L’IA MAI-DxO di Microsoft supera i medici in uno studio diagnostico
L’IA MAI-DxO di Microsoft supera i medici in uno studio diagnostico
Microsoft ha presentato una nuova ricerca secondo cui l’intelligenza artificiale potrebbe diagnosticare patologie complesse con un’accuratezza notevolmente superiore a quella dei medici, contribuendo anche a ridurre gli esami inutili.
In uno studio pubblicato su Science il 22 ottobre 2026, l’orchestratore diagnostico basato sull’IA di Microsoft (MAI-DxO) ha raggiunto l’83% di accuratezza diagnostica nei casi medici complessi, contro appena il 36% dei medici con accesso a materiali di consultazione.
Il sistema ha ottenuto buoni risultati anche su casi più comuni di pronto soccorso, con l’80% di accuratezza contro il 47% dei medici.
I risultati rappresentano un importante progresso nel ragionamento medico assistito dall’IA. Provengono però da casi clinici storici valutati attraverso un processo diagnostico simulato, non dal trattamento di pazienti in ospedale.
Secondo l’annuncio ufficiale di Microsoft, l’azienda intende ora testare la tecnologia in contesti clinici reali.
Che cos’è il sistema diagnostico MAI-DxO di Microsoft?
Microsoft AI Diagnostic Orchestrator, o MAI-DxO, è un sistema di IA progettato per riprodurre la collaborazione di un’équipe medica nella diagnosi dei pazienti.
A differenza dei sistemi di IA convenzionali, che analizzano tutte le informazioni mediche disponibili e forniscono subito una risposta, MAI-DxO affronta la diagnosi come un’indagine in evoluzione.
Coordina diversi ruoli di medici virtuali che collaborano per esaminare i sintomi, richiedere ulteriori informazioni, considerare possibili diagnosi e mettere in discussione le conclusioni reciproche.
Come funziona MAI-DxO
Il sistema segue un processo diagnostico articolato in più fasi:
- Valutazione iniziale: Gli agenti di IA analizzano i sintomi del paziente e identificano le possibili patologie.
- Raccolta di informazioni: Il sistema determina quali domande, visite o esami diagnostici aggiuntivi sarebbero più utili.
- Ragionamento collaborativo: I ruoli di medici virtuali mettono alla prova le spiegazioni alternative e valutano le nuove evidenze.
- Decisioni attente ai costi: Il sistema considera il costo stimato e il potenziale valore diagnostico degli esami aggiuntivi.
- Diagnosi finale: Raccolte informazioni sufficienti, MAI-DxO sceglie la diagnosi più probabile.
Questo approccio cerca di riprodurre il ragionamento iterativo della pratica clinica, in cui i medici rivalutano continuamente le proprie conclusioni man mano che emergono nuove informazioni.
I medici virtuali sono ruoli generati dall’IA all’interno di un sistema di orchestrazione, non medici umani indipendenti.
IA di Microsoft e medici: i risultati dello studio
Microsoft ha valutato MAI-DxO con il proprio benchmark di diagnosi sequenziale, Sequential Diagnosis Benchmark o SDBench.
Il benchmark comprendeva 629 casi clinici storici provenienti da due raccolte di dati: 304 casi difficili del New England Journal of Medicine (NEJM) e 325 casi di pronto soccorso dal dataset medico MIMIC-IV-ED.
I risultati hanno mostrato differenze sostanziali nell’accuratezza diagnostica.
| Valutazione diagnostica | Accuratezza di MAI-DxO | Accuratezza dei medici |
|---|---|---|
| 304 casi complessi NEJM, medici con materiali di consultazione | 83,2% | 36,1% |
| 304 casi complessi NEJM, medici senza materiali di consultazione | 83,2% | 22,3% |
| 325 casi di pronto soccorso | 80,3% | 46,8% |
Fonte: Microsoft AI e Nori et al., “Sequential Diagnosis with Language Models”, Science, 22 ottobre 2026.
Nei casi complessi l’IA ha più che raddoppiato l’accuratezza dei medici
Nei 304 casi difficili del NEJM, MAI-DxO ha raggiunto un’accuratezza diagnostica pari a circa 2,3 volte quella dei medici che potevano consultare manuali e risorse online.
Rispetto ai medici senza tali materiali, l’accuratezza era circa 3,7 volte superiore.
Questi risultati suggeriscono che i sistemi di IA possano essere particolarmente utili per diagnosticare patologie insolite o complesse, che richiedono vaste conoscenze mediche e un’attenta interpretazione delle evidenze.
Il confronto riguardava però medici generalisti partecipanti in condizioni controllate di studio, non équipe multidisciplinari di specialisti in ospedali reali.
L’IA ha ottenuto risultati migliori anche nei casi di pronto soccorso
La valutazione dei casi di pronto soccorso ha prodotto un altro risultato rilevante.
MAI-DxO ha diagnosticato correttamente circa l’80% dei casi, contro il 47% dei medici partecipanti.
Ciò equivale a un’accuratezza diagnostica circa 1,7 volte superiore.
A differenza dei casi difficili del NEJM, il dataset di pronto soccorso era progettato per rappresentare presentazioni cliniche più comuni.
Questo rende i risultati particolarmente rilevanti per possibili applicazioni nell’assistenza quotidiana.
Si trattava comunque di valutazioni simulate basate su cartelle storiche di pronto soccorso, non di interazioni dirette con pazienti.
L’IA può migliorare la diagnosi riducendo i costi sanitari?
Uno degli aspetti più importanti della ricerca di Microsoft è l’attenzione sia all’accuratezza diagnostica sia al costo degli esami medici.
Un sistema di IA molto accurato potrebbe avere un’utilità pratica limitata se migliorasse i risultati semplicemente richiedendo troppi esami.
Per affrontare questo problema, MAI-DxO valuta la probabile utilità degli approfondimenti insieme al loro costo economico stimato.
L’IA ottimizzata per i costi ha mantenuto un’elevata accuratezza
Microsoft ha riferito che una configurazione ottimizzata per i costi ha raggiunto circa l’81% di accuratezza diagnostica nei casi complessi NEJM, a meno della metà del costo stimato di alcuni approcci di confronto.
Anche altre configurazioni hanno dimostrato che il sistema poteva funzionare con budget per gli esami notevolmente inferiori, mantenendo buone prestazioni.
Occorre però distinguere i risultati di massima accuratezza da quelli di minimo costo.
Le configurazioni senza vincoli che hanno raggiunto l’83,2% nei casi NEJM e l’80,3% nei casi di pronto soccorso avevano costi medi stimati superiori a quelli dei rispettivi gruppi di medici. Le configurazioni con budget inferiori hanno prodotto risparmi con una certa riduzione dell’accuratezza.
Lo studio dimostra quindi un compromesso promettente tra accuratezza e costo, senza provare che ogni versione di MAI-DxO sia contemporaneamente più accurata e meno costosa dei medici.
I costi sono stati modellati usando dati standardizzati sulle tariffe mediche. Non rappresentano spese ospedaliere effettive né risparmi verificati per i pazienti.
Perché questa ricerca va oltre i test tradizionali di IA medica
Molte valutazioni dell’IA medica si basano su esami standardizzati o domande a scelta multipla.
Questi test misurano le conoscenze mediche, ma potrebbero non riflettere accuratamente la complessità della diagnosi di pazienti reali.
Nella pratica clinica, tutte le informazioni sono raramente disponibili insieme. I medici devono decidere quali domande porre, quali esami richiedere e quando hanno evidenze sufficienti per concludere.
Il benchmark di diagnosi sequenziale
Microsoft ha sviluppato SDBench per valutare questo processo decisionale in modo più realistico.
Invece di fornire subito l’intera storia clinica, il benchmark parte da informazioni limitate.
Il sistema diagnostico deve quindi richiedere ulteriori dettagli passo dopo passo.
Un intermediario simulato fornisce informazioni dalla cartella del caso o genera risposte plausibili quando i dati richiesti mancano. Un processo di valutazione basato sull’IA verifica la correttezza diagnostica.
Ciò permette di esaminare se un sistema di IA raggiunge la diagnosi corretta e come vi arriva.
Microsoft ha reso componenti di SDBench disponibili ai ricercatori, favorendo ulteriori test e la riproducibilità.
L’azienda riferisce inoltre che i miglioramenti di MAI-DxO si sono mantenuti nelle valutazioni con modelli di IA più recenti, incluso GPT-5.5, senza modificare l’approccio di orchestrazione sottostante.
Questo suggerisce che il metodo potrebbe beneficiare dei continui progressi dei modelli di base.
Microsoft prevede test clinici reali a Boston
Nonostante i risultati promettenti nei benchmark, il sistema diagnostico di Microsoft non ha ancora dimostrato prestazioni equivalenti nella pratica clinica reale.
Per studiare questo divario, Microsoft ha annunciato una collaborazione con il Beth Israel Deaconess Medical Center di Boston.
Le organizzazioni intendono valutare le capacità di ragionamento clinico di MAI-DxO in ambito ospedaliero.
Che cosa esaminerà lo studio clinico
Nello studio prospettico previsto, i pazienti interagiranno direttamente con il sistema di IA e le sue valutazioni diagnostiche saranno confrontate con valutazioni indipendenti effettuate dai medici.
La ricerca aiuterà a determinare se MAI-DxO mantiene le prestazioni dei benchmark di fronte all’incertezza e alla complessità degli incontri clinici reali.
Fornirà inoltre evidenze su come integrare la tecnologia nei flussi di lavoro medici esistenti.
Finché questi studi non produrranno risultati, la superiorità diagnostica in condizioni reali rimarrà indimostrata.
Le sfide da superare prima dell’adozione clinica dell’IA
Sebbene i risultati di Microsoft siano significativi, l’accuratezza diagnostica da sola non basta a stabilire se un sistema di IA migliori l’assistenza sanitaria.
Restano aperte diverse questioni importanti.
Affidabilità clinica e sicurezza dei pazienti
I pazienti reali possono presentare storie incomplete, sintomi sovrapposti, complicazioni inattese e reperti ambigui.
I sistemi di IA devono dimostrare di gestire queste situazioni in modo affidabile, riconoscere l’incertezza ed evitare raccomandazioni potenzialmente dannose.
Decisioni terapeutiche e assistenza a lungo termine
Identificare una patologia è solo una parte dell’assistenza sanitaria.
I medici devono anche scegliere trattamenti appropriati, seguire i pazienti nel tempo, rispondere alle complicazioni e adattare le cure alle circostanze individuali.
I risultati pubblicati di MAI-DxO non dimostrano che possa svolgere queste responsabilità più ampie.
Supervisione umana e integrazione nell’assistenza
I sistemi clinici di IA devono integrarsi anche nel processo decisionale condiviso tra medici e pazienti.
Questo significa spiegare le raccomandazioni, sostenere il giudizio professionale, proteggere le informazioni sensibili e mantenere un’adeguata supervisione umana.
Tali requisiti rendono essenziale la validazione in condizioni reali prima di un impiego clinico su larga scala.
Perché il progresso di Microsoft nell’IA medica è importante
La ricerca di Microsoft indica una possibile svolta significativa nell’intelligenza artificiale medica.
Oltre a rispondere alle domande mediche, l’IA potrebbe sostenere sempre più il processo diagnostico stesso: raccogliere evidenze, confrontare spiegazioni alternative e aiutare i clinici a scegliere gli approfondimenti più utili.
Lo studio rafforza anche l’interesse per architetture di IA collaborative, in cui più ruoli specializzati contribuiscono a una decisione comune.
La più ampia visione di superintelligenza medica di Microsoft comprende, oltre alla diagnosi, la pianificazione terapeutica, il monitoraggio longitudinale della salute e il supporto personalizzato alle decisioni cliniche.
L’azienda collabora anche con Mayo Clinic per esplorare come IA avanzata, competenze cliniche e dati dei pazienti raccolti nel tempo possano sostenere sistemi sanitari più completi.
Tuttavia, i miglioramenti nei benchmark diagnostici non vanno confusi con miglioramenti dimostrati nella sopravvivenza, negli esiti terapeutici o nell’accessibilità delle cure.
Questi benefici richiedono ancora rigorose evidenze cliniche.
Conclusioni
MAI-DxO di Microsoft rappresenta un progresso promettente nella diagnosi medica assistita dall’IA.
Le prestazioni nei casi complessi e nei benchmark di pronto soccorso mostrano che il ragionamento di IA orchestrato può superare l’accuratezza dei medici partecipanti in condizioni di valutazione controllate.
Le configurazioni ottimizzate per i costi suggeriscono inoltre opportunità per ridurre la spesa degli esami diagnostici conservando parte dei guadagni di accuratezza.
Il prossimo traguardo sarà dimostrare se questi vantaggi si traducono in cure più sicure, efficaci e accessibili per pazienti reali.
Il futuro dell’IA medica dipenderà dalla capacità di diagnosticare con precisione e di aiutare i clinici a fornire cure migliori nel mondo reale.
Fonti e approfondimenti
- Microsoft AI — Building Medical Superintelligence (22 ottobre 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 di IA migliora l’accuratezza diagnostica riducendo i costi degli esami medici