Microsoftov MAI-DxO ostvario 83% na složenim medicinskim slučajevima
Microsoft je u studiji objavljenoj u časopisu Science saopštio da je njegov AI sistem MAI-DxO tačno rešio 83% složenih simuliranih medicinskih slučajeva iz časopisa New England Journal of Medicine. Lekari primarne zdravstvene zaštite i opšti internisti, koji su radili pojedinačno uz referentne materijale, ostvarili su 36% tačnosti. Microsoft AI sistem opisuje kao korak ka „medicinskoj superinteligenciji“.
MAI-DxO koordinira više AI agenata koji oponašaju panel lekara: postavljaju pitanja pacijentu, nalažu testove i razmatraju dijagnozu. Rezultat zato ne treba tumačiti kao direktno poređenje sa svim kliničkim praksama, jer specijalisti i lekarski timovi, koji uobičajeno rešavaju najteže slučajeve, nisu bili uključeni u uporednu grupu.
Modeli nose najveći deo rezultata
Microsoft je MAI-DxO testirao uz modele kompanija OpenAI, Google, Anthropic, Meta i DeepSeek. Najbolji rezultati zabeleženi su uz OpenAI GPT-5 i GPT-5.5. Podaci iz studije ukazuju da snažniji osnovni modeli daju najveći deo poboljšanja, dok orkestracija kroz DxO dodaje dodatne dobitke u tačnosti i trošku rada po slučaju.
GPT-5 je sa osnovnim, kratkim upitom rešio 78,9% složenih slučajeva uz procenjeni trošak od oko 8.400 dolara po slučaju. DxO je taj trošak smanjio za približno 3.000 dolara, a tačnost podigao za oko četiri procentna poena. Kod slučajeva iz hitne službe razlike u tačnosti i trošku između samostalnog GPT-5 i verzije uz DxO bile su male.
Za GPT-5.5, DxO je na složenim slučajevima podigao rezultat sa 72% na gotovo 87%, uz neznatno niži trošak. Međutim, na slučajevima iz hitne službe oba pristupa dostigla su približno 85% uz sličan trošak. Orkestracija je izraženije pomogla slabijim modelima: Gemini 2.5 Flash je sa 46,4% bez DxO stigao na gotovo 69% uz taj sistem.
Sledi provera u bolničkom okruženju
Microsoft će kroz partnerstvo sa Beth Israel Deaconess Medical Center u Bostonu procenjivati kliničko rezonovanje DxO u različitim bolničkim okruženjima. Pacijenti će dobijati uobičajenu negu, uključujući trijažu, pregled specijaliste, lečenje i odluku o otpustu, dok će pacijenti koji pristanu paralelno komunicirati i sa sistemom DxO. Zatim će se porediti njegove preporuke sa odlukama lekara.
Kompanija sa Mayo Clinic razvija osnovni model za zdravstvo čije je predstavljanje planirano za narednu godinu. Ovaj potez dolazi dok Microsoftovo nadmetanje sa OpenAI i Anthropic pokazuje da Microsoft istovremeno širi nadmetanje sa OpenAI i Anthropic na tržištu poslovne veštačke inteligencije.
Poslovni zaključak
Za zdravstvene organizacije ključna vrednost narednih testova neće biti samo rezultat na simuliranom skupu, već poređenje preporuka AI sistema sa standardnim tokom zbrinjavanja pacijenata. Uvođenje ovakvih alata u kliničku podršku odlučivanju zahteva merenje učinka u konkretnom radnom okruženju, uz jasno razgraničenu ulogu stručnjaka koji donose odluke o lečenju.