NoticiasMedicina

Microsoft cree que estamos cerca de una superinteligencia médica

Microsoft cree que la inteligencia artificial se está acercando a una forma de “superinteligencia médica”. La afirmación llega acompañada de un resultado llamativo: su sistema de diagnóstico MAI-DxO resolvió correctamente el 83% de una colección de casos clínicos complejos, frente al 36% logrado por médicos generalistas que podían consultar libros e internet. Es un avance importante, aunque todavía no significa que la IA diagnostique mejor que cualquier médico en un hospital real.

Profesional sanitaria supervisando un sistema avanzado de inteligencia artificial para el diagnóstico médico
Microsoft quiere que la IA no se limite a responder preguntas médicas, sino que investigue cada caso paso a paso.

Qué es MAI-DxO y cómo diagnostica

MAI-DxO, abreviatura de Microsoft AI Diagnostic Orchestrator, no es un único modelo que recibe una historia clínica completa y escoge una respuesta. Funciona como un panel de médicos virtuales: varios agentes proponen posibles diagnósticos, deciden qué preguntas formular, solicitan pruebas, cuestionan las hipótesis de los demás y revisan la conclusión antes de darla por válida.

Para evaluarlo, Microsoft creó SDBench, un benchmark de diagnóstico secuencial. Cada participante comienza con información limitada y debe construir el caso poco a poco, como sucede en una consulta. La prueba mide no solo si el diagnóstico final es correcto, sino también qué información se solicitó y cuánto costarían las pruebas elegidas.

La investigación presentada por Microsoft AI y publicada en la revista Science utiliza dos grupos. El primero reúne 304 casos especialmente difíciles publicados en The New England Journal of Medicine. El segundo procede de MIMIC-IV-ED e incluye situaciones más habituales de un servicio de urgencias estadounidense.

Un 83% de aciertos, pero con contexto

En los casos complejos, MAI-DxO alcanzó una precisión del 83%. Los médicos generalistas obtuvieron un 22% sin recursos externos y un 36% cuando podían consultar material de referencia. En las situaciones de urgencias, la diferencia fue menor pero siguió siendo considerable: 80% para la IA frente al 47% de los médicos.

Además, una configuración optimizada para controlar el gasto mantuvo un 81% de precisión en los casos complejos utilizando pruebas cuyo coste estimado era inferior a la mitad del de otros sistemas comparados. Esa capacidad de descartar exploraciones poco útiles podría resultar tan relevante como acertar el diagnóstico, porque reduce demoras, costes y procedimientos innecesarios.

Ahora bien, la comparación tiene límites importantes. Los casos de NEJM están seleccionados precisamente por su dificultad y en la vida real suelen ser estudiados por especialistas o equipos multidisciplinares. El experimento enfrentó a MAI-DxO con médicos generalistas trabajando individualmente, no con los mejores equipos clínicos. Tampoco hubo pacientes reales, presión asistencial, exploraciones físicas imperfectas ni conversaciones cargadas de dudas o emociones.

Panel de cinco agentes de inteligencia artificial analizando un caso médico bajo supervisión clínica
MAI-DxO reparte el proceso entre agentes que generan hipótesis, eligen pruebas, controlan costes y verifican el resultado.

¿El mérito es del sistema o de modelos cada vez mejores?

MAI-DxO puede trabajar con distintos modelos de base, y ahí aparece una lectura interesante. GPT-5 ya rondó el 79% en los casos complejos sin la orquestación de Microsoft, aproximadamente cuatro puntos menos que el sistema completo. Con GPT-5.5, en cambio, el panel elevó el resultado desde cerca del 72% del modelo aislado hasta casi el 87%.

Las cifras sugieren que no existe una única receta. Parte del salto procede de modelos generales más capaces y otra parte de organizar el razonamiento, obligar a contrastar hipótesis y decidir cuándo merece la pena pedir una prueba. En medicina, donde una respuesta convincente puede ser completamente errónea, introducir deliberación y comprobaciones puede importar más que lograr una contestación rápida.

Qué entiende Microsoft por superinteligencia médica

Microsoft no define este objetivo como superar a una persona en un examen aislado. Habla de sistemas capaces de aventajar a los mejores equipos sanitarios dirigidos por humanos en todo el recorrido asistencial: diagnóstico, tratamiento, seguimiento, coordinación y adaptación a las preferencias del paciente. Bajo esa definición, MAI-DxO sería un primer bloque, no la meta.

Mustafa Suleyman, responsable de Microsoft AI, espera que en 2027 aparezca un avance parecido al vivido por la programación: modelos capaces de analizar historiales longitudinales y anticipar cómo podría evolucionar la salud de una persona. Si llegaran a predecir con fiabilidad un deterioro, una complicación o el riesgo de una enfermedad antes de que aparezcan síntomas evidentes, el impacto podría superar al de ganar un benchmark diagnóstico.

Ese futuro también abre preguntas difíciles. Un historial clínico no es una colección neutra de datos: puede contener errores, sesgos y lagunas. Una predicción equivocada podría provocar pruebas innecesarias o una falsa tranquilidad. También habrá que resolver quién responde por las decisiones, cómo se protege información extremadamente sensible y de qué manera puede un médico impugnar la recomendación del sistema.

La prueba decisiva será el hospital

Microsoft colaborará con Mayo Clinic para desarrollar modelos médicos con datos multimodales y realizará un estudio prospectivo con el Beth Israel Deaconess Medical Center de Boston. Pacientes que den su consentimiento interactuarán con MAI-DxO mientras reciben la atención habitual, lo que permitirá comparar sus recomendaciones con las evaluaciones independientes de los profesionales.

Como destaca el análisis publicado por WIRED en Español, los resultados actuales no prueban que el sistema pueda superar a especialistas en cualquier contexto. Antes tendrá que demostrar seguridad, consistencia y utilidad en entornos reales, con pacientes muy distintos de los casos perfectamente documentados de una revista médica.

La conclusión razonable está a medio camino entre el entusiasmo y el escepticismo. Microsoft ha construido un sistema diagnóstico sorprendentemente competente y más disciplinado que un chatbot convencional. Todavía no es una superinteligencia médica, pero sí una señal de que la combinación de mejores modelos, agentes especializados y supervisión clínica puede cambiar profundamente la forma de diagnosticar. El próximo examen ya no será digital: será comprobar si también ayuda cuando delante hay una persona real.