ИИ в медицине ставит диагноз в 83% случаев против 36% у врачей: данные Microsoft в Science

Результаты опубликованы на фоне гонки: Google в том же месяце выложила собственное клиническое исследование диагностического ИИ AMIE в журнале The Lancet. Microsoft, Google и OpenAI теперь одновременно заявляют, что их модели способны работать на уровне врачей или лучше. Источник данных и цитат ниже: публикация TechCrunch.

Что именно измеряли?

Система MAI-DxO (сокращение от MAI-Diagnostic Orchestrator) координирует несколько ИИ-агентов (автономных программ, которые действуют без постоянных команд пользователя). Агенты работают как консилиум: один опрашивает «пациента», другой назначает анализы, третий спорит с коллегами о диагнозе.

Тест проводили на сложных клинических загадках из журнала New England Journal of Medicine. Это случаи, над которыми в реальной практике работают узкие специалисты или целые бригады, а не один терапевт.

Врачей-терапевтов сравнивали поодиночке, со справочной литературой под рукой. Специалисты и врачебные команды в сравнении не участвовали, и это принципиальная оговорка, о которой ниже.

Три главных вывода из данных

• Разрыв на сложных случаях велик, но сравнение неравное. 83% у ИИ против 36% у терапевтов. Однако терапевты работали поодиночке, а система фактически имитировала консилиум. Узкие специалисты, которые и ведут такие случаи в жизни, в тест не попали.
• Основной прирост дают сами модели, а не надстройка. GPT-5 без MAI-DxO выдавала 78,9% на тех же задачах. Надстройка добавила около четырёх процентных пунктов. С GPT-5.5 прирост от надстройки был больше: с 72% до почти 87%. На случаях из приёмного отделения разница между моделью «соло» и моделью с MAI-DxO практически исчезала.
• Слабым моделям оркестратор помогает сильнее. Gemini 2.5 Flash прыгнул с 46,4% до почти 69%. Но даже с надстройкой слабая модель не догнала сильную модель без неё. Разрыв между поколениями моделей оказался важнее, чем вклад MAI-DxO.

Что дальше: клиника в Бостоне и модель с Mayo Clinic

Microsoft объявила о партнёрстве с медицинским центром Beth Israel Deaconess в Бостоне. Там MAI-DxO будут тестировать на реальных пациентах. Схема такая: пациент проходит стандартное лечение, а параллельно, с его согласия, случай обрабатывает MAI-DxO. Рекомендации системы потом сравнят с решениями врачей.

Доминик Кинг, вице-президент по здравоохранению в Microsoft AI, назвал это потенциально крупнейшим исследованием такого рода. Оно охватит не только приёмные отделения, но и амбулаторную срочную помощь.

Отдельно Мустафа Сулейман, глава Microsoft AI, рассказал TechCrunch о совместной работе с клиникой Mayo Clinic над базовой моделью для здравоохранения. Релиз запланирован на следующий год.

«Я действительно верю, что в 2027 году мы будем на пороге прорыва уровня кодинга, но для медицинских записей. Мы сможем в потоке выдавать точные прогнозы того, как может развиваться история болезни, и для клинициста такое предвидение на вес золота.» : Мустафа Сулейман, глава Microsoft AI, в интервью TechCrunch

Сулейман ожидает, что медицинские модели станут «на порядок лучше по возможностям в ближайшие 24-36 месяцев». Он сравнивает путь с тем, что произошло в кодинге и чат-ботах: как только модель попадает в продакшен и начинает получать реальные данные, запускается цикл улучшений.

Что это значит для вас?

Авторам Дзена, пишущим о здоровье. ИИ в медицине перестаёт быть абстрактной темой. Появились конкретные цифры из рецензируемого журнала, а не из блогов. Это материал для разборов с проверяемыми фактами. Но честно предупреждайте аудиторию: 83% получены в симуляции, на отборных сложных случаях, без сравнения с профильными врачами.

Маркетологам в медицинской нише. Тема «ИИ-диагност» будет расти в поисковом спросе. Контент вокруг ИИ в медицине уже сейчас набирает охваты, но важно не перегибать: «ИИ лучше врача» без контекста это кликбейт, который подрывает доверие.

Предпринимателям в РФ. MAI-DxO недоступна в России, как и GPT-5/GPT-5.5. Из российских решений в сфере ИИ в медицине работают сервисы на базе моделей Сбера (GigaChat), Яндекса (YandexGPT) и специализированные системы вроде платформы «Цельс» для анализа медицинских изображений. До диагностических агентов уровня MAI-DxO им далеко, но направление задано.

Клиническое испытание в Бостоне станет первой настоящей проверкой. Если MAI-DxO покажет сопоставимые результаты на живых пациентах, а не на журнальных загадках, разговор о применении ИИ в медицине перейдёт из плоскости исследований в плоскость регулирования. Пока же это сильная научная публикация, но не готовый продукт.

По данным TechCrunch