The Diagnosis on Paper
Microsoft researchers reported in the journal Science on October 22 that their diagnostic system solved 83.2% of 304 difficult medical cases, while general physicians working alone solved 36.1% with textbooks and online references and 22.3% without them. The cases came from teaching case reports in The New England Journal of Medicine. The system, called MAI-DxO, coordinates several AI programs that play different roles, like a panel of doctors. It never sees the whole file at once. It asks questions, orders tests and gets each answer from a separate program that releases information only when asked. On 325 emergency room cases taken from hospital records, it reached about 80% accuracy, against 47% for the physicians.
The authors list the limits of the comparison themselves. The doctors were generalists working alone, without specialists or hospital teams, and every case was a written file with no scans or tissue slides and no patient in the room. Most of the gain came from the underlying model, since OpenAI’s GPT-5 alone scored about 79%. Using standard U.S. prices, its most accurate setting spent $5,431 per case, above the $4,725 spent by physicians, while a cheaper setting reached 80.9% for $2,241. All the authors work for Microsoft. The next step is a study at Beth Israel Deaconess Medical Center in Boston, where patients who agree will use the system during normal care and its conclusions will be compared with their doctors’.
El diagnóstico sobre el papel
Investigadores de Microsoft informaron el 22 de octubre en la revista Science que su sistema de diagnóstico resolvió el 83,2 % de 304 casos médicos difíciles, mientras que médicos generales que trabajaban solos acertaron el 36,1 % con libros y búsquedas en internet, y el 22,3 % sin ellos. Los casos venían de informes clínicos docentes de The New England Journal of Medicine. El sistema, llamado MAI-DxO, coordina varios programas de IA que cumplen funciones distintas, como un equipo de médicos. Nunca ve el expediente completo de una vez. Hace preguntas, pide pruebas y recibe cada dato de otro programa que solo lo entrega si se le pide. En 325 casos de urgencias tomados de registros hospitalarios alcanzó cerca de un 80 % de aciertos, frente al 47 % de los médicos.
Los propios autores enumeran los límites de la comparación. Los médicos eran generalistas aislados, sin especialistas ni equipos hospitalarios, y cada caso era un expediente escrito, sin imágenes ni muestras de tejido y sin un paciente delante. La mayor parte de la mejora vino del modelo de base, ya que GPT-5, de OpenAI, obtuvo por sí solo cerca de un 79 %. Con precios estándar de Estados Unidos, su versión más precisa gastó 5.431 dólares por caso, por encima de los 4.725 de los médicos y una configuración más barata llegó al 80,9 % con 2.241 dólares. Todos los autores trabajan para Microsoft. El siguiente paso es un estudio en el Beth Israel Deaconess Medical Center de Boston, donde los pacientes que acepten usarán el sistema durante su atención habitual para comparar sus conclusiones con las de sus médicos.
