Microsoft: nuestro sistema médico supera a los médicos en los casos complejos

Microsoft ha dado a conocer los resultados de un estudio publicado en la revista «Science» según el cual su sistema de diagnóstico basado en inteligencia artificial logró analizar casos médicos de alta complejidad con una precisión que superó el doble de la alcanzada por médicos generalistas en un entorno de simulación. Mustafa Suleyman, director ejecutivo de la división de inteligencia artificial de la compañía, describió este resultado como un paso en el camino hacia lo que él denomina la «superioridad médica extraordinaria», un objetivo a largo plazo que persigue desde hace años.

¿Cómo funciona el sistema MAI-DxO?

El sistema, conocido por sus siglas DxO, no se basa en un único modelo que responde a una pregunta, sino que coordina un conjunto de agentes inteligentes que actúan como si fueran un consejo consultivo de médicos. Este «equipo digital» formula preguntas al paciente, solicita los análisis y las pruebas necesarias y después deliberara internamente hasta llegar a un diagnóstico final, teniendo en cuenta el coste estimado de cada paso.

En la prueba se emplearon casos complejos extraídos del «New England Journal of Medicine», y el sistema ofreció respuestas correctas en el 83 % de los casos, frente a tan solo el 36 % de los médicos de atención primaria y de medicina interna general, que trabajaron de forma individual con la posibilidad de consultar referencias. No obstante, cabe señalar una observación fundamental: este tipo de casos suele ser gestionado por médicos especialistas o por equipos médicos completos, y estos no formaron parte de la comparación.

¿A quién corresponde realmente el mérito: a la coordinación o al modelo?

Las propias cifras del estudio revelan que la mayor parte de la mejora proviene de la potencia de los modelos de base, mientras que la capa de coordinación desarrollada por Microsoft aporta ganancias adicionales limitadas en algunos contextos. El sistema se probó con modelos de OpenAI, Google, Anthropic, Meta y DeepSeek, y los mejores resultados se obtuvieron con los modelos GPT-5 y GPT-5.5.

• El modelo GPT-5 por sí solo y con instrucciones sencillas registró un 78,9 % en los casos complejos, con un coste estimado de unos 8.400 dólares por caso; DxO redujo el coste en cerca de 3.000 dólares, pero solo elevó la precisión cuatro puntos.
• Con GPT-5.5, la precisión en los casos complejos aumentó del 72 % a casi el 87 %, con un coste ligeramente inferior.
• En los casos de los servicios de urgencias, la diferencia prácticamente se desvaneció: en torno al 85 % con o sin el sistema y con un coste similar.
• El mayor beneficio se observó en los modelos menos capaces, como Gemini 2.5 Flash, que pasó del 46,4 % a cerca del 69 %.

Los investigadores de la compañía explican que los márgenes de mejora se reducen de forma natural a medida que el modelo se acerca al límite teórico máximo de rendimiento, y que el papel de la capa de coordinación se centra en equilibrar la precisión con el coste, más que en multiplicar la precisión por sí sola.

La brecha entre oferta y demanda de experiencia médica

Dominic King, vicepresidente del área de salud en la división de inteligencia artificial de Microsoft, considera que el mayor desafío de los sistemas sanitarios actuales es la creciente ampliación de la brecha entre la demanda de experiencia médica y la oferta disponible, algo que estas herramientas tratan de abordar como una capa de apoyo a la decisión del médico y no como un sustituto de este.

De la simulación al hospital

El siguiente paso consiste en probar el sistema en entornos clínicos reales mediante una colaboración con el Centro Médico Beth Israel Deaconess, en Boston. Según el plan, los pacientes reciben la atención habitual completa —triaje, pruebas, consultas y decisión de alta hospitalaria— y, en paralelo, quienes den su consentimiento interactúan con el sistema inteligente; después, sus recomendaciones se comparan con las decisiones de los médicos. King describe este ensayo como posiblemente el mayor de su tipo, ya que abarca tanto los servicios de urgencias como los entornos de atención urgente. Cabe recordar que este mes Google publicó un estudio clínico con el mismo centro en «The Lancet» para evaluar su sistema de diagnóstico conversacional AMIE en consultas de atención urgente.

Un modelo de base para la atención sanitaria en camino

Suleyman reveló que Microsoft trabaja con la «Clínica Mayo» en el entrenamiento de un modelo de base específico para la atención sanitaria cuyo lanzamiento se espera el próximo año, y considera que DxO representa una parte de la infraestructura necesaria para lograr avances reales. Prevé que los modelos sanitarios mejoren en un orden de magnitud completo en cuanto a capacidad en un plazo de 24 a 36 meses, basándose en lo que él llama «el volante de inercia»: un modelo en producción real que se perfecciona de forma progresiva mediante el uso en el mundo real, la detección de carencias y su corrección, tal como ocurrió anteriormente en la programación y en las herramientas conversacionales.

Suleyman sostiene además que el año 2027 podría presenciar una transformación en el tratamiento de los historiales médicos similar a la que se produjo en la programación, de modo que los modelos sean capaces de generar predicciones precisas sobre la evolución del estado del paciente, una capacidad prospectiva que considera de gran valor para el médico.

Una lectura equilibrada

Los resultados son interesantes, pero siguen enmarcados en la simulación y no en la práctica clínica, y la comparación se realizó con médicos generalistas que trabajaban en solitario en casos que normalmente requieren equipos especializados. El verdadero valor se aclarará con los ensayos de campo en curso y con la capacidad de estos sistemas para funcionar dentro del contexto hospitalario, con toda su complejidad y la diversidad de sus casos.

✦ بقلم فريق دروب أيديا