Microsoft'un MAI-DxO sistemi karmaşık vakalarda doktorları geride bıraktı

Microsoft AI, yeni tanı sistemini MAI-DxO (DxO) olarak adlandırdı ve birden fazla yapay zeka ajanının doktor paneli gibi çalışmasını sağladı. Sistem, hastayı sorguluyor, testler istiyor ve tanı üzerine tartışıyor. New England Journal of Medicine'den seçilen karmaşık vakalarla yapılan bir simülasyonda %83 doğruluk elde ederken, tek başına referans materyallerle çalışan birinci basamak hekimleri ve genel internistlerin doğruluk oranı sadece %36 idi. Bu vakalar genellikle uzman doktorlar ya da ekipler tarafından ele alınır; karşılaştırmada bu grup yer almadı.

MAI-DxO'nun başarısının büyük kısmının, altında yatan daha güçlü büyük dil modellerinden (LLM) geldiği, orkestrasyon katmanının ise ek bir iyileştirme sağladığı belirtildi. Microsoft, OpenAI, Google, Anthropic, Meta ve DeepSeek gibi firmaların modelleriyle deneme yaptı; en yüksek performans OpenAI'nin GPT-5 ve yeni sürümü GPT-5.5 üzerinden elde edildi. GPT-5 tek başına %78.9 doğrulukla çalışırken, DxO katmanı maliyeti yaklaşık 3.000 dolar düşürüp doğruluğu dört puan artırdı. GPT-5.5'te ise DxO, %72'lik temel skoru %87'ye çıkararak hem doğruluk hem de maliyet açısından avantaj sağladı.

Daha düşük kapasiteli modellerde DxO'nun etkisi daha belirgindi; örneğin Gemini 2.5 Flash tek başına %46.4 doğruluk gösterirken, DxO entegrasyonu bu oranı %69'a yükseltti. Ancak, daha güçlü modellerle fark azalıyor; acil servis vakalarında hem GPT-5 hem de GPT-5.5 ile DxO arasında anlamlı bir iyileşme gözlemlenmedi. Microsoft, Mayo Clinic ile ortak bir temel model geliştirme çalışması yürütüyor ve 2027'de tıbbi kayıtların akıcı bir şekilde tahmin edilebileceği bir dönüm noktasına ulaşmayı hedefliyor.

Şirket, Boston'daki Beth Israel Deaconess Medical Center ile gerçek dünya değerlendirmeleri başlattı. Hastalar standart tedavi alırken, onay verenler aynı zamanda DxO ile etkileşime girecek ve önerileri insan doktorların kararlarıyla karşılaştırılacak. Bu çalışma, acil servis ve hızlı bakım ortamlarında sistemin ölçeklenebilirliğini ölçmeyi amaçlıyor ve Microsoft'un tıbbi süperzeka vizyonunu somut bir adım olarak konumlandırıyor.