Microsoft (MSFT.US) KI-Diagnose „Orchestrator“ erscheint in „Science“: Genauigkeit doppelt so hoch wie bei Hausärzten, medizinische KI geht in Richtung klinische Produktivität

German财经APP hat erfahren, dass Microsoft (MSFT.US) im Bereich der medizinischen KI einen bedeutenden Meilenstein gesetzt hat. Am 22. Oktober wurde das Forschungsergebnis des Microsoft AI Diagnostic Orchestrator (MAI-DxO) offiziell in der Zeitschrift Science veröffentlicht. Dies ist ein KI-Tool, das Patienten schrittweise wie ein Arzt diagnostizieren kann und bei der Lösung komplexer medizinischer Fälle mehr als doppelt so genau ist wie gewöhnliche Internisten.

In einer simulierten Auswertung von 304 komplexen Fällen aus dem New England Journal of Medicine (NEJM) erzielte MAI-DxO eine Diagnosegenauigkeit von 83,2 %, während selbstständige Allgemeinmediziner und normale Internisten, die Zugriff auf Referenzmaterial hatten, nur eine Genauigkeit von 36,1 % erreichten; ohne Zugriff auf Referenzmaterial sank die Genauigkeit der Ärzte weiter auf etwa 22 %. In einer weiteren Testreihe basierend auf den MIMIC-IV-ED Notfallaufnahme-Daten lag die Genauigkeit des Systems bei 80,3 %, die der Allgemeinmediziner bei 46,8 %, der Vorsprung schrumpfte auf das 1,7-fache.

Laut Bericht identifiziert und koordiniert das Modell mittels eines „Orchestrators“, welche Fragen dem Patienten gestellt werden sollen sowie welche Untersuchungen und Tests angeordnet werden müssen; der Orchestrator organisiert die Bearbeitung von Fällen durch Simulation eines Zusammenspiels von klinischen Experten durch die KI.

Bestehende medizinische KI-Modelle verwenden in der Regel eine „Einmal-Methode“, das heißt, sie analysieren alle Symptome, Laborergebnisse und bildgebenden Untersuchungen eines Patienten zusammen, um eine Diagnose zu erstellen.

Wenn der Orchestrator die Diagnoseschritte koordiniert, entscheidet das KI-Modell zunächst, welche Anamnesedaten abgefragt werden sollen und welche Aspekte der körperlichen Untersuchung relevant sind. Basierend auf diesen Informationen legt es fest, welche Untersuchungen angeordnet werden, wertet die Ergebnisse aus und ordnet gegebenenfalls weitere Untersuchungen an. Laut Studienleiter wird das Modell während des gesamten Prozesses seine Arbeitshypothesen und Pläne fortlaufend aktualisieren.

Bei der Diagnose von über 300 hoch seltenen und verwirrenden medizinischen Problemen war die Genauigkeit des Modells mit Orchestrator beim „Untersuchungsassessment“ des Patienten und der Diagnosestellung mehr als doppelt so hoch wie bei Internisten mit Hilfe von Lehrbüchern und Internet. In Szenarien basierend auf einer großen Notfallaufnahmefall-Datenbank übertraf das Tool ebenfalls die menschlichen Ärzte.

Die Forscher geben an, dass die Bewertung des Vergleichs dieser früheren Systeme mit menschlichen Ärzten meist über Multiple-Choice-Fragen erfolgt.

„KI ist hierbei schon sehr effektiv, die Erfolgsquote erreicht 100 %“, sagt Dr. Dominic King, Vice President Corporate Microsoft AI Health, der diese neue Technologie entwickelt. „Aber das ist natürlich nicht die reale Welt. Kein Patient kommt mit einer schönen Zusammenfassung zu mir.“

Die Forscher fanden zudem heraus, dass die Kosten des Diagnoseprozesses niedriger waren, wenn der Orchestrator den Untersuchungsablauf plante, als wenn menschliche Ärzte dies taten. „Wir messen nicht nur die Genauigkeit des Systems, sondern auch, wie sorgfältig und strukturiert es Diagnosen und Untersuchungen durchführt“, sagt Harsha Nori, Leiter KI bei Microsoft AI Health.

In Zusammenarbeit mit dem Beth Israel Deaconess Medical Center Boston werden die Forscher als nächsten Schritt testen, wie das Tool Patienten im Wartebereich der Notaufnahme triagiert.

Bezüglich des Verhaltens fragen Ärzte vor der ersten Untersuchung im Durchschnitt nur 5,6 Fragen nach, während DxO im Schnitt 25,5 Fragen stellt und damit eine systematischere und strukturierte Anamnese zeigt. Hinsichtlich des zugrundeliegenden Modells erzielte das System mit OpenAI GPT-5 die besten Ergebnisse, mit GPT-5.5 wurde die Leistung weiter verbessert, was die Übertragbarkeit des Orchestrator-Gewinns auf verschiedene Modelle zeigt.

Aus kommerzieller Sicht ist besonders bemerkenswert, dass der Bewertungsstandard verändert wurde: Microsoft hat synchron den SDBench „sequenziellen Diagnose-Benchmark“ eingeführt, der medizinische Fälle in schrittweise Interaktion als „Anamnese-Besprechung“ überführt und erstmals neben der Genauigkeit auch die Kosten für Untersuchungen als Bewertungsdimension einfließen lässt. Das bedeutet, dass die Wettbewerbsdimension medizinischer KI sich von der reinen Algorithmen-Genauigkeit hin zur „klinischen Orchestrierungsfähigkeit + Kosteneffizienz“ verschiebt.

Diese Entwicklung entspricht dem allgemeinen Branchentrend. Laut Grand View Research wird der globale Markt für medizinische KI im Jahr 2025 auf etwa 42,62 Milliarden US-Dollar geschätzt, für 2026 wird ein Wert von 56,2 Milliarden US-Dollar erwartet und bis 2036 eine Expansion auf 1,05 Billionen US-Dollar prognostiziert, mit einer durchschnittlichen jährlichen Wachstumsrate von etwa 34 % zwischen 2026 und 2036.

Auf Angebotsseite hat Microsoft seit der Übernahme von Nuance im Jahr 2022 für etwa 20 Milliarden US-Dollar den Dragon Copilot in klinische Dokumentations- und Sprach-Workflows integriert und deckt damit große Teile der US-amerikanischen Krankenhäuser und Ärzteschaft ab. MAI-DxO bildet nun das natürliche Puzzle vom „automatisierten Dokumentieren“ hin zur „Diagnoseentscheidungshilfe“.

Der nächste entscheidende Validierungspunkt ist bereits erkennbar. Microsoft plant in Kooperation mit dem Beth Israel Deaconess Medical Center Boston in den kommenden Monaten den Start prospektiver Tests in echten klinischen Umgebungen, wobei der Fokus auf Notfall-Triageszenarien liegt. Gleichzeitig schließt das Unternehmen mit dem „Medizinischen Basismodellprojekt“ mit der Mayo Clinic die vollständige Kommerzialisierung im Medizinbereich.

Für den Sekundärmarkt wurden kurzfristige Impulse unter dem Gütesiegel Science bereits ausgelöst, aber der Bewertungsmittelpunkt für medizinische KI wird letztlich davon abhängen, ob die Vorteile im Blindvergleich der realen Welt wie im Simulationsumfeld reproduziert werden können und wie die Zahlungs- und Regulierungssysteme die Preisgestaltung und Haftung für „KI-gestützte Diagnose“ regeln.