Microsofts KI MAI-DxO übertrifft Ärzte in einer Diagnosestudie
Microsofts KI MAI-DxO übertrifft Ärzte in einer Diagnosestudie
Microsoft hat neue Forschungsergebnisse vorgestellt, die darauf hindeuten, dass künstliche Intelligenz komplexe Erkrankungen deutlich genauer diagnostizieren könnte als Ärzte und zugleich unnötige medizinische Untersuchungen reduzieren könnte.
In einer am 22. Oktober 2026 in Science veröffentlichten Studie erreichte Microsofts KI-Diagnose-Orchestrator MAI-DxO 83 % Diagnosegenauigkeit bei komplexen medizinischen Fällen, gegenüber lediglich 36 % bei Ärzten mit Zugang zu Nachschlagequellen.
Auch bei häufigeren Fällen aus der Notaufnahme schnitt das System gut ab: 80 % Genauigkeit gegenüber 47 % bei den Ärzten.
Die Ergebnisse sind ein wichtiger Fortschritt für KI-gestütztes medizinisches Schlussfolgern. Sie stammen jedoch aus historischen klinischen Fällen, die in einem simulierten Diagnoseprozess bewertet wurden, und nicht aus der Behandlung von Patienten im Krankenhaus.
Laut Microsofts offizieller Ankündigung plant das Unternehmen nun Tests in realen klinischen Umgebungen.
Was ist Microsofts KI-Diagnosesystem MAI-DxO?
Der Microsoft AI Diagnostic Orchestrator, kurz MAI-DxO, ist ein KI-System, das die Zusammenarbeit eines Ärzteteams bei der Diagnose nachbilden soll.
Herkömmliche KI-Systeme analysieren alle verfügbaren medizinischen Informationen und geben unmittelbar eine Antwort. MAI-DxO behandelt die Diagnose dagegen als eine sich entwickelnde Untersuchung.
Es koordiniert mehrere virtuelle Arztrollen, die gemeinsam Symptome prüfen, zusätzliche Informationen anfordern, mögliche Diagnosen erwägen und die Schlussfolgerungen der anderen hinterfragen.
So funktioniert MAI-DxO
Das System durchläuft einen mehrstufigen Diagnoseprozess:
- Ersteinschätzung: KI-Agenten analysieren die vorliegenden Symptome und identifizieren mögliche Erkrankungen.
- Informationsbeschaffung: Das System bestimmt, welche zusätzlichen Fragen, körperlichen Untersuchungen oder diagnostischen Tests am hilfreichsten wären.
- Gemeinsames Schlussfolgern: Virtuelle Arztrollen hinterfragen konkurrierende Erklärungen und bewerten neue Befunde.
- Kostenbewusste Entscheidungen: Das System berücksichtigt geschätzte Kosten und möglichen diagnostischen Nutzen zusätzlicher Tests.
- Abschließende Diagnose: Sobald genügend Informationen vorliegen, wählt MAI-DxO die wahrscheinlichste Diagnose.
Dieser Ansatz soll dem iterativen Denken in der klinischen Praxis ähneln, bei dem Ärzte ihre Schlussfolgerungen mit jeder neuen Information erneut prüfen.
Die virtuellen Ärzte sind KI-generierte Rollen innerhalb eines Orchestrierungssystems, keine unabhängigen menschlichen Ärzte.
Microsofts KI im Vergleich mit Ärzten: die Studienergebnisse
Microsoft evaluierte MAI-DxO mit seinem Sequential Diagnosis Benchmark, kurz SDBench.
Der Benchmark umfasste 629 historische klinische Fälle aus zwei Datensätzen: 304 schwierige Fälle aus dem New England Journal of Medicine (NEJM) und 325 Notaufnahmefälle aus dem medizinischen Datensatz MIMIC-IV-ED.
Die Ergebnisse zeigten deutliche Unterschiede bei der Diagnosegenauigkeit.
| Diagnostischer Benchmark | Genauigkeit MAI-DxO | Genauigkeit der Ärzte |
|---|---|---|
| 304 komplexe NEJM-Fälle, Ärzte mit Nachschlagequellen | 83,2 % | 36,1 % |
| 304 komplexe NEJM-Fälle, Ärzte ohne Nachschlagequellen | 83,2 % | 22,3 % |
| 325 Notaufnahmefälle | 80,3 % | 46,8 % |
Quelle: Microsoft AI und Nori et al., „Sequential Diagnosis with Language Models“, Science, 22. Oktober 2026.
Bei komplexen Fällen war die KI mehr als doppelt so genau wie Ärzte
Bei den 304 schwierigen NEJM-Fällen erreichte MAI-DxO etwa die 2,3-fache Diagnosegenauigkeit der Ärzte, die Lehrbücher und Internetquellen nutzen durften.
Verglichen mit Ärzten ohne diese Hilfsmittel war die Genauigkeit etwa 3,7-mal so hoch.
Das deutet darauf hin, dass KI-Systeme besonders bei ungewöhnlichen oder komplizierten Erkrankungen wertvoll sein könnten, die umfangreiches Fachwissen und eine sorgfältige Auswertung der Befunde erfordern.
Verglichen wurde allerdings mit teilnehmenden generalistisch tätigen Ärzten unter kontrollierten Studienbedingungen, nicht mit multidisziplinären Spezialistenteams in realen Krankenhäusern.
Auch bei Notaufnahmefällen schnitt die KI besser ab
Die Auswertung der Notaufnahmefälle lieferte ein weiteres bemerkenswertes Ergebnis.
MAI-DxO diagnostizierte etwa 80 % der Fälle korrekt, gegenüber 47 % bei den teilnehmenden Ärzten.
Das entspricht ungefähr der 1,7-fachen Diagnosegenauigkeit.
Anders als die schwierigen NEJM-Fälle sollte der Notaufnahmedatensatz häufigere klinische Beschwerdebilder abbilden.
Dadurch sind die Ergebnisse besonders relevant für mögliche Anwendungen im Versorgungsalltag.
Dennoch handelte es sich um simulierte Bewertungen historischer Notaufnahmeakten, nicht um direkte Kontakte mit Patienten.
Kann KI die Diagnose verbessern und zugleich Gesundheitskosten senken?
Ein zentraler Aspekt der Microsoft-Forschung ist der gemeinsame Blick auf Diagnosegenauigkeit und Kosten medizinischer Untersuchungen.
Ein sehr genaues KI-System hätte womöglich nur begrenzten praktischen Nutzen, wenn es seine besseren Ergebnisse lediglich durch übermäßig viele Tests erzielt.
Deshalb bewertet MAI-DxO den voraussichtlichen Nutzen zusätzlicher Untersuchungen zusammen mit deren geschätzten finanziellen Kosten.
Kostenoptimierte KI behielt eine hohe Genauigkeit bei
Microsoft berichtete, dass eine kostenoptimierte Konfiguration bei den komplexen NEJM-Fällen etwa 81 % Diagnosegenauigkeit bei weniger als der Hälfte der geschätzten Kosten bestimmter Vergleichsansätze erreichte.
Weitere Konfigurationen zeigten ebenfalls, dass das System mit deutlich geringeren Untersuchungsbudgets gute Leistungen aufrechterhalten konnte.
Allerdings müssen die Ergebnisse mit der höchsten Genauigkeit von den Ergebnissen mit den niedrigsten Kosten unterschieden werden.
Die unbeschränkten Konfigurationen mit 83,2 % Genauigkeit bei NEJM-Fällen und 80,3 % bei Notaufnahmefällen hatten höhere geschätzte Durchschnittskosten als die jeweiligen Ärztegruppen. Konfigurationen mit geringerem Budget erzielten Einsparungen bei etwas niedrigerer Genauigkeit.
Die Studie zeigt somit einen vielversprechenden Kompromiss zwischen Genauigkeit und Kosten. Sie beweist nicht, dass jede Version von MAI-DxO gleichzeitig genauer und günstiger als Ärzte ist.
Die Kosten wurden anhand standardisierter medizinischer Preisdaten modelliert. Sie entsprechen weder tatsächlichen Krankenhausausgaben noch nachgewiesenen Einsparungen für Patienten.
Warum diese Forschung über herkömmliche medizinische KI-Tests hinausgeht
Viele medizinische KI-Bewertungen beruhen auf standardisierten Prüfungen oder Multiple-Choice-Fragen.
Solche Tests messen medizinisches Wissen, bilden aber die Komplexität der Diagnose realer Patienten möglicherweise nicht angemessen ab.
In der klinischen Praxis liegen Informationen selten alle gleichzeitig vor. Ärzte müssen entscheiden, welche Fragen sie stellen, welche Tests sie anfordern und wann die Befundlage für eine Schlussfolgerung ausreicht.
Der Sequential Diagnosis Benchmark
Microsoft entwickelte SDBench, um diesen Entscheidungsprozess realistischer zu bewerten.
Statt von Beginn an die gesamte Krankengeschichte bereitzustellen, startet der Benchmark mit begrenzten Informationen.
Das Diagnosesystem muss dann schrittweise weitere Einzelheiten anfordern.
Eine simulierte Vermittlungsinstanz stellt Informationen aus der zugrunde liegenden Fallakte bereit oder erzeugt plausible Antworten, wenn die angefragten Angaben fehlen. Ein KI-gestütztes Bewertungsverfahren prüft die Richtigkeit der Diagnose.
So können Forschende untersuchen, ob ein KI-System zur richtigen Diagnose gelangt und wie es dabei vorgeht.
Microsoft hat Komponenten von SDBench für Forschende bereitgestellt, um weitere Tests und die Reproduzierbarkeit zu unterstützen.
Das Unternehmen berichtet zudem, dass die Leistungsgewinne von MAI-DxO bei Bewertungen mit neueren KI-Modellen, darunter GPT-5.5, erhalten blieben, ohne den zugrunde liegenden Orchestrierungsansatz zu ändern.
Das legt nahe, dass die Methode von weiteren Fortschritten bei Basismodellen profitieren könnte.
Microsoft plant klinische Tests unter realen Bedingungen in Boston
Trotz vielversprechender Benchmark-Ergebnisse hat Microsofts KI-Diagnosesystem noch keine gleichwertige Leistung im klinischen Alltag nachgewiesen.
Um diese Lücke zu untersuchen, kündigte Microsoft eine Partnerschaft mit dem Beth Israel Deaconess Medical Center in Boston an.
Die Organisationen wollen die klinischen Schlussfolgerungsfähigkeiten von MAI-DxO im Krankenhaus bewerten.
Was die klinische Studie untersuchen soll
In der geplanten prospektiven Studie sollen Patienten direkt mit dem KI-System interagieren. Dessen diagnostische Einschätzungen werden mit unabhängigen ärztlichen Bewertungen verglichen.
Die Forschung soll klären, ob MAI-DxO seine Benchmark-Leistung angesichts der Unsicherheit und Komplexität echter klinischer Begegnungen halten kann.
Sie soll außerdem Hinweise darauf liefern, wie sich die Technologie in bestehende medizinische Arbeitsabläufe integrieren ließe.
Bis Ergebnisse dieser Studien vorliegen, ist eine überlegene Diagnoseleistung unter realen Bedingungen nicht belegt.
Welche Hürden KI vor der klinischen Einführung überwinden muss
Auch wenn Microsofts Ergebnisse bedeutsam sind, reicht Diagnosegenauigkeit allein nicht aus, um eine Verbesserung der Versorgung durch ein KI-System festzustellen.
Mehrere wichtige Fragen bleiben offen.
Klinische Zuverlässigkeit und Patientensicherheit
Reale Patienten können unvollständige Krankengeschichten, überlappende Symptome, unerwartete Komplikationen und uneindeutige Befunde aufweisen.
KI-Systeme müssen zeigen, dass sie damit zuverlässig umgehen, Unsicherheit erkennen und potenziell schädliche Empfehlungen vermeiden können.
Therapieentscheidungen und langfristige Versorgung
Eine Erkrankung zu erkennen ist nur ein Teil der medizinischen Versorgung.
Ärzte müssen auch geeignete Therapien auswählen, Patienten langfristig begleiten, auf Komplikationen reagieren und die Versorgung an individuelle Umstände anpassen.
Die veröffentlichten Benchmark-Ergebnisse von MAI-DxO belegen nicht, dass es diese weitergehenden Aufgaben übernehmen kann.
Menschliche Aufsicht und Integration in die Versorgung
Klinische KI-Systeme müssen außerdem zur gemeinsamen Entscheidungsfindung von Ärzten und Patienten passen.
Dazu gehören verständliche Empfehlungen, die Unterstützung des fachlichen Urteils, der Schutz sensibler Patientendaten und eine angemessene menschliche Aufsicht.
Diese Anforderungen machen eine Validierung unter realen Bedingungen vor einem breiten klinischen Einsatz unerlässlich.
Warum Microsofts Fortschritt bei medizinischer KI wichtig ist
Microsofts Forschung deutet auf einen möglicherweise bedeutenden Wandel der medizinischen KI hin.
KI könnte zunehmend den Diagnoseprozess selbst unterstützen: Befunde sammeln, konkurrierende Erklärungen vergleichen und Ärzten helfen, die Untersuchungen mit dem größten Nutzen auszuwählen.
Die Studie stärkt auch das Argument für kollaborative KI-Architekturen, bei denen mehrere spezialisierte Rollen zu einer gemeinsamen Entscheidung beitragen.
Microsofts umfassendere Vision einer medizinischen Superintelligenz reicht über die Diagnose hinaus und umfasst Therapieplanung, langfristige Gesundheitsüberwachung und personalisierte klinische Entscheidungsunterstützung.
Das Unternehmen arbeitet außerdem mit Mayo Clinic daran, wie fortgeschrittene KI, klinisches Fachwissen und über längere Zeit erhobene Patientendaten umfassendere Gesundheitssysteme unterstützen könnten.
Verbesserungen in Diagnose-Benchmarks dürfen jedoch nicht mit nachgewiesenen Verbesserungen bei Überleben, Behandlungsergebnissen oder Zugang zur Versorgung verwechselt werden.
Diese Vorteile erfordern weiterhin belastbare klinische Nachweise.
Fazit
Microsofts MAI-DxO ist ein vielversprechender Fortschritt für die KI-gestützte medizinische Diagnose.
Die Ergebnisse bei komplexen Fällen und Notaufnahme-Benchmarks zeigen, dass orchestriertes KI-Schlussfolgern unter kontrollierten Bewertungsbedingungen die Genauigkeit der teilnehmenden Ärzte übertreffen kann.
Kostenoptimierte Konfigurationen deuten zudem auf Möglichkeiten hin, diagnostische Untersuchungskosten zu senken und dabei einen Teil der Genauigkeitsgewinne zu bewahren.
Der nächste Meilenstein ist der Nachweis, dass daraus eine sicherere, wirksamere und bezahlbarere Versorgung für reale Patienten entsteht.
Die Zukunft medizinischer KI hängt davon ab, Krankheiten genau zu diagnostizieren und Ärzte dabei zu unterstützen, im Alltag eine bessere Versorgung zu leisten.
Quellen und weiterführende Informationen
- Microsoft AI — Building Medical Superintelligence (22. Oktober 2026)
- Nori et al. — Sequential Diagnosis with Language Models, Science (2026)
- Microsoft — Sequential Diagnosis Benchmark (SDBench)
- American Association for the Advancement of Science — KI-System erhöht Diagnosegenauigkeit und senkt Kosten medizinischer Tests