A Microsoft által fejlesztett MAI‑DxO (röviden DxO) nevű diagnosztikai rendszer a Science folyóiratban megjelent tanulmány szerint a New England Journal of Medicine összetett, szimulált eseteken 83%-os találati arányt ért el — több mint kétszer olyan jó eredményt, mint amit egyéni általános orvosok és belgyógyászok könyveltek el ugyanazon feladatban (36%). A tanulmány eredményeit a Microsoft csütörtökön publikálta.
Hogyan működik a DxO
A MAI‑DxO nem egyetlen modell, hanem több mesterséges intelligencia‑ügynök összehangolására épülő rendszer, amely a vizsgált esetet úgy kezeli, mintha orvosi szakértői panel lenne: kérdéseket tesz fel a betegnek, rendel vizsgálatokat és vitatja meg a diagnózist. A Microsoft szerint az orchestration (összehangolás) réteg javítja az eredményeket és a költséghatékonyságot a mögöttes nyelvi modellekhez képest.
Pontosság és költségadatok a tanulmányból
- A DxO a legösszetettebb, New England Journal of Medicine‑ből vett eseteken 83%-os helyességet ért el; az általános orvosok és háziorvosok egyedül, hivatkozási anyagok használatával 36%-ot.
- Egyetlen rövid alapprompttal futtatott OpenAI GPT‑5 önmagában 78,9%-ot ért el az összetett eseteken, nagyjából 8 400 dollár körüli költséggel per eset. DxO alkalmazása mintegy 3 000 dolláros megtakarítást és hozzávetőleg négy százalékpontnyi javulást hozott ezen a konfiguráción.
- GPT‑5.5‑tel (egy újabb modell, amelyet a tanulmány szerint 2026 áprilisában adtak ki) a teljesítmény megoszlott: összetett eseteknél a DxO a GPT‑5.5 pontosságát 72%-ról majdnem 87%-ra emelte, miközben a költség enyhén csökkent; sürgősségi osztályos eseteknél viszont nem volt lényeges különbség: mindkettő, DxO‑val és anélkül is, nagyjából 85%-on teljesített hasonló költség mellett.
- Gyengébb modelleknél nagyobb volt a javulás: például Gemini 2.5 Flash önmaga 46,4%-ot ért el, de DxO‑val majdnem 69%-ra nőtt az eredmény. Ugyanakkor a Microsoft kutatói megjegyezték, hogy a modellek közötti különbség általában nagyobb, mint amit az orchestration hozzáad.
A kutatók rámutattak, hogy a pontosságjavulás természeténél fogva csökken, ahogy a modellek közelednek az elméleti maximumhoz. A DxO szerepe szerintük az, hogy egyensúlyt teremtsen a pontosság és a költség optimalizálása között.
Modellek és partnerek
A Microsoft több vállalat modelljeit is tesztelte, köztük az OpenAI, Google, Anthropic, Meta és DeepSeek rendszereit; a legjobb eredményeket az OpenAI GPT‑5 és GPT‑5.5 mellett érte el a DxO. Mustafa Suleyman, a Microsoft AI vezetője a TechCrunchnak azt mondta, hogy az eredmény lépés a „medical superintelligence” irányába.
A vállalat közölte, hogy együttműködik a Mayo Clinic-kel egy egészségügyi alappalmodellen (foundation model) dolgozva, amelyet a tervek szerint a jövő évben adnak ki. Emellett a Beth Israel Deaconess Medical Centerrel közösen terveznek valós klinikai értékeléseket, amelyeket különböző kórházi környezetekben fognak lefolytatni; ezekben a páciensek a szokásos ellátásban részesülnek, de akik hozzájárulnak, párhuzamosan interakcióba lépnek a DxO‑val, és a Microsoft összehasonlítja a rendszert az emberi orvosok döntéseivel.
Összehasonlítás más cégekkel és jövőbeli kilátások
A Microsoft eredményei egybeesnek azzal az iparági tendenciával, hogy a Google és az OpenAI is azt állítja, rendszereik orvosokkal vetekedő vagy azokat meghaladó teljesítményre képesek bizonyos feladatokban. Google nemrég a Beth Israellel közösen a The Lancet‑ben publikált egy klinikai vizsgálatot a Google AMIE interaktív diagnosztikai rendszeréről valós sürgősségi ellátásban.
Dominic King, a Microsoft AI egészségügyi alelnöke a TechCrunch‑nak hangsúlyozta, hogy a legnagyobb gond a betegellátásban a szakértelem növekvő hiánya a kereslethez képest, és szerinte a DxO‑hoz hasonló rendszerek segíthetnek ezt a szakadékot csökkenteni. A Microsoft ambíciója túlmutat az egyes feladatok mérésén; a cég a klinikusokkal és egészségügyi rendszerekkel való integrációban látja a valódi előrelépést.
Vezetői álláspontok
Mustafa Suleyman elmondta, hogy a generatív MI egészségügyi alkalmazása még korai fázisban van, de szerinte a képességek 24–36 hónapon belül nagyságrendileg javulhatnak. Hozzátette, hogy 2027‑re a betegadatokkal (medical records) kapcsolatos „kódolási stílusú” áttörésre számít, amely lehetővé teszi a nagy pontosságú előrejelzéseket a betegút alakulásáról, ami szerinte rendkívül értékes a klinikusok számára.
Suleyman pályafutását is érintette a beszélgetés: korábban a DeepMind társalapítója volt, majd 2024‑ben csatlakozott a Microsofthoz, amelyben Dominic King is követőként vett részt. Mindketten azt hangsúlyozzák, hogy elkötelezettek az orvosi MI fejlesztése mellett, és a Microsoft már ma is kínál orvosoknak diktálási és radiológiai eszközöket, amelyeket a DxO‑hoz hasonló megoldásokkal kívánnak kiterjeszteni.
Következő lépések
A Microsoft szerint a következő időszakban a valós környezetben végzett, többhelyszínes klinikai vizsgálatok adják majd meg a döntő bizonyítékot arra, hogy az ilyen rendszerek szélesebb körben alkalmazhatók‑e. Dominic King úgy fogalmazott: a Bostonban egy péntek esti sürgősségi osztály komplexitása és változatossága erősen alkalmas lesz arra, hogy a DxO gyakorlati alkalmazhatóságát felmérjék.
A tanulmány és a kapcsolódó együttműködések a Microsoft stratégiai célját tükrözik: nemcsak benchmarkokat akar állítani, hanem az egészségügyi rendszerekkel és klinikusokkal együttműködve jobb betegkimeneteleket elérni.
