/building-medical-superintelligence/) reproduce este proceso. Varios agentes de software desempeñan las funciones de un grupo de médicos: proponen posibles diagnósticos, debaten información faltante y eligen las siguientes preguntas o análisis. Un orquestador coordina sus intercambios, luego actualiza la conclusión como aparecen nuevos datos.

El sistema no se limita a un modelo único. Microsoft afirma haber probado su arquitectura con modelos como OpenAI, Google, Antroppic, Meta y DeepSeek. Los mejores resultados publicados se obtuvieron con modelos GPT-5 y GPT-5.5.

Resultados mucho más altos en la simulación

The study, entitled Sequencial diagnosis with language models, is based first on 304 complex cases from the clinic pathological lectures of the New England Journal of Medicine*. Cada participante recibió una breve presentación inicial y tuvo que solicitar la información necesaria antes de proponer un diagnóstico.

MAI-DxO obtuvo 83% de precisión. Los profesionales generales alcanzaron el 22% sin recursos externos y el 36% con acceso a referencias. En una segunda evaluación basada en las admisiones de emergencia MMIC-IV-ED, la AI obtuvo el 80%, en comparación con el 47% para los médicos.

Los investigadores también asignaron un costo estimado a los exámenes solicitados. Algunas configuraciones MAI-DxO mantuvieron alta precisión eligiendo investigaciones más baratas. Según Microsoft, ningún otro enfoque humano o automatizado evaluado era simultáneamente más preciso y más barato.

Estos costos siguen siendo teóricos: se basan en precios integrados en el banco de pruebas y no en los costos reales de un hospital canadiense.

Una mejor prueba, pero no la clínica real todavía

El banco de pruebas SDBench es una mejora sobre los cuestionarios donde toda la información se proporciona con antelación. Le obliga a la AI a decidir qué pedir, evitando que se beneficie automáticamente de un archivo completo.

Sin embargo, todavía hay una simulación. Un programa llamado "Gatekeeper" revela los datos cuando la AI o el médico lo solicitan. Un verdadero paciente puede describir sus síntomas de manera imprecisa, olvidar un medicamento, presentar varios problemas al mismo tiempo, o mostrar signos que un médico observa sin que se incluyan en el registro.

Los casos de New England Journal of Medicine también se seleccionan porque son difíciles o inusuales. El grupo de comparación consistió en generalistas, no equipos de especialistas que ya conocen las enfermedades de que se trata. Por consiguiente, los porcentajes no pueden transferirse directamente a todas las consultas.

Disponibilidad, precios y Canadá

MAI-DxO es un sistema de investigación, no un servicio que los pacientes, médicos o hospitales pueden comprar hoy. Microsoft no reportó precios, fechas de marketing o disponibilidad canadiense. Nada en el anuncio indica una autorización de Health Canada para uso clínico.

Microsoft planea un estudio prospectivo con el Beth Israel Deaconess Medical Center en Boston. Los pacientes deben interactuar directamente con el sistema, mientras que sus hallazgos serán comparados con evaluaciones médicas independientes. Este paso medirá su comportamiento con información real e imperfecta.

Limits or Considerations

Los autores del estudio trabajan principalmente para Microsoft, que desarrolla MAI-DxO. La publicación en Science aumenta la credibilidad metodológica, pero no reemplaza una evaluación independiente de reproducción o regulación.

La alta precisión promedio también puede ocultar errores graves en ciertos grupos o enfermedades. Antes del despliegue, se deben medir falsos diagnósticos, parcialidades, confidencialidad de la información, responsabilidad por error y la tendencia de los profesionales a sobreponer una respuesta convincente.

Conclusión

MAI-DxO muestra que un equipo de agentes que cuestionan, debaten y revisan sus suposiciones puede hacer mejor que un modelo que es responsable de responder inmediatamente. Los resultados superan claramente los de los generalistas en las simulaciones estudiadas.

Sin embargo, la tecnología sigue siendo una herramienta de investigación. El próximo paso decisivo no será un mejor porcentaje en un registro histórico, sino la demostración de que mejora la atención real bajo la supervisión de profesionales, sin crear nuevos riesgos para los pacientes.