ИИ-консилиум Microsoft ставит сложные диагнозы точнее врачей

MAI-DxO (Microsoft AI Diagnostic Orchestrator) — надстройка над языковыми моделями, которая работает как консилиум врачей. Внутри несколько ИИ-агентов с разными ролями. Один предлагает возможные диагнозы, другой с ним спорит, третий решает, стоит ли назначать дорогой анализ. Впервые Microsoft показала систему летом 2025 года в препринте, теперь работа прошла рецензию в Science.

MAI-DxO ведёт приём шаг за шагом

Для проверки Microsoft построила тест SDBench. Он превращает описание клинического случая в имитацию приёма. Система сначала получает только короткую жалобу пациента, а остальное узнаёт сама:

• Жалоба → короткое описание, с которым пришёл пациент
• Вопросы → MAI-DxO расспрашивает о симптомах и истории болезни
• Анализы → каждое обследование стоит денег и добавляет данные
• Диагноз → ответ сверяют с тем, что было поставлено в реальности

Так же проверяли и врачей. Они работали поодиночке и могли пользоваться справочниками. Сложные случаи взяли из New England Journal of Medicine (NEJM), одного из ведущих медицинских журналов, где регулярно разбирают редкие и запутанные истории болезни.

Цифры MAI-DxO против врачей

В исследовании два набора случаев, и разрыв между MAI-DxO и врачами в них разный:

• 304 сложных случая из NEJM → 83% у MAI-DxO, 36% у врачей
• 325 случаев из приёмного отделения бостонской клиники Beth Israel → 80% у MAI-DxO, 47% у врачей

Лучшие результаты MAI-DxO показал в паре с GPT-5 и GPT-5.5 от OpenAI . Сама по себе GPT-5.5 справилась со сложными случаями на 72%, с надстройкой — почти на 87%. Младшая Gemini 2.5 Flash выросла с 46,4% до примерно 69%. На случаях из приёмного отделения надстройка почти ничего не добавила, GPT-5.5 набрала около 85% и с ней, и без неё.

Microsoft считала и деньги. По оценке компании, GPT-5 без надстройки тратит на обследования сложного пациента около 8400 долларов, с MAI-DxO — примерно на 3000 долларов меньше. Стоимость рассчитана по единой условной методике, реальные больничные счета в исследовании не использовались.

Из таблиц видно, что большую часть прироста даёт сама модель. Надстройка заметно помогает слабым моделям и на сложных случаях, а сильной модели на простых почти ничего не добавляет. Новейшие модели вроде GPT-6 в исследование не вошли.

Где исследование MAI-DxO расходится с реальной клиникой

У исследования MAI-DxO есть заметные ограничения:

• Случаи из журнала → их описывают задним числом и отбирают ради учебной ценности
• Соперники-терапевты → такие случаи обычно ведут профильные специалисты и консилиумы, их с MAI-DxO не сравнивали
• Авторы → все 15 соавторов работают в Microsoft

Тест не показывает, как система ведёт себя с обычными жалобами, неполными данными и состоянием пациента, которое меняется на глазах. Глава Microsoft AI Мустафа Сулейман сам признаёт, что перед работой с пациентами систему нужно проверить в клинике.

Следующий шаг для MAI-DxO — больница в Бостоне

Microsoft начинает испытания MAI-DxO вместе с Beth Israel Deaconess Medical Center. Пациенты получают обычную помощь в приёмном и неотложном отделениях. Те, кто согласится, дополнительно общаются с системой, а её рекомендации потом сравнят с решениями врачей.

«Эта технология готова к проверке в реальных условиях»,

- сказал Доминик Кинг, вице-президент Microsoft AI по здравоохранению.

Параллельно Microsoft вместе с клиникой Мэйо обучает отдельную медицинскую модель и обещает выпустить её в следующем году. Google идёт похожим путём. Её система AMIE уже прошла исследование с той же Beth Israel на приёмах в неотложной помощи, под наблюдением врачей.

Пользоваться MAI-DxO пока нельзя. Ни даты выхода, ни цены Microsoft не назвала, и врачу или пациенту попробовать систему негде.

От «медицинского суперинтеллекта» до клиники далеко

Сулейман называет результат шагом к «медицинскому суперинтеллекту» и ждёт, что медицинские модели станут на порядок лучше за два-три года. Пока за громким словом стоит хорошо проведённая симуляция на архивных случаях.

Настоящая проверка — испытание в Бостоне. Если MAI-DxO и там будет предлагать верные решения чаще врачей и не назначать лишних анализов, разговор о консилиуме из ИИ-агентов перейдёт из журнала в больничные регламенты.