Microsoft (MSFT.US) AI diagnosis "Orchestrator" tampil di "Science": Tingkat akurasi dua kali lipat dari dokter umum, AI medis menuju produktivitas klinis

Aplikasi Zhihui Keuangan APP melaporkan bahwa Microsoft (MSFT.US) telah membuat langkah besar di bidang AI medis. Pada 22 Oktober waktu setempat, hasil penelitian sistem diagnosis AI Microsoft MAI-DxO (Microsoft AI Diagnostic Orchestrator) secara resmi dipublikasikan di jurnal "Science". Ini adalah alat AI yang dapat mendiagnosis pasien secara bertahap seperti dokter, dan tingkat akurasinya dalam menangani kasus medis yang kompleks lebih dari dua kali lipat dibandingkan dokter penyakit dalam biasa.

Dalam evaluasi simulasi berdasarkan 304 kasus medis kompleks dari "New England Journal of Medicine" (NEJM), tingkat akurasi diagnosis MAI-DxO mencapai 83,2%, sedangkan dokter umum dan dokter penyakit dalam biasa yang dapat mengakses referensi secara mandiri hanya mencapai 36,1%; jika tidak diizinkan menggunakan referensi, tingkat akurasi dokter semakin turun menjadi sekitar 22%. Dalam pengujian lain yang menggunakan data penerimaan gawat darurat MIMIC-IV-ED, tingkat akurasi sistem adalah 80,3%, dokter umum 46,8%, keunggulannya menyempit menjadi 1,7 kali.

Laporan tersebut menyebutkan bahwa model ini menggunakan "orchestrator" untuk mengidentifikasi dan mengkoordinasikan pertanyaan yang harus diajukan kepada pasien, serta pemeriksaan dan tes yang harus dijadwalkan; orchestrator ini meniru cara kerja kelompok ahli klinis yang bekerjasama dalam menangani kasus diagnosis untuk mengatur cara AI memproses masalah.

Model AI medis yang ada biasanya menggunakan pendekatan "sekali jalan", yaitu menganalisis secara komprehensif semua gejala, hasil laboratorium, dan pemeriksaan pencitraan pasien untuk menghasilkan diagnosis.

Dalam skenario langkah diagnosis yang diatur oleh orchestrator, model AI ini pertama-tama memutuskan informasi riwayat kesehatan apa yang perlu ditanyakan, dan bagian mana dari pemeriksaan fisik yang penting. Berdasarkan informasi yang didapat, model ini memutuskan pemeriksaan apa yang harus dijadwalkan, mengevaluasi hasil pemeriksaan tersebut, dan, jika perlu, merencanakan pemeriksaan lanjutan. Pemimpin penelitian mengatakan bahwa sepanjang proses, model ini terus memperbarui hipotesis kerja dan rencananya.

Dalam menghadapi lebih dari 300 kasus medis yang sangat langka dan membingungkan, model dengan orchestrator diagnosis ini memiliki tingkat akurasi lebih dari dua kali lipat dokter penyakit dalam biasa yang mengandalkan buku teks dan internet, baik dalam "pemeriksaan evaluasi" pasien maupun penentuan diagnosis. Pada skenario yang berdasarkan database besar kasus penerimaan gawat darurat, alat ini juga menunjukkan kinerja yang lebih baik daripada dokter manusia.

Para peneliti mengatakan, evaluasi yang membandingkan sistem awal semacam ini dengan dokter manusia biasanya menggunakan soal pilihan ganda.

"AI di bidang ini sudah sangat mahir, tingkat kelulusan bisa mencapai 100%," kata Dr. Dominic King, Wakil Presiden Korporat Divisi AI Kesehatan Microsoft yang mengembangkan teknologi baru ini. "Namun tentu saja ini bukan dunia nyata. Tidak ada pasien yang datang kepada saya dengan membawa ringkasan yang rapih."

Para peneliti juga menemukan bahwa ketika orchestrator merancang alur pemeriksaan, biaya proses diagnosis lebih rendah dibandingkan saat dirancang oleh dokter manusia. "Kami tidak hanya mengukur akurasi sistem, kami juga mengukur seberapa teliti dan cermat sistem ini melakukan pemeriksaan diagnosis," jelas Kepala AI Microsoft AI Health, Harsha Nori.

Dalam kerjasama dengan Beth Israel Deaconess Medical Center Boston, langkah berikutnya para peneliti adalah menguji kemampuan alat ini dalam melakukan triase pasien di ruang tunggu gawat darurat.

Dari segi fitur perilaku, sebelum mengajukan pemeriksaan pertama, dokter rata-rata hanya menanyakan 5,6 pertanyaan, sedangkan DxO rata-rata menanyakan 25,5 pertanyaan, menunjukkan pola pengumpulan riwayat medis yang lebih sistematis dan terstruktur. Pada model dasar, sistem ini tampil optimal pada OpenAI GPT-5, dan kinerjanya semakin meningkat dengan GPT-5.5, menunjukkan bahwa manfaat orchestrator dapat ditransfer antar model.

Dari perspektif komersial, sinyal yang paling patut diperhatikan dari penelitian ini adalah pergeseran standar evaluasi: Microsoft secara bersamaan meluncurkan SDBench "Sequential Diagnosis Benchmark", mengubah kasus klinis menjadi "simulasi wawancara pasien" secara bertahap, untuk pertama kalinya memasukkan biaya pemeriksaan sebagai dimensi penilaian selain akurasi. Ini berarti dimensi persaingan AI medis sedang bergeser dari akurasi algoritma tunggal ke kemampuan penalaran klinis dan efisiensi biaya secara komprehensif.

Perubahan ini sejalan dengan ritme industri secara keseluruhan. Menurut data Grand View Research, pasar AI medis global diperkirakan bernilai sekitar 42,62 miliar dolar AS pada 2025, diperkirakan menjadi 56,2 miliar dolar AS pada 2026, dan dapat berkembang menjadi 1,05 triliun dolar AS pada 2036, dengan pertumbuhan majemuk tahunan sekitar 34% dari 2026-2036.

Dari sisi penawaran, sejak Microsoft mengakuisisi Nuance hampir 20 miliar dolar AS pada 2022, telah mengintegrasikan Dragon Copilot ke dalam dokumentasi klinis dan alur kerja suara, mencakup banyak rumah sakit dan komunitas dokter di AS. MAI-DxO menjadi bagian alami dari transisi mereka dari "otomatisasi dokumentasi" ke "dukungan keputusan diagnosis".

Titik verifikasi kunci selanjutnya sudah mulai terlihat. Microsoft berencana dalam beberapa bulan ke depan untuk bekerjasama dengan Beth Israel Deaconess Medical Center Boston meluncurkan uji prospektif di lingkungan klinis nyata, dengan fokus pada performa di skenario triase gawat darurat. Sementara itu, diperkuat dengan program model dasar medis bersama Mayo Clinic, puzzle komersialisasi medis Microsoft mulai mendekati utuh.

Bagi pasar sekunder, katalis sentimen jangka pendek telah dilepaskan dengan endorsement dari "Science", tetapi nilai tengah valuasi AI medis pada akhirnya akan bergantung pada apakah keunggulan dalam lingkungan simulasi dapat direproduksi dalam uji buta dunia nyata, serta bagaimana pembayar dan kerangka regulasi menentukan harga dan tanggung jawab "diagnosis berbantukan AI".