New England Journal of Medicine архивіндегі күрделі диагностикалық жағдайларда Microsoft-тың жасанды интеллект жүйесі ауруды 83% жағдайда дәл тапты. Сол тарихтарды қолға алған терапевт-дәрігерлер үш есе нашар нәтиже көрсетті — тек 36%. Бұл жолы сандар компанияның блогынан емес, Science журналынан алынды — ол әлемдегі ең қатаң рецензиядан өткізетін ғылыми баспасөздердің бірі.
Жүйе MAI-DxO деп аталады — бұл жеке модель емес, бірнеше ЖИ-ді дәрігерлер консилиумы сияқты бір-бірімен дауластыратын оркестратор. Біреуі диагноз болжамын ұсынады, екіншісі оны симптомдарға сәйкестендіреді, үшіншісі топ түпкілікті шешімге келмес бұрын қосымша талдау жасауды талап етеді. Сынаққа OpenAI-дың GPT-5 және GPT-5.5, Google-дің Gemini 2.5 Flash, сонымен қатар Anthropic, Meta және DeepSeek модельдері қатысты.
Модельдер арасындағы айырмашылық айтарлықтай болды. GPT-5.5 жеке өзі 72% дәлдік көрсетті, ал оркестратор ішінде 87%-ға дейін өсті — әрі артық талдауларды қысқартып, әр жағдайға шамамен 3000 доллар үнемдеді. Gemini 2.5 Flash 46,4%-тен 69%-ке дейін өсті. GPT-5 болса небәрі төрт пайыздық тармаққа ғана жақсарды — бұл оркестрация барлық модельге бірдей көмектеспейтінін көрсетеді.
Microsoft AI басшысы Мустафа Сулейман бұл нәтижені «медициналық супержасанды интеллектке» қадам деп атады — ЖИ-дің ең мықты адами медициналық топтардан да диагноз қою мен емдеуді үйлестіруде асып түсу қабілеті. Бұл үлкен мәлімдеме, бірақ зерттеудің өзінде маңызды ескертпе бар: салыстыру тобы жалпы терапевттер болды, әдетте осындай күрделі жағдайларды қарайтын тар мамандар немесе толық консилиумдар емес. Жедел жәрдем түріндегі жағдайларда ЖИ ешқандай елеулі артықшылық көрсетпеді.
Қазірше бұл нақты науқастармен емес, аурудың жазбаша сипаттамасымен жасалған зертханалық симуляция. Келесі қадам — нақты сынақ: Microsoft Beth Israel Deaconess медициналық орталығымен MAI-DxO жүйесін науқастардың келісімімен нақты жедел жәрдем жағдайында тексеруге келісті. Ауру тарихы бойынша диагноз болжау мен адамды нақты тексеріп, шешімді сол жерде қабылдайтын шынайы клиника арасындағы айырмашылық 83% пен 36% арасындағы айырмашылықтан да үлкен болып шығуы мүмкін.


