La IA MAI-DxO de Microsoft supera a los médicos en un estudio de diagnóstico
La IA MAI-DxO de Microsoft supera a los médicos en un estudio de diagnóstico
Microsoft ha presentado una investigación que sugiere que la inteligencia artificial podría diagnosticar enfermedades complejas con una precisión considerablemente mayor que los médicos y ayudar a reducir las pruebas médicas innecesarias.
En un estudio publicado en Science el 22 de octubre de 2026, el orquestador de diagnóstico con IA de Microsoft (MAI-DxO) alcanzó una precisión diagnóstica del 83 % en casos médicos complejos, frente al 36 % de los médicos que utilizaron materiales de consulta.
El sistema también obtuvo buenos resultados en casos más habituales de urgencias, con una precisión del 80 %, frente al 47 % de los médicos.
Los hallazgos representan un avance importante en el razonamiento médico asistido por IA. Sin embargo, proceden de casos clínicos históricos evaluados mediante un proceso diagnóstico simulado, no de la atención a pacientes en hospitales.
Según el anuncio oficial de Microsoft, la empresa prevé probar la tecnología en entornos clínicos reales.
¿Qué es el sistema de diagnóstico con IA MAI-DxO de Microsoft?
Microsoft AI Diagnostic Orchestrator, o MAI-DxO, es un sistema de IA diseñado para reproducir la colaboración de un equipo médico al diagnosticar a los pacientes.
A diferencia de los sistemas de IA convencionales, que analizan toda la información médica disponible y ofrecen una respuesta inmediata, MAI-DxO aborda el diagnóstico como una investigación que evoluciona.
Coordina varios roles de médicos virtuales que colaboran para examinar síntomas, solicitar información adicional, considerar posibles diagnósticos y cuestionar las conclusiones de los demás.
Cómo funciona MAI-DxO
El sistema sigue un proceso diagnóstico de varias etapas:
- Evaluación inicial: Los agentes de IA analizan los síntomas del paciente e identifican posibles enfermedades.
- Recopilación de información: El sistema determina qué preguntas, exploraciones o pruebas diagnósticas adicionales serían más útiles.
- Razonamiento colaborativo: Los roles de médicos virtuales cuestionan las distintas explicaciones y evalúan nuevas evidencias.
- Decisiones que tienen en cuenta el coste: El sistema considera el coste estimado y el posible valor diagnóstico de las pruebas adicionales.
- Diagnóstico final: Cuando dispone de información suficiente, MAI-DxO selecciona el diagnóstico más probable.
Este enfoque pretende imitar el razonamiento iterativo de la práctica clínica, en la que los médicos revisan continuamente sus conclusiones a medida que aparece información nueva.
Los médicos virtuales son roles generados por IA dentro de un sistema de orquestación, no médicos humanos independientes.
IA de Microsoft frente a médicos: resultados del estudio
Microsoft evaluó MAI-DxO con su banco de pruebas de diagnóstico secuencial, Sequential Diagnosis Benchmark o SDBench.
La evaluación incluyó 629 casos clínicos históricos de dos conjuntos de datos: 304 casos difíciles de The New England Journal of Medicine (NEJM) y 325 casos de urgencias del conjunto de datos médicos MIMIC-IV-ED.
Los resultados mostraron diferencias considerables en la precisión diagnóstica.
| Evaluación diagnóstica | Precisión de MAI-DxO | Precisión de los médicos |
|---|---|---|
| 304 casos complejos del NEJM, médicos con materiales de consulta | 83,2 % | 36,1 % |
| 304 casos complejos del NEJM, médicos sin materiales de consulta | 83,2 % | 22,3 % |
| 325 casos de urgencias | 80,3 % | 46,8 % |
Fuente: Microsoft AI y Nori et al., «Sequential Diagnosis with Language Models», Science, 22 de octubre de 2026.
La IA logró más del doble de precisión en los casos complejos
En los 304 casos difíciles del NEJM, MAI-DxO alcanzó aproximadamente 2,3 veces la precisión diagnóstica de los médicos que podían consultar libros de texto y recursos de internet.
Frente a los médicos que trabajaron sin esos materiales, su precisión fue aproximadamente 3,7 veces mayor.
Estos resultados sugieren que los sistemas de IA podrían ser especialmente valiosos para diagnosticar enfermedades inusuales o complicadas que requieren amplios conocimientos médicos y una interpretación cuidadosa de las evidencias.
Sin embargo, la comparación se realizó con médicos generalistas participantes bajo condiciones controladas, no con equipos multidisciplinares de especialistas en hospitales reales.
La IA también obtuvo mejores resultados en urgencias
La evaluación de urgencias aportó otro resultado destacado.
MAI-DxO diagnosticó correctamente aproximadamente el 80 % de los casos, frente al 47 % de los médicos participantes.
Esto equivale a alrededor de 1,7 veces la precisión diagnóstica.
A diferencia de los casos difíciles del NEJM, el conjunto de urgencias se diseñó para representar cuadros clínicos más habituales.
Esto hace que los resultados sean especialmente relevantes para posibles aplicaciones en la atención sanitaria cotidiana.
Aun así, fueron evaluaciones simuladas basadas en registros históricos de urgencias, no interacciones en directo con pacientes.
¿Puede la IA mejorar el diagnóstico y reducir los costes sanitarios?
Uno de los aspectos más importantes de la investigación de Microsoft es que considera tanto la precisión diagnóstica como el coste de las pruebas médicas.
Un sistema de IA muy preciso podría tener un valor práctico limitado si mejora sus resultados simplemente solicitando demasiadas pruebas.
Para abordar este problema, MAI-DxO evalúa la probable utilidad de las exploraciones adicionales junto con su coste económico estimado.
La IA optimizada para reducir costes mantuvo una precisión elevada
Microsoft indicó que una configuración optimizada para reducir costes alcanzó aproximadamente un 81 % de precisión diagnóstica en los casos complejos del NEJM, con menos de la mitad del coste estimado de algunos enfoques utilizados como comparación.
Otras configuraciones también demostraron que el sistema podía funcionar con presupuestos de pruebas considerablemente menores y mantener buenos resultados.
Sin embargo, es necesario distinguir los resultados de máxima precisión de los de menor coste.
Las configuraciones sin restricciones que alcanzaron un 83,2 % en los casos del NEJM y un 80,3 % en urgencias tuvieron costes medios estimados superiores a los de los grupos médicos correspondientes. Las configuraciones con presupuestos menores ahorraron costes a cambio de cierta reducción de la precisión.
Por tanto, el estudio demuestra una relación prometedora entre precisión y coste, pero no prueba que todas las versiones de MAI-DxO sean a la vez más precisas y más baratas que los médicos.
Los costes se modelaron con datos estandarizados de precios médicos. No representan gastos hospitalarios reales ni ahorros verificados para los pacientes.
Por qué esta investigación va más allá de las pruebas tradicionales de IA médica
Muchas evaluaciones de IA médica se basan en exámenes estandarizados o preguntas de opción múltiple.
Estas pruebas miden los conocimientos médicos, pero quizá no reflejen con precisión la complejidad de diagnosticar a pacientes reales.
En la práctica clínica, la información rara vez está disponible toda a la vez. Los médicos deben decidir qué preguntar, qué pruebas solicitar y cuándo disponen de evidencias suficientes para llegar a una conclusión.
Presentación del banco de pruebas de diagnóstico secuencial
Microsoft desarrolló SDBench para evaluar este proceso de decisión de forma más realista.
En lugar de proporcionar la historia clínica completa desde el principio, la evaluación comienza con información limitada.
El sistema diagnóstico debe solicitar más detalles paso a paso.
Un intermediario simulado proporciona información del registro clínico del caso o genera respuestas plausibles cuando faltan los datos solicitados. Un proceso de evaluación basado en IA valora la corrección del diagnóstico.
Esto permite examinar si el sistema llega al diagnóstico correcto y cómo lo hace.
Microsoft ha puesto componentes de SDBench a disposición de los investigadores, lo que facilita nuevas pruebas y la reproducibilidad.
La empresa también señala que las mejoras de MAI-DxO se mantuvieron al evaluarlo con modelos de IA más recientes, incluido GPT-5.5, sin modificar su enfoque de orquestación subyacente.
Esto sugiere que el método podría beneficiarse de los futuros avances de los modelos fundacionales.
Microsoft prevé realizar pruebas clínicas reales en Boston
A pesar de los prometedores resultados de las evaluaciones, el sistema diagnóstico de Microsoft aún no ha demostrado un rendimiento equivalente en la práctica clínica real.
Para estudiar esa diferencia, Microsoft anunció una colaboración con el Beth Israel Deaconess Medical Center de Boston.
Las organizaciones prevén evaluar la capacidad de razonamiento clínico de MAI-DxO en entornos hospitalarios.
Qué examinará el estudio clínico
En el estudio prospectivo previsto, los pacientes interactuarán directamente con el sistema de IA y sus valoraciones diagnósticas se compararán con evaluaciones independientes realizadas por médicos.
La investigación ayudará a determinar si MAI-DxO puede mantener sus resultados ante la incertidumbre y complejidad de los encuentros clínicos reales.
También aportará evidencias sobre cómo podría integrarse la tecnología en los flujos de trabajo médicos existentes.
Hasta que esos estudios ofrezcan resultados, sigue sin demostrarse una superioridad diagnóstica en condiciones reales.
Los retos que debe superar la IA antes de su adopción clínica
Aunque los resultados de Microsoft son relevantes, la precisión diagnóstica por sí sola no basta para establecer si un sistema de IA mejora la atención sanitaria.
Quedan varias preguntas importantes sin respuesta.
Fiabilidad clínica y seguridad del paciente
Los pacientes reales pueden presentar historias incompletas, síntomas superpuestos, complicaciones inesperadas y hallazgos ambiguos.
Los sistemas de IA deben demostrar que pueden manejar estas situaciones de forma fiable, reconocer la incertidumbre y evitar recomendaciones potencialmente perjudiciales.
Decisiones terapéuticas y atención a largo plazo
Identificar una enfermedad es solo una parte de la atención sanitaria.
Los médicos también deben seleccionar tratamientos adecuados, realizar seguimientos, responder a las complicaciones y adaptar la atención a cada persona.
Los resultados publicados de MAI-DxO no demuestran que pueda asumir esas responsabilidades más amplias.
Supervisión humana e integración sanitaria
Los sistemas clínicos de IA también deben encajar en la toma de decisiones compartida entre médicos y pacientes.
Esto incluye explicar las recomendaciones, apoyar el criterio profesional, proteger la información sensible de los pacientes y mantener una supervisión humana adecuada.
Estos requisitos hacen imprescindible la validación en condiciones reales antes de una implantación clínica generalizada.
Por qué importa el avance de Microsoft en IA médica
La investigación de Microsoft apunta a un cambio potencialmente importante en la inteligencia artificial médica.
Además de responder preguntas médicas, la IA podría apoyar cada vez más el propio proceso diagnóstico: reunir evidencias, comparar explicaciones y ayudar a los profesionales a decidir qué exploraciones aportan mayor valor.
El estudio también refuerza el interés de las arquitecturas de IA colaborativas, en las que varios roles especializados contribuyen a una decisión común.
La visión más amplia de Microsoft de una superinteligencia médica abarca, además del diagnóstico, la planificación terapéutica, el seguimiento de la salud a lo largo del tiempo y el apoyo personalizado a las decisiones clínicas.
La empresa también colabora con Mayo Clinic para explorar cómo la IA avanzada, la experiencia clínica y los datos longitudinales de pacientes podrían contribuir a sistemas sanitarios más completos.
Sin embargo, las mejoras en las evaluaciones diagnósticas no deben confundirse con mejoras demostradas en supervivencia, resultados terapéuticos o accesibilidad sanitaria.
Esos beneficios todavía requieren evidencias clínicas rigurosas.
Conclusión
MAI-DxO de Microsoft representa un avance prometedor en el diagnóstico médico asistido por IA.
Sus resultados en casos complejos y evaluaciones de urgencias muestran que el razonamiento de IA orquestado puede superar la precisión de los médicos participantes bajo condiciones de evaluación controladas.
Las configuraciones optimizadas para reducir costes también sugieren oportunidades para disminuir el gasto en pruebas diagnósticas conservando parte de esas mejoras de precisión.
El próximo hito será demostrar si estos beneficios se traducen en una atención más segura, eficaz y asequible para pacientes reales.
El futuro de la IA médica dependerá de diagnosticar con precisión y de ayudar a los profesionales a ofrecer una mejor atención en el mundo real.
Fuentes y lecturas adicionales
- Microsoft AI — Building Medical Superintelligence (22 de octubre de 2026)
- Nori et al. — Sequential Diagnosis with Language Models, Science (2026)
- Microsoft — Sequential Diagnosis Benchmark (SDBench)
- American Association for the Advancement of Science — Un sistema de IA mejora la precisión diagnóstica y reduce el coste de las pruebas médicas