ИИ MAI-DxO от Microsoft превзошёл врачей в исследовании медицинской диагностики

Microsoft представила новое исследование, согласно которому искусственный интеллект может значительно точнее врачей диагностировать сложные заболевания и одновременно помогать сокращать число ненужных медицинских обследований.

В исследовании, опубликованном в Science 22 октября 2026 года, диагностический ИИ-оркестратор Microsoft MAI-DxO достиг 83% точности диагностики на сложных медицинских случаях. У врачей, использовавших справочные материалы, этот показатель составил лишь 36%.

Система также показала высокие результаты на более типичных случаях из отделений неотложной помощи: 80% точности против 47% у врачей.

Это важный шаг вперёд в медицинском рассуждении с помощью ИИ. Однако результаты получены на исторических клинических случаях в симулированном диагностическом процессе, а не при лечении пациентов в больницах.

Согласно официальному сообщению Microsoft, теперь компания планирует проверить технологию в реальной клинической среде.

Что представляет собой диагностическая ИИ-система MAI-DxO от Microsoft?

Microsoft AI Diagnostic Orchestrator, или MAI-DxO, — это ИИ-система, предназначенная для воспроизведения совместной работы команды врачей при постановке диагноза.

В отличие от обычных ИИ-систем, которые анализируют всю доступную медицинскую информацию и сразу выдают ответ, MAI-DxO рассматривает диагностику как постепенно развивающееся исследование.

Она координирует несколько ролей виртуальных врачей, которые совместно анализируют симптомы, запрашивают дополнительные сведения, рассматривают возможные диагнозы и оспаривают выводы друг друга.

Как работает MAI-DxO

Система следует многоэтапному диагностическому процессу:

1. Первичная оценка: ИИ-агенты анализируют симптомы, с которыми обратился пациент, и определяют возможные заболевания.
2. Сбор информации: Система решает, какие дополнительные вопросы, осмотры или диагностические тесты будут наиболее полезны.
3. Совместное рассуждение: Виртуальные врачебные роли проверяют конкурирующие объяснения и оценивают новые данные.
4. Решения с учётом стоимости: Система учитывает предполагаемую стоимость и потенциальную диагностическую ценность дополнительных обследований.
5. Окончательный диагноз: Собрав достаточно информации, MAI-DxO выбирает наиболее вероятный диагноз.

Подход призван напоминать итеративное рассуждение в клинической практике, когда врачи постоянно пересматривают выводы по мере появления новых сведений.

Виртуальные врачи — это созданные ИИ роли в системе оркестрации, а не независимые врачи-люди.

ИИ Microsoft и врачи: что показало исследование

Microsoft оценила MAI-DxO с помощью своего теста последовательной диагностики Sequential Diagnosis Benchmark, или SDBench.

Он включал 629 исторических клинических случаев из двух наборов данных: 304 сложных случая из The New England Journal of Medicine (NEJM) и 325 случаев неотложной помощи из медицинского набора MIMIC-IV-ED.

Результаты выявили существенные различия в точности диагностики.

Диагностический тест	Точность MAI-DxO	Точность врачей
304 сложных случая NEJM, врачи со справочными материалами	83,2%	36,1%
304 сложных случая NEJM, врачи без справочных материалов	83,2%	22,3%
325 случаев неотложной помощи	80,3%	46,8%

Источник: Microsoft AI и Nori и соавт., «Sequential Diagnosis with Language Models», Science, 22 октября 2026 года.

В сложных случаях точность ИИ более чем вдвое превысила точность врачей

На 304 сложных случаях NEJM точность диагностики MAI-DxO была примерно в 2,3 раза выше, чем у врачей с доступом к учебникам и интернет-ресурсам.

По сравнению с врачами, работавшими без этих материалов, точность была примерно в 3,7 раза выше.

Это указывает на потенциальную ценность ИИ-систем при диагностике необычных или сложных заболеваний, требующих обширных медицинских знаний и внимательной интерпретации данных.

Однако сравнение проводилось с участвовавшими врачами общего профиля в контролируемых условиях исследования, а не с междисциплинарными командами специалистов в реальных больницах.

ИИ также лучше справился со случаями неотложной помощи

Оценка случаев из отделений неотложной помощи дала ещё один примечательный результат.

MAI-DxO правильно диагностировал около 80% случаев против 47% у участвовавших врачей.

Это соответствует примерно 1,7-кратному превосходству по точности диагностики.

В отличие от сложных случаев NEJM, набор неотложной помощи был предназначен для отражения более распространённых клинических проявлений.

Поэтому результаты особенно значимы для возможного применения в повседневной медицинской помощи.

Тем не менее это были симуляции на основе исторических записей отделений неотложной помощи, а не непосредственное взаимодействие с пациентами.

Может ли ИИ улучшить диагностику и снизить расходы на здравоохранение?

Одна из важнейших особенностей исследования Microsoft — внимание одновременно к точности диагностики и стоимости медицинских обследований.

Даже очень точная ИИ-система может иметь ограниченную практическую ценность, если добивается лучших результатов только за счёт чрезмерного числа назначенных исследований.

Поэтому MAI-DxO оценивает вероятную полезность дополнительных обследований вместе с их предполагаемой финансовой стоимостью.

Оптимизированный по стоимости ИИ сохранил высокую точность

Microsoft сообщила, что одна из оптимизированных по стоимости конфигураций достигла примерно 81% точности диагностики на сложных случаях NEJM при затратах менее половины расчётной стоимости некоторых сравниваемых подходов.

Другие конфигурации также показали, что система может работать со значительно меньшими бюджетами обследований, сохраняя хорошие результаты.

Однако важно различать результаты с максимальной точностью и результаты с минимальной стоимостью.

Конфигурации без ограничений, достигшие точности 83,2% на случаях NEJM и 80,3% на случаях неотложной помощи, имели более высокие расчётные средние затраты, чем соответствующие группы врачей. Конфигурации с меньшим бюджетом обеспечивали экономию при некотором снижении точности.

Таким образом, исследование демонстрирует перспективный компромисс между точностью и стоимостью, но не доказывает, что любая версия MAI-DxO одновременно точнее и дешевле врачей.

Затраты моделировались на основе стандартизированных медицинских тарифов. Это не фактические расходы больниц и не подтверждённая экономия для пациентов.

Почему это исследование выходит за рамки традиционных тестов медицинского ИИ

Многие оценки медицинского ИИ основаны на стандартизированных экзаменах или вопросах с выбором ответа.

Такие тесты измеряют медицинские знания, но могут недостаточно точно отражать сложность диагностики реальных пациентов.

В клинической практике вся информация редко доступна сразу. Врачи должны решать, какие вопросы задать, какие обследования назначить и когда данных достаточно для вывода.

Тест последовательной диагностики

Microsoft разработала SDBench для более реалистичной оценки этого процесса принятия решений.

Вместо предоставления полной истории пациента в начале тест начинается с ограниченной информации.

Затем диагностическая система должна поэтапно запрашивать дополнительные сведения.

Симулированный посредник предоставляет информацию из исходной истории случая или генерирует правдоподобные ответы, когда запрошенных сведений нет. Процесс оценки на основе ИИ определяет правильность диагноза.

Это позволяет исследователям изучать не только то, приходит ли система к правильному диагнозу, но и то, как она это делает.

Microsoft предоставила исследователям компоненты SDBench, поддерживая дальнейшее тестирование и воспроизводимость.

Компания также сообщает, что преимущества MAI-DxO сохранялись при оценке с более новыми ИИ-моделями, включая GPT-5.5, без изменения базового подхода к оркестрации.

Это предполагает, что метод может выигрывать от дальнейшего развития базовых моделей.

Microsoft планирует реальные клинические испытания в Бостоне

Несмотря на перспективные результаты тестов, диагностическая ИИ-система Microsoft ещё не продемонстрировала сопоставимую эффективность в реальной клинической практике.

Чтобы изучить этот разрыв, Microsoft объявила о партнёрстве с Beth Israel Deaconess Medical Center в Бостоне.

Организации планируют оценить способности MAI-DxO к клиническому рассуждению в больничных условиях.

Что будет изучать клиническое исследование

В запланированном проспективном исследовании пациенты будут напрямую взаимодействовать с ИИ-системой, а её диагностические заключения сравнят с независимыми оценками врачей.

Исследование поможет выяснить, способен ли MAI-DxO сохранить результаты тестов при неопределённости и сложности реальных клинических контактов.

Оно также даст данные о возможной интеграции технологии в существующие медицинские рабочие процессы.

Пока эти исследования не дадут результатов, превосходство диагностики в реальных условиях остаётся недоказанным.

Какие задачи ИИ должен решить до внедрения в клинику

Хотя результаты Microsoft значимы, одной точности диагностики недостаточно, чтобы установить, улучшает ли ИИ-система медицинскую помощь.

Несколько важных вопросов остаются открытыми.

Клиническая надёжность и безопасность пациентов

У реальных пациентов могут быть неполный анамнез, пересекающиеся симптомы, неожиданные осложнения и неоднозначные результаты обследований.

ИИ-системы должны доказать, что способны надёжно справляться с такими ситуациями, распознавать неопределённость и избегать потенциально опасных рекомендаций.

Лечение и долгосрочное наблюдение

Определение заболевания — лишь одна часть медицинской помощи.

Врачи также должны выбирать подходящее лечение, наблюдать пациентов в динамике, реагировать на осложнения и адаптировать помощь к индивидуальным обстоятельствам.

Опубликованные результаты MAI-DxO не подтверждают способность выполнять эти более широкие обязанности.

Человеческий контроль и интеграция в здравоохранение

Клинические ИИ-системы также должны вписываться в совместное принятие решений врачами и пациентами.

Это включает объяснение рекомендаций, поддержку профессионального суждения, защиту конфиденциальных данных и сохранение надлежащего человеческого контроля.

Эти требования делают проверку в реальных условиях необходимой до широкого клинического внедрения.

Почему прорыв Microsoft в медицинском ИИ важен

Исследование Microsoft указывает на потенциально важный сдвиг в медицинском искусственном интеллекте.

ИИ может всё активнее поддерживать сам диагностический процесс: собирать данные, сравнивать конкурирующие объяснения и помогать клиницистам определять наиболее полезные обследования, а не только отвечать на медицинские вопросы.

Работа также усиливает аргументы в пользу совместных ИИ-архитектур, где несколько специализированных ролей участвуют в общем процессе принятия решений.

Более широкая концепция медицинского суперинтеллекта Microsoft включает не только диагностику, но и планирование лечения, длительный мониторинг здоровья и персонализированную поддержку клинических решений.

Компания также сотрудничает с Mayo Clinic, изучая, как передовой ИИ, клинические знания и собираемые со временем данные пациентов могут поддерживать более комплексные системы здравоохранения.

Однако улучшения в диагностических тестах нельзя путать с доказанным улучшением выживаемости, результатов лечения или доступности медицинской помощи.

Для подтверждения этих преимуществ по-прежнему нужны строгие клинические доказательства.

Выводы

MAI-DxO от Microsoft — перспективный шаг вперёд в медицинской диагностике с помощью ИИ.

Результаты на сложных случаях и тестах неотложной помощи показывают, что скоординированное ИИ-рассуждение может превосходить точность участвующих врачей в контролируемых условиях оценки.

Оптимизированные по стоимости конфигурации также указывают на возможность снизить расходы на диагностические обследования, сохранив часть преимуществ в точности.

Следующей важной вехой станет демонстрация того, превращаются ли эти преимущества в более безопасную, эффективную и доступную помощь реальным пациентам.

Будущее медицинского ИИ будет зависеть не только от точного распознавания заболеваний, но и от помощи клиницистам в улучшении реальной медицинской практики.

Источники и дополнительные материалы

• Microsoft AI — Building Medical Superintelligence (22 октября 2026)
• Nori и соавт. — Sequential Diagnosis with Language Models, Science (2026)
• Microsoft — Sequential Diagnosis Benchmark (SDBench)
• American Association for the Advancement of Science — ИИ-система повышает точность диагностики и снижает стоимость медицинских обследований