El sistema de coordinación de diagnóstico médico de Microsoft registró una precisión del 83 % en el diagnóstico de casos médicos complejos frente al 36 % de los médicos generales en un estudio publicado en la revista Science, en un paso descrito por Mustafa Suleyman como un avance hacia la súper inteligencia médica.
Resultados destacados en la revista Science y el concepto de súper inteligencia médica
Mecanismo de funcionamiento de los agentes de diagnóstico y límites de la comparación con los médicos
Del borrador de investigación a los ensayos clínicos en el Hospital Beth Israel
Asociación con Mayo Clinic y expansión en los sistemas de apoyo a la decisión médica
Preguntas frecuentes
Resultados destacados en la revista Science y el concepto de súper inteligencia médica
El sistema de diagnóstico médico impulsado por inteligencia artificial de Microsoft logró resolver y diagnosticar correctamente el 83 % de los casos patológicos complejos extraídos de los registros de «The New England Journal of Medicine» durante una prueba de simulación científica. En contraste, los médicos generales a quienes se les permitió consultar referencias médicas obtuvieron una tasa de respuestas correctas de apenas el 36 %, según un estudio científico revisado por pares publicado el jueves 22 de octubre en la prestigiosa revista «Science».
Mustafa Suleyman, director ejecutivo de inteligencia artificial en Microsoft, calificó este resultado como un paso importante hacia la consecución de lo que denominó «súper inteligencia médica». Sin embargo, Suleyman enfatizó que la herramienta aún no ha demostrado su eficacia en pacientes reales dentro de la práctica clínica, y declaró al medio tecnológico The Verge: «Necesita validación clínica, y este es un gran salto, pero lo logrado representa un hito fundamental en ese recorrido».
Mecanismo de funcionamiento de los agentes de diagnóstico y límites de la comparación con los médicos
El sistema, denominado «Mai-DxO», coordina el trabajo de múltiples agentes de inteligencia artificial que colaboran entre sí como un comité de médicos, planteando preguntas al paciente, solicitando pruebas de laboratorio y discutiendo para llegar al diagnóstico preciso. Los médicos que trabajaron sin referencias externas registraron alrededor de un 22 % en los mismos casos. En situaciones de urgencias médicas extraídas de los registros de admisión en el «Beth Israel Deaconess Medical Center», el sistema registró una precisión del 80 %, en comparación con un promedio del 47 % para los médicos humanos, logrando habitualmente esto con un costo estimado menor para las pruebas requeridas.
No obstante, esta comparación conlleva limitaciones metodológicas; dado que los casos de este nivel de complejidad son atendidos en la realidad por médicos especialistas o equipos médicos integrados, ninguna de las dos categorías fue incluida en la comparación. Asimismo, los datos del propio estudio indican que la mayor parte de las ganancias provienen de los modelos fundamentales de inteligencia artificial subyacentes al sistema; la ejecución exclusiva del modelo «GPT-5» con una instrucción simple registró un 78.9 % en los casos complejos, y la adición del coordinador «Mai-DxO» aumentó la precisión en unas cuatro puntos porcentuales, reduciendo al mismo tiempo el costo estimado en unos 3000 dólares por caso. En las situaciones de urgencia, el coordinador aportó poco al modelo potente, pero ayudó significativamente a los modelos más débiles, haciendo que el rendimiento del modelo «Gemini 2.5 Flash» de Google pasara del 46.4 % a cerca del 69 %, teniendo en cuenta que el documento no probó los modelos frontera más recientes.
Del borrador de investigación a los ensayos clínicos en el Hospital Beth Israel
Microsoft había descrito por primera vez el sistema «Mai-DxO» en junio de 2025, indicando en ese momento que el sistema había diagnosticado hasta el 85.5 % de los casos de prueba estándar, frente al 20 % de unos 21 médicos que operaban sin fuentes externas, resultados que se publicaron entonces en un borrador de investigación antes de someterse a revisión por pares. Microsoft planea ahora publicar su estándar de prueba «SD-Bench» como código abierto.
El siguiente paso consiste en llevar a cabo un estudio clínico de campo en el Hospital Beth Israel, donde los pacientes recibirán la atención médica estándar habitual, mientras que aquellos que acepten participar también interactuarán con el sistema «Mai-DxO» para comparar sus recomendaciones con las decisiones de los médicos tratantes. Dominic King, vicepresidente de salud por inteligencia artificial en Microsoft, declaró a TechCrunch: «Creemos que este será el mayor estudio de su tipo», estimando que comience «en los próximos meses», sin que la empresa haya fijado una fecha para el lanzamiento comercial de la herramienta.
Asociación con Mayo Clinic y expansión en los sistemas de apoyo a la decisión médica
Mustafa Suleyman reveló que Microsoft se encuentra trabajando actualmente en colaboración con la prestigiosa institución médica Mayo Clinic para desarrollar un modelo fundacional para la salud, cuyo lanzamiento está previsto para el próximo año.
Esta orientación sitúa a Microsoft en competencia directa junto a Google y OpenAI, las cuales también han anunciado que sus sistemas son capaces de igualar o superar a los médicos en las pruebas de diagnóstico. Suleyman concluyó sus declaraciones afirmando: «Debemos contar con los mejores productos de apoyo a la decisión clínica médica de la historia en los próximos años».
Preguntas frecuentes
Pregunta: ¿Qué resultado obtuvo el sistema Mai-DxO de Microsoft en el estudio de la revista Science?
Respuesta: El sistema logró diagnosticar el 83 % de los casos complejos de The New England Journal of Medicine en comparación con el 36 % de los médicos generales que utilizaron referencias y el 22 % de los médicos sin referencias, registrando además un 80 % en casos de urgencias frente al 47 % de los médicos.
Pregunta: ¿Cómo funciona el sistema Mai-DxO en el diagnóstico de casos patológicos?
Respuesta: El sistema coordina el trabajo de varios agentes de inteligencia artificial que operan como un comité de médicos que formulan preguntas, solicitan pruebas y debaten para alcanzar el diagnóstico, reduciendo el costo estimado en unos 3000 dólares por caso.
Pregunta: ¿Cuáles son las limitaciones científicas señaladas por el estudio al comparar el sistema con los médicos?
Respuesta: El estudio explicó que los casos complejos suelen ser tratados por médicos especialistas o equipos médicos que no fueron incluidos en la comparación, y que la ejecución en solitario del modelo GPT-5 alcanzó una precisión del 78.9 %.
Pregunta: ¿Cuál es el siguiente paso para verificar la eficacia del sistema en pacientes reales?
Respuesta: Microsoft iniciará en los próximos meses un estudio clínico en el Beth Israel Deaconess Medical Center para comparar las recomendaciones del sistema con las decisiones de los médicos, en paralelo con el desarrollo de un modelo fundacional de salud junto a Mayo Clinic.
