На складних діагностичних випадках із архіву New England Journal of Medicine система штучного інтелекту Microsoft вгадала хворобу у 83% випадків. Лікарі-терапевти, яким дали ті самі історії, впоралися втричі гірше — лише 36%. Цифри цього разу не з блогу компанії: вони опубліковані в Science, одному з найвимогливіших рецензованих журналів у світі.
Систему назвали MAI-DxO — це не окрема модель, а оркестратор, який змушує кілька ШІ сперечатися між собою, як консилium лікарів. Один висуває гіпотезу, другий перевіряє її на відповідність симптомам, третій наполягає на додатковому аналізі, перш ніж команда погоджує остаточний діагноз. У тесті брали участь GPT-5 і GPT-5.5 від OpenAI, Gemini 2.5 Flash від Google, а також моделі Anthropic, Meta і DeepSeek.
Різниця між моделями виявилася помітною. GPT-5.5 сам по собі показував 72% точності, а всередині оркестратора піднімався до 87% — і заощаджував близько 3000 доларів на випадок за рахунок меншої кількості зайвих аналізів. Gemini 2.5 Flash зросла з 46,4% до 69%. GPT-5 додав лише близько чотирьох відсоткових пунктів — ознака того, що оркестрація допомагає не всім моделям однаково.
Керівник Microsoft AI Мустафа Сулейман назвав результат «кроком до медичного суперінтелекту» — здатності ШІ перевершити навіть найсильніші людські медичні команди у постановці діагнозу. Заява голосна, але саме дослідження містить суттєве застереження: ШІ порівнювали з лікарями-терапевтами загального профілю, а не з вузькими спеціалістами чи цілими консиліумами, які зазвичай і розбирають такі складні випадки. На випадках із приймального відділення ІІ помітної переваги не показав зовсім.
Поки це лабораторна симуляція на текстових описах хвороб, а не робота з живими пацієнтами. Наступний крок — Microsoft домовилася з медичним центром Beth Israel Deaconess про перевірку MAI-DxO в реальних умовах невідкладної допомоги, за згодою пацієнтів. Різниця між вгадуванням діагнозу за історією хвороби та реальною клінікою, де потрібно фізично оглянути людину й ухвалювати рішення на ходу, може виявитися значно більшою, ніж різниця між 83% і 36%.


