✨︎ Resumen (TL;DR):
- MAI-DxO, el sistema de IA de Microsoft, acertó el diagnóstico en 83 % de los casos complejos simulados.
- Médicos generalistas lograron 36 % con referencias y 22 % sin ellas; en urgencias, el sistema obtuvo 80 % frente a 47 %.
- La validación con pacientes sigue pendiente y Microsoft anunció un estudio prospectivo en Boston.
Microsoft informó que su sistema de IA MAI-DxO acertó el diagnóstico en el 83 % de los casos clínicos complejos simulados evaluados en un estudio publicado el 22 de octubre de 2026 en Science. La cifra superó el 36 % obtenido por médicos generalistas con acceso a referencias, pero todavía no demuestra cómo funcionará con pacientes: la validación clínica está pendiente y Microsoft anunció un estudio en Boston.
Microsoft llama al sistema Microsoft AI Diagnostic Orchestrator, abreviado MAI-DxO. MAI-DxO es un sistema de IA que coordina agentes basados en modelos como GPT-5 para simular un panel médico. Los agentes proponen diagnósticos, eligen preguntas y pruebas, y revisan sus conclusiones cuando reciben nuevos datos, según la compañía.
El resultado proviene de simulaciones de casos ya documentados, no de consultas con pacientes.
La ventaja cambia según las referencias
Microsoft situó la ventaja de MAI-DxO en aproximadamente 2.3 veces frente a médicos generalistas con material de consulta. Cuando trabajaron sin referencias, acertaron 22 % de los casos, y la ventaja subió a unas 3.7 veces. Esa segunda comparación origina la afirmación de que el sistema fue casi cuatro veces más preciso.
Las tasas redondeadas comunicadas por Microsoft el 22 de octubre de 2026 fueron:
- Casos complejos de The New England Journal of Medicine (NEJM), con referencias: MAI-DxO, 83 %; médicos generalistas, 36 %.
- Casos complejos de NEJM, sin referencias: MAI-DxO, 83 %; médicos generalistas, 22 %.
- Casos de urgencias de MIMIC-IV-ED: MAI-DxO, 80 %; médicos generalistas, 47 %.
AAAS, la entidad que publica Science, señaló que los costos comparados son estimaciones de las pruebas diagnósticas solicitadas. Los resultados también dependen del presupuesto permitido para investigar cada caso.
La documentación oficial de SDBench atribuye a Microsoft tanto el sistema como el banco de pruebas. TechCrunch reportó 78.9 % con GPT-5 por sí solo y precisó que la comparación humana excluyó equipos de especialistas.
SDBench convierte expedientes en consultas interactivas
SDBench es un banco de pruebas que convierte expedientes clínicos en encuentros interactivos que comienzan con información limitada. Según AAAS, reúne 629 casos. Microsoft detalló que 304 provienen de los casos clínicos complejos de The New England Journal of Medicine. El banco también incorpora encuentros de urgencias del conjunto MIMIC-IV-ED.
El proceso distribuye las tareas entre agentes. Uno entrega la información solicitada: devuelve el resultado real cuando aparece en el expediente y puede generar uno sintético cuando falta. Otro agente evalúa el diagnóstico final frente al diagnóstico de referencia.
El resultado describe el desempeño dentro de ese entorno de evaluación, no una validación clínica con pacientes.
La validación clínica está pendiente
AAAS advirtió que el sistema carece de capacidad para explorar físicamente u observar directamente a los pacientes. También señaló que hacen falta evaluaciones de su efecto en la práctica clínica y en los resultados de salud.
“Necesita validación clínica”, dijo Mustafa Suleyman, CEO de Microsoft AI, a The Verge.
Para Suleyman, desarrollar una superinteligencia médica sigue siendo una ambición de Microsoft. La compañía anunció una colaboración con Beth Israel Deaconess Medical Center, en Boston, para realizar un estudio prospectivo en distintos entornos hospitalarios.
Los pacientes interactuarán directamente con el sistema, y las evaluaciones de MAI-DxO se compararán con las de médicos que trabajen de forma independiente.
Por ahora, los porcentajes de 83 % y 80 % describen un entorno de simulación. El estudio prospectivo anunciado en Boston deberá mostrar si esos resultados se sostienen cuando los pacientes interactúen directamente con MAI-DxO y sus evaluaciones se comparen con las de médicos que trabajen de forma independiente.
