Microsoft presenta un sistema AI capace di superare i medici nelle diagnosi complesse | Chatgpt download | Large language models paper | Large language model italiano | Turtles AI

Microsoft ha presentato MAI‑DxO, un sistema di AI che, in uno studio su 304 casi clinici complessi del New England Journal of Medicine, ha ottenuto un tasso di successo dell’85–86 %, contro il 20 % dei medici coinvolti nel test. Il sistema, non ancora pronto per l’uso clinico, suggerisce vantaggi in termini di accuratezza e costi.

Punti chiave:

• MAI‑DxO simula un panel diagnostico con più agenti AI che dibattono i casi.
• Precisione dell’85‑86 % su diagnosi complesse, contro circa il 20 % dei medici in condizioni controllate.
• Riduzione dei costi grazie a un approccio mirato ai test diagnostici.
• Integrazione con Copilot e Bing: gestisce già 50 milioni di query sanitarie al giorno.

Microsoft, attraverso la sua divisione guidata da Mustafa Suleyman (già a capo di DeepMind), ha sviluppato l’MAI Diagnostic Orchestrator (MAI‑DxO), un sistema che emula stati di conversazione tra più agenti AI, ognuno con ruoli specifici (ipotesi diagnostiche, scelta dei test, interpretazione) e applica una “catena di dibattito” per giungere, passo dopo passo, a una diagnosi condivisa e spiegabile. Il sistema è stato valutato su 304 studi clinici selezionati dal NEJM: con l’ultimo modello di OpenAI, o3, ha risolto correttamente circa l’85–86 % dei casi, rispetto al 20 % degli specialisti che hanno partecipato al confronto senza strumenti di supporto. I medici avevano in media 12 anni di esperienza, ma durante il test erano isolati, senza consulti, riferimenti o strumenti diagnostici.

Oltre alla performance clinica, Microsoft sottolinea l’efficienza economica: MAI‑DxO seleziona accuratamente quali esami prescrivere, con una riduzione stimata dei costi del 20 % rispetto ai percorsi diagnostici convenzionali. Nonostante i risultati promettenti, la società chiarisce che il sistema non è preparato per applicazioni mediche reali: mancano studi clinici, verifiche su sintomi comuni e garanzie normative. Rimane dunque un prototipo avanzato che richiede test “sul campo”.

L’obiettivo dichiarato di Microsoft è fornire supporto ai pazienti e ai professionisti sanitari, integrando l’AI nel flusso decisionale. L’azienda prevede di implementarlo nei suoi strumenti AI già utilizzati: Copilot e Bing, che elaborano 50 milioni di richieste sanitarie quotidiane. Sul piano occupazionale, Microsoft minimizza l’impatto sostitutivo: sostiene che ruoli come l’interazione empatica con il paziente, la gestione delle incertezze cliniche e le decisioni su piani terapeutici rimangano prerogativa umana.

Per spiegare il metodo, Microsoft ha creato SDBench (Sequential Diagnosis Benchmark), una piattaforma di valutazione derivata da 304 casi NEJM in stile interattivo. In questo contesto, un “Gatekeeper” virtuale fornisce informazioni solo se richieste, replicando l’incertezza tipica delle diagnosi reali e misurando costi e accuratezza. I medici analizzati nel benchmark hanno registrato un costo medio di circa 2.963 $ per caso e il 20 % di diagnosi corrette.

Pur evocando l’idea di una “superintelligenza medica”, Microsoft corregge: non si tratta di un’AGI, ma di un sistema specializzato nel supporto clinico. La definizione di superintelligenza, qui usata in senso restrittivo, si riferisce alle capacità superiori nel ragionamento medico-strategico in ambiti specifici. Tuttavia, esperti invitano alla prudenza: lo studio non replica il contesto reale, mancando variabili come dati clinici multimodali, interazioni dirette con pazienti e confronto con sistemi sanitari integrati.

In parallelo, Microsoft ha potenziato le sue competenze con talenti ex‑DeepMind e Google, inserendoli nel team AI clinico per accelerare l’adozione di tecnologie mediche generative. Altrove, progetti come Proof‑of‑TBI integrano modelli visivo‑linguistici e l’LLM o3 per valutare lesioni cerebrali lievi, a testimonianza della diffusione dell’approccio orchestrativo su più fronti diagnostici.

A oggi, il sistema resta un prototipo, ma osservatori e ricercatori evidenziano l’importanza di una rigorosa validazione clinica. Occorre verificare prestazioni, costi reali e bias dati demografici prima di qualsiasi applicazione nel mondo reale, dove la complessità dei pazienti supera i casi ad alto livello di difficoltà studiati finora.

In attesa di futuri studi, il modello MAI‑DxO mostra che l’AI specializzata, dotata di capacità collaborative tra agenti e focalizzata sul ragionamento diagnostico sequenziale, può rappresentare una spinta significativa verso strumenti di supporto avanzato in sanità.

 Resterà fondamentale approfondire l’efficacia clinica, l’eticità del processo decisionale automatizzato e la collaborazione armonica tra AI e competenza medica.