Microsoft presentó resultados de una investigación que muestran que su sistema de inteligencia artificial para diagnóstico médico, denominado MAI-DxO, logró identificar correctamente casos clínicos complejos en el 83% de las ocasiones.

Esto, remarcó la empresa, implicó más del doble que el desempeño obtenido por médicos generales evaluados en la misma simulación.

Los resultados fueron publicados en la revista científica Science y fueron destacados por el director ejecutivo de Microsoft AI, Mustafa Suleyman, como un paso hacia lo que denomina “superinteligencia médica”.

El sistema funciona mediante la coordinación de varios agentes de IA que actúan como un equipo de médicos. Estos agentes realizan preguntas, solicitan estudios y debaten posibles diagnósticos antes de llegar a una conclusión.

En las pruebas, realizadas con casos complejos publicados por el New England Journal of Medicine, los médicos generalistas e internistas alcanzaron una tasa de acierto del 36%, aunque Microsoft aclaró que muchos de esos casos suelen ser abordados por especialistas o equipos multidisciplinarios.

La compañía evaluó MAI-DxO utilizando modelos desarrollados por distintas empresas, entre ellas OpenAI, Google, Anthropic, Meta y DeepSeek. Sin embargo, los mejores resultados se obtuvieron con GPT-5 y GPT-5.5 de OpenAI.

Según Microsoft, gran parte de la mejora proviene de la potencia de estos modelos, aunque el sistema de orquestación diseñado por la empresa también aporta beneficios adicionales en precisión y eficiencia.

Inteligencia Artificial en Medicina

Resultados de la investigación MAI-DxO

El sistema de diagnóstico asistido por IA superó significativamente a los médicos en precisión y eficiencia de costos

Precisión en casos NEJM 83% MAI-DxO en casos clínicos complejos
Precisión en casos MIMIC-IV-ED 80% MAI-DxO en casos típicos de urgencias
Reducción de costos -50% Manteniendo 81% de precisión en configuración optimizada

Comparación de precisión diagnóstica

Casos complejos (NEJM):

MAI-DxO 83%
Médicos con recursos externos 36%
Médicos sin recursos externos 22%

Casos típicos de urgencias (MIMIC-IV-ED):

MAI-DxO 80%
Médicos 47%

Compatibilidad con nuevos modelos

Los avances persistieron y mejoraron al repetir la evaluación con modelos más recientes, incluido GPT-5.5, sin cambiar el método de orquestación, lo que sugiere que el enfoque no está ligado a una sola generación de modelo.

Fuente: Investigación MAI-DxO sobre precisión diagnóstica

```

Los datos muestran que el mayor impacto de DxO se da en los casos más complejos y cuando trabaja con modelos menos avanzados.

Por ejemplo, el rendimiento de Gemini 2.5 Flash mejoró significativamente al utilizar esta capa de coordinación de DxO. En cambio, las diferencias fueron mucho menores en escenarios de emergencia y cuando se emplearon los modelos más potentes disponibles. 

Suleyman afirmó que Microsoft está colaborando en el desarrollo de un modelo específico para el sector sanitario junto a la Clínica Mayo, cuyo lanzamiento está previsto para el próximo año.