Según un estudio publicado el jueves en Science, el sistema de diagnóstico de IA de Microsoft diagnosticó correctamente casos médicos complejos en una simulación más del doble que lo hacían los médicos generalistas. Mustafa Suleyman, CEO de Microsoft AI, calificó este resultado como un paso hacia “superinteligencia médica”.
El sistema, denominado MAI-DxO (abreviado DxO), coordina varios agentes de IA que actúan como un grupo de médicos. Ellos interrogan al paciente, ordenan pruebas y debaten la diagnosis.
En una simulación que utilizó casos complejos del New England Journal of Medicine, fue correcto el 83% de las veces. Los médicos de atención primaria y los internistas generales, que trabajaban individualmente con materiales de referencia, fueron correctos en el 36% de las ocasiones. Una nota: los casos tan complejos suelen ser manejados por especialistas o equipos de médicos, quienes no formaron parte de la comparación.
“Hay algo muy importante y emocionante aquí”, dijo Dominic King, vicepresidente de Salud en Microsoft AI, a TechCrunch. “El mayor desafío en la prestación de atención médica en este momento es el creciente desfase entre la demanda y la oferta de experiencia médica”.
En publicar estos resultados, Microsoft se une a Google y OpenAI para afirmar que su propio AI puede igualar o superar a los médicos.
Los datos del estudio indican que gran parte de la mejora proviene de modelos de IA subyacentes más potentes, y el sistema de orquestación de Microsoft agrega aún más beneficios.
Microsoft probó MAI-DxO con modelos de varias compañías, incluyendo OpenAI, Google, Anthropic, Meta y DeepSeek, pero los mejores resultados se obtuvieron con GPT-5 y GPT-5.5 de OpenAI.
inspirados con un prompt de referencia entre diferentes grandes modelos de lenguaje.Credenciales de las imágenes:Microsoft AI
Microsoft midió DxO en términos de costo y precisión, es decir, el costo estimado para ejecutar la IA en cada caso. Solo con un prompt breve y básico, GPT-5 obtuvo un 78.9% en casos complejos por unos 8,400 dólares por caso. DxO redujo ese costo en aproximadamente 3,000 dólares, pero aumentó la precisión en solo unos cuatro puntos. En los casos del departamento de emergencias, hubo poco mejoramiento en ni la precisión ni en el costo entre GPT-5 por sí mismo y con la ayuda de DxO.
Con GPT-5.5, un modelo más nuevo lanzado en abril de 2026, los resultados se dividieron. En casos complejos, DxO aumentó la puntuación de precisión de GPT-5.5 de 72% a casi 87%, pero a un costo ligeramente menor. Sin embargo, los beneficios no se observaron nuevamente en casos en los servicios de emergencia. Ambos (con y sin DxO) obtuvieron aproximadamente el 85% de puntuación, a un costo similar.
DxO ayuda más en casos complejos y con modelos de IA menos capaces. Por ejemplo, Gemini 2.5 Flash obtuvo un 46.4% por sí mismo, pero casi un 69% con DxO. Aun así, la diferencia entre los modelos más débiles y los más fuertes era mayor que el aumento que proporciona DxO.
Los investigadores de Microsoft dijeron que los incrementos en precisión disminuyen naturalmente a medida que los modelos se acercan al máximo teórico. “La orquestación de DxO ayuda en el desafío más amplio de la optimización, tanto en precisión como en costos”, añadió un portavoz.
Suleyman, quien lidera los esfuerzos de Microsoft para desarrollar su propia inteligencia artificial de vanguardia, le dijo a TechCrunch que la compañía está trabajando con Mayo Clinic para entrenar un modelo fundamental para el sector de la salud, con una liberación planeada para el próximo año. Cree que este modelo permitirá a la compañía “lograr avances realmente significativos en este campo”, y dice que DxO forma parte de la infraestructura fundamental que Microsoft está construyendo para lograr verdaderos avances en el sector de la salud.
“Creo realmente que en 2027 estaremos al borde de un avance en el estilo de codificación para los registros médicos”, dijo Suleyman. “Creo que podremos transmitir predicciones muy precisas sobre cómo se desarrollarán los registros médicos, y obviamente ese tipo de visión anticipada para un clínico es como oro en polvo”.
Suleyman ha dedicado su carrera a intentar utilizar la IA para resolver problemas médicos. Anteriormente fue cofundador de DeepMind, que fue adquirida por Google en 2014. Al año siguiente, Google DeepMind adquirió Hark, una aplicación de gestión de tareas clínicas, startup de King, y ambos lanzaron DeepMind Health juntos. Suleyman se unió a Microsoft para dirigir su unidad de IA en 2024, y King lo siguió unos meses después.
“Solo somos creyentes sinceros”, dijo Suleyman.
Dijo que, aunque el uso de la IA generativa en el sector de la salud está aún en una etapa temprana, espera que los modelos de salud mejoren “en una orden de magnitud con respecto a su capacidad dentro de los próximos 24 a 36 meses”.
“Como hemos visto varias veces en los últimos cinco o seis años, el progreso ocurre muy rápidamente una vez que se tiene un volante,” dijo Suleyman. “Un volante significa que tenemos un modelo en producción con el que iteramos usando la realidad, para identificar deficiencias en el modelo y luego corregirlas y mejorarlo. Eso es lo que ha ocurrido en el desarrollo de código. Eso también ocurría en los chats antes de esto.” Y creo que el próximo año comenzará a ocurrir esto en los registros médicos y en el apoyo a las decisiones clínicas.
A través de una nueva colaboración con el Beth Israel Deaconess Medical Center en Boston, Microsoft evaluará las capacidades de razonamiento clínico de DxO en diferentes entornos hospitalarios.
“Esta tecnología está lista para evaluaciones en el mundo real, y se puede imaginar la complejidad y diversidad de los problemas que surgen en un departamento de emergencias de Boston una tarde de viernes”, dijo King.
Explicó cómo funcionaría el estudio: los pacientes recibirán un tratamiento estándar, que incluye triaje, tiempo con un especialista, tratamientos, estudios y una decisión sobre si es seguro darles alta. Paralelamente, aquellos que consienten también interactuarán con DxO. Microsoft y sus socios compararán las recomendaciones de DxO con las del médicos humanos.
Google publicó un estudio clínico junto con Beth Israel en The Lancet este mes para evaluar la inteligencia artificial de diagnóstico conversacional AMIE de Google en visitas de atención urgente en el mundo real, mientras que médicos humanos monitoreaban las interacciones en tiempo real.
“Creemos que este será el estudio más grande de su tipo”, dijo King. “Se llevará a cabo no solo en entornos de emergencia, sino también en ambientes de atención médica urgente, y nos proporcionará evidencia muy convincente para saber si estos sistemas pueden ser implementados a una escala mayor en el futuro”.
El estudio de Microsoft publicado en Science coincide con un tipo de manifiesto sobre lo que se necesita para construir una superinteligencia médica, definida como “la capacidad de superar a los sistemas de salud humanos contemporáneos más fuertes en el razonamiento médico y la coordinación a lo largo de todo el proceso de cuidado”. Microsoft espera ir más allá del benchmarking de tareas individuales — como responder preguntas en exámenes médicos y generar diagnósticos — para integrarse con clínicos y sistemas de atención médica con el fin de obtener mejores resultados.
“Esta es la clase de tecnología que todos en el mundo desea, y por eso estamos comprometidos con hacer todo lo posible para acelerar su introducción en el mundo”, dijo Suleyman, añadiendo que este enfoque podría ser un diferenciador para Microsoft en comparación con los otros laboratorios de vanguardia.
Microsoft ya vende herramientas de dictado y de radiología a los médicos, y considera a DxO como una expansión de esos esfuerzos.
“Tenemos que tener los productos de soporte de decisión clínica médica más avanzados del mundo en los próximos años”, dijo Suleyman.