Il "Orchestratore" diagnostico AI di Microsoft (MSFT.US) appare su Science: precisione doppia rispetto ai medici generici, l’AI medica avanza verso la produttività clinica

Secondo quanto riportato da Zhitong Finance APP, Microsoft (MSFT.US) ha fatto una mossa significativa nel settore dell’AI applicata alla medicina. Il 22 ottobre, ora locale, i risultati della ricerca sul sistema di diagnosi AI MAI-DxO (Microsoft AI Diagnostic Orchestrator) di Microsoft sono stati ufficialmente pubblicati sulla rivista Science. Si tratta di uno strumento AI in grado di diagnosticare progressivamente i pazienti come farebbe un medico, con un’accuratezza superiore di oltre due volte rispetto ai medici internisti ordinari nel risolvere casi medici complessi.

Nella valutazione simulata di 304 casi complessi tratta dal New England Journal of Medicine (NEJM), MAI-DxO ha raggiunto un’accuratezza diagnostica pari all’83,2%, mentre medici generici e internisti con accesso indipendente a materiali di riferimento hanno registrato solo il 36,1%; in assenza di accesso a materiali di riferimento, l’accuratezza dei medici scende ulteriormente ad appena il 22%. In un altro test basato sui dati di ricovero d’emergenza del database MIMIC-IV-ED, il sistema ha riportato un’accuratezza dell’80,3% contro il 46,8% dei medici generici, riducendo il vantaggio a 1,7 volte.

Il rapporto spiega che il modello utilizza un “orchestratore” per identificare e coordinare le domande da porre al paziente e le indagini ed esami da programmare; questo orchestratore organizza il processo decisionale dell’AI simulando una collaborazione tra esperti clinici nella risoluzione dei casi diagnostici.

I modelli di AI medica attuali di solito adottano un approccio “one-shot”, cioè analizzano in modo complessivo tutti i sintomi, i risultati di laboratorio e gli esami di imaging del paziente per generare una diagnosi.

Con la diagnosi coordinata dall’orchestratore, il modello AI decide prima quali informazioni anamnestiche siano rilevanti e quali elementi dell’esame fisico siano significativi. In base alle informazioni raccolte, stabilisce quali esami effettuare, valuta i risultati, e, se necessario, programma ulteriori approfondimenti. Il responsabile della ricerca ha dichiarato che, durante l’intero processo, il modello aggiorna costantemente le sue ipotesi operative e i suoi piani.

Nell’affrontare oltre 300 rompicapi medici rari e molto complessi, il modello che integra l’orchestratore diagnostico ha raggiunto una precisione doppia rispetto agli internisti che si affidano a manuali e Internet sia nella valutazione del paziente sia nell’identificazione della diagnosi. Anche in scenari costruiti su un ampio database di ricoveri in pronto soccorso, lo strumento ha superato le performance dei medici umani.

I ricercatori sottolineano che le valutazioni che confrontano questi primi sistemi con i medici umani utilizzano di solito domande a scelta multipla.

“L’AI ormai eccelle in questo ambito e può raggiungere il 100% di risposte corrette,” ha dichiarato Dominic King, vicepresidente aziendale della divisione AI Health di Microsoft e artefice di questa nuova tecnologia. “Ma questa non è la realtà. Nessun paziente si presenta nel mio ambulatorio con un bel riassunto in mano.”

I ricercatori hanno inoltre scoperto che, quando il processo diagnostico viene ideato dall’orchestratore, i costi risultano inferiori rispetto a una diagnosi impostata da un medico umano. “Non solo valutiamo l’accuratezza del sistema, ma anche quanto sia attento e meticoloso nei test diagnostici effettuati,” ha aggiunto Nori Harsha, responsabile AI di Microsoft AI Health.

In collaborazione con il Beth Israel Deaconess Medical Center di Boston, i ricercatori a breve testeranno la capacità di questo strumento nell’assegnare i pazienti nelle aree di attesa dei reparti di emergenza.

Dal punto di vista comportamentale, prima di prescrivere un primo esame, i medici pongono in media solo 5,6 domande supplementari, mentre DxO ne pone in media 25,5, mostrando un modello di raccolta anamnestica più sistematico e strutturato. Sul versante del modello sottostante, il sistema realizza le migliori prestazioni con OpenAI GPT-5, e il passaggio a GPT-5.5 comporta un ulteriore incremento delle performance, evidenziando che il beneficio della componente di orchestrazione è trasferibile tra diversi modelli.

Da una prospettiva di commercializzazione, il segnale più significativo di questa ricerca riguarda la migrazione degli standard di valutazione: Microsoft ha contemporaneamente presentato il benchmark SDBench (Sequential Diagnostic Benchmark), che trasforma i casi clinici in consulti “step by step”, introducendo per la prima volta il costo degli esami come parametro di valutazione oltre all’accuratezza. Questo significa che la competizione nell’AI medica si sta spostando dal semplice tasso di accuratezza dell’algoritmo alla “capacità di orchestrazione del ragionamento clinico + efficienza dei costi”.

Tale svolta è in linea con la dinamica generale del settore. Secondo i dati di Grand View Research, nel 2025 il mercato globale dell’AI medica varrà circa 42,62 miliardi di dollari, nel 2026 raggiungerà i 56,2 miliardi e si prevede che nel 2036 potrebbe espandersi fino a 1,05 trilioni di dollari, con un tasso di crescita annuale composto di circa il 34% tra il 2026 e il 2036.

Lato offerta, da quando Microsoft ha acquisito Nuance nel 2022 per quasi 20 miliardi di dollari, ha già integrato Dragon Copilot nei workflow clinici e di documentazione vocale, coprendo un vasto numero di ospedali e medici statunitensi; MAI-DxO costituisce il naturale passo successivo dall’“automazione documentale” al “supporto decisionale diagnostico”.

I prossimi nodi chiave di verifica stanno già emergendo. Microsoft prevede, nei prossimi mesi, di collaborare con il Beth Israel Deaconess Medical Center di Boston per avviare test prospettici in ambienti clinici reali, concentrandosi sulle performance nei casi di triage in pronto soccorso. Al contempo, combinando il progetto di foundation model medico in collaborazione con la Mayo Clinic, Microsoft sta completando il puzzle della propria strategia di commercializzazione in ambito healthcare.

Per il mercato secondario, la spinta emotiva a breve termine ha già avuto luogo grazie all’endorsement di Science, ma il valore di riferimento finale dell’AI medica dipenderà dalla capacità di riprodurre i vantaggi osservati in simulazioni anche in trial reali controllati in cieco, nonché dalla posizione dei payor e delle autorità regolatorie su pricing e responsabilità della “diagnosi assistita da AI”.