El "orquestador" de diagnóstico AI de Microsoft (MSFT.US) llega a la revista Science: precisión más del doble que médicos generales, la IA médica avanza hacia la productividad clínica

De acuerdo con Sinolink Securities APP, Microsoft (MSFT.US) ha realizado una fuerte apuesta en el segmento de IA médica. El 22 de octubre, hora local, los resultados de la investigación sobre el sistema de diagnóstico por IA de Microsoft, MAI-DxO (Microsoft AI Diagnostic Orchestrator), fueron publicados oficialmente en la revista Science. Se trata de una herramienta de IA capaz de diagnosticar pacientes paso a paso como lo haría un médico, y su precisión al resolver casos médicos complejos es más del doble que la de los médicos generalistas comunes.

En una evaluación simulada basada en 304 casos complejos de la revista New England Journal of Medicine (NEJM), la precisión diagnóstica de MAI-DxO alcanzó el 83,2%, mientras que la precisión de los clínicos generales y médicos internistas que podían consultar fuentes de referencia de manera independiente fue solo del 36,1%. Si no se permitía el uso de material de referencia, la precisión de los médicos disminuía aún más hasta aproximadamente el 22%. En otra prueba basada en los datos de ingresos de emergencias MIMIC-IV-ED, el sistema logró una precisión del 80,3%, frente al 46,8% de los médicos generales, con una ventaja reducida a 1,7 veces.

El informe señala que este modelo utiliza un "orquestador" que identifica y coordina las preguntas que se deben hacer al paciente, así como los exámenes y pruebas necesarias. Este orquestador organiza el proceso de resolución de diagnósticos por parte de la IA simulando la colaboración de un panel de expertos clínicos.

Los modelos de IA médica existentes suelen adoptar un enfoque "de una sola vez", es decir, analizan globalmente todos los síntomas, resultados de laboratorio y exámenes de imagen del paciente para generar un diagnóstico.

Con la coordinación del orquestador en los pasos diagnósticos, el modelo de IA primero decide qué información del historial debe solicitarse, y qué aspectos del examen físico son relevantes. Según la información obtenida, decide qué exámenes realizar, evalúa los resultados y organiza pruebas adicionales si es necesario. El responsable del estudio afirmó en una entrevista que, durante todo el proceso, el modelo actualiza constantemente sus hipótesis de trabajo y su planificación.

Al diagnosticar más de 300 dificultades médicas sumamente raras y confusas, el modelo con el orquestador diagnóstico logró una precisión en la "evaluación de exámenes" y la determinación de diagnósticos más de dos veces superior a la de médicos internistas comunes que dependen de libros de texto y de Internet. En escenarios diseñados con una gran base de datos de casos de ingresos de emergencia, esta herramienta también superó a los médicos humanos.

Los investigadores afirmaron que las evaluaciones que comparan estos sistemas iniciales con médicos humanos suelen emplear preguntas de opción múltiple.

“La IA ya es muy hábil en esto, puede alcanzar una tasa de aprobación del 100%”, declaró el vicepresidente corporativo de Microsoft AI Health y líder del desarrollo de esta nueva tecnología, el Dr. Dominic King. “Pero, por supuesto, eso no es el mundo real. Ningún paciente llega a mi consultorio con un resumen bonito presentado”.

Los investigadores también descubrieron que, cuando el orquestador diseña el proceso de pruebas, el costo del diagnóstico es menor que cuando lo diseña un médico humano. “No solo estamos midiendo la precisión del sistema, sino también cuán prudente y detallado es al realizar pruebas diagnósticas”, explicó Harsha Nori, jefe de IA de Microsoft AI Health.

En colaboración con el Centro Médico Beth Israel Deaconess de Boston, el próximo paso de los investigadores será probar la capacidad de esta herramienta para triar pacientes en la sala de espera de emergencias.

En cuanto a las características de comportamiento, los médicos solo hacen un promedio de 5,6 preguntas antes de ordenar el primer examen, mientras que DxO formula en promedio 25,5 preguntas, mostrando un modo de toma de historias clínicas más sistemático y estructurado. En cuanto al modelo subyacente, el sistema tuvo su mejor desempeño en OpenAI GPT-5, y con GPT-5.5 el rendimiento mejoró aún más, lo que indica que la ganancia del nivel de orquestación es transferible entre modelos.

Desde una perspectiva comercial, una señal aún más relevante en este estudio es el cambio del estándar de evaluación: Microsoft presentó simultáneamente SDBench, el "Benchmark de Diagnóstico Secuencial", que transforma los casos en escenarios interactivos paso a paso y, por primera vez, incluye el costo de las pruebas como una métrica junto con la precisión. Esto significa que la competencia en IA médica se traslada de la simple precisión algorítmica hacia una comparación integral de “capacidad de orquestación de razonamiento clínico + eficiencia de costos”.

Este cambio está alineado con la tendencia general del sector. Según datos de Grand View Research, el mercado global de IA médica alcanzará aproximadamente 42.620 millones de dólares en 2025, se prevé que llegue a 56.200 millones en 2026 y podría expandirse a 1,05 billones en 2036, con una tasa de crecimiento anual compuesta del 34% entre 2026 y 2036.

En el lado de la oferta, desde la adquisición de Nuance por casi 20.000 millones de dólares en 2022, Microsoft ha incorporado Dragon Copilot en el flujo de trabajo clínico y de dictado por voz, llegando a gran parte de los hospitales y médicos de Estados Unidos. MAI-DxO representa una extensión natural desde la "automatización documental" hacia el "soporte de decisiones diagnósticas".

Los próximos puntos clave de validación ya están en el horizonte. Microsoft planea, en los próximos meses, lanzar pruebas prospectivas en entornos clínicos reales en colaboración con el Centro Médico Beth Israel Deaconess de Boston, centrándose en escenarios de triaje en emergencias. Al mismo tiempo, sumando el plan de modelos médicos fundamentales en colaboración con la Clínica Mayo, el rompecabezas de la comercialización médica de Microsoft está por completarse.

Para el mercado secundario, el catalizador emocional a corto plazo ya se ha liberado bajo el aval de Science, pero la valorización central de la IA médica dependerá finalmente de si los ensayos controlados a ciegas en el mundo real pueden replicar las ventajas observadas en ambientes simulados, así como de cómo los pagadores y el marco regulatorio definan el precio y la responsabilidad del "diagnóstico asistido por IA".