Microsoft’un MAI-DxO yapay zekâsı tanı çalışmasında doktorları geride bıraktı

Microsoft, yapay zekânın karmaşık hastalıklara tanı koymada doktorlardan belirgin ölçüde daha doğru sonuçlar verebileceğini ve gereksiz tıbbi tetkikleri azaltmaya yardımcı olabileceğini düşündüren yeni bir araştırma sundu.

22 Ekim 2026’da Science dergisinde yayımlanan çalışmada Microsoft’un Yapay Zekâ Tanı Orkestratörü (MAI-DxO), karmaşık tıbbi vakalarda %83 tanı doğruluğuna ulaştı. Kaynak materyallerden yararlanan doktorlarda bu oran yalnızca %36’ydı.

Sistem daha yaygın acil servis vakalarında da güçlü sonuçlar elde ederek doktorların %47’lik doğruluğuna karşı %80 doğruluğa ulaştı.

Bulgular, yapay zekâ destekli tıbbi akıl yürütmede önemli bir ilerlemeye işaret ediyor. Ancak sonuçlar hastanelerde tedavi edilen hastalardan değil, simüle edilmiş bir tanı süreciyle değerlendirilen geçmiş klinik vakalardan elde edildi.

Microsoft’un resmî açıklamasına göre şirket, teknolojiyi artık gerçek klinik ortamlarda test etmeyi planlıyor.

Microsoft’un MAI-DxO yapay zekâ tanı sistemi nedir?

Microsoft AI Diagnostic Orchestrator, kısaca MAI-DxO, bir doktor ekibinin hastalara tanı koyarken yürüttüğü iş birliğini taklit etmek üzere tasarlanmış bir yapay zekâ sistemidir.

Mevcut tüm tıbbi bilgileri analiz edip hemen yanıt üreten geleneksel yapay zekâ sistemlerinden farklı olarak MAI-DxO, tanıyı zamanla gelişen bir araştırma olarak ele alır.

Belirtileri incelemek, ek bilgi istemek, olası tanıları değerlendirmek ve birbirlerinin çıkarımlarını sorgulamak için birlikte çalışan çeşitli sanal doktor rollerini koordine eder.

MAI-DxO nasıl çalışır?

Sistem çok aşamalı bir tanı süreci izler:

1. İlk değerlendirme: Yapay zekâ ajanları hastanın başvuru belirtilerini analiz eder ve olası hastalıkları belirler.
2. Bilgi toplama: Sistem hangi ek soruların, muayenelerin veya tanı testlerinin daha yararlı olacağını belirler.
3. İş birliğine dayalı akıl yürütme: Sanal doktor rolleri alternatif açıklamaları sorgular ve yeni kanıtları değerlendirir.
4. Maliyeti gözeten kararlar: Sistem ek tetkiklerin tahmini maliyetini ve olası tanısal değerini dikkate alır.
5. Nihai tanı: Yeterli bilgi toplandığında MAI-DxO en olası tanıyı seçer.

Bu yaklaşım, yeni bilgiler geldikçe doktorların çıkarımlarını sürekli yeniden değerlendirdiği klinik uygulamadaki yinelemeli akıl yürütmeye benzemek üzere tasarlanmıştır.

Sanal doktorlar, bir orkestrasyon sistemi içindeki yapay zekâ tarafından oluşturulan rollerdir; bağımsız insan doktorlar değildir.

Microsoft yapay zekâsı ile doktorların karşılaştırması: Çalışmanın bulguları

Microsoft, MAI-DxO’yu Sıralı Tanı Karşılaştırma Testi, yani Sequential Diagnosis Benchmark (SDBench) ile değerlendirdi.

Test, iki veri kümesinden toplam 629 geçmiş klinik vakayı kapsıyordu: The New England Journal of Medicine (NEJM) dergisinden 304 zor vaka ve MIMIC-IV-ED tıbbi veri kümesinden 325 acil servis vakası.

Sonuçlar tanı doğruluğunda önemli farklılıklar gösterdi.

Tanı karşılaştırma testi	MAI-DxO doğruluğu	Doktorların doğruluğu
304 karmaşık NEJM vakası, kaynak kullanan doktorlar	%83,2	%36,1
304 karmaşık NEJM vakası, kaynak kullanmayan doktorlar	%83,2	%22,3
325 acil servis vakası	%80,3	%46,8

Kaynak: Microsoft AI ve Nori ve diğerleri, “Sequential Diagnosis with Language Models”, Science, 22 Ekim 2026.

Karmaşık vakalarda yapay zekânın doğruluğu doktorların iki katını aştı

MAI-DxO, 304 zor NEJM vakasında ders kitapları ve internet kaynaklarını kullanabilen doktorların yaklaşık 2,3 katı tanı doğruluğuna ulaştı.

Bu kaynaklar olmadan çalışan doktorlarla karşılaştırıldığında doğruluk yaklaşık 3,7 kat yüksekti.

Bulgular, yapay zekâ sistemlerinin özellikle kapsamlı tıbbi bilgi ve kanıtların dikkatle yorumlanmasını gerektiren sıra dışı veya karmaşık hastalıkların tanısında değerli olabileceğini düşündürüyor.

Ancak karşılaştırma, gerçek hastanelerdeki çok disiplinli uzman ekipleriyle değil, kontrollü çalışma koşullarında katılımcı genel hekimlerle yapıldı.

Yapay zekâ acil servis vakalarında da daha başarılıydı

Acil servis değerlendirmesi de dikkat çekici bir sonuç verdi.

MAI-DxO vakaların yaklaşık %80’ine doğru tanı koyarken, katılımcı doktorlarda bu oran %47’ydi.

Bu, yaklaşık 1,7 kat tanı doğruluğuna karşılık geliyor.

Zor NEJM vakalarının aksine acil servis veri kümesi, daha yaygın klinik başvuruları temsil etmek üzere tasarlanmıştı.

Bu durum bulguları, günlük sağlık hizmetlerindeki olası uygulamalar açısından özellikle anlamlı kılıyor.

Yine de bunlar hastalarla canlı etkileşimler değil, geçmiş acil servis kayıtlarına dayanan simüle edilmiş değerlendirmelerdi.

Yapay zekâ tanıyı iyileştirirken sağlık maliyetlerini azaltabilir mi?

Microsoft araştırmasının en önemli yönlerinden biri hem tanı doğruluğuna hem de tıbbi tetkik maliyetlerine odaklanmasıdır.

Çok doğru sonuç veren bir yapay zekâ sistemi, bunu yalnızca aşırı sayıda tetkik isteyerek başarıyorsa pratik değeri sınırlı olabilir.

Bu nedenle MAI-DxO, ek incelemelerin olası yararını tahmini parasal maliyetleriyle birlikte değerlendirir.

Maliyet için optimize edilen yapay zekâ yüksek doğruluğu korudu

Microsoft, maliyet için optimize edilmiş bir yapılandırmanın karmaşık NEJM vakalarında yaklaşık %81 tanı doğruluğuna, karşılaştırılan bazı yaklaşımların tahmini maliyetinin yarısından daha azıyla ulaştığını bildirdi.

Diğer yapılandırmalar da sistemin güçlü performansını koruyarak önemli ölçüde daha düşük tetkik bütçeleriyle çalışabileceğini gösterdi.

Ancak en yüksek doğruluk sonuçları ile en düşük maliyet sonuçları arasında önemli bir ayrım var.

NEJM vakalarında %83,2 ve acil servis vakalarında %80,3 doğruluğa ulaşan kısıtsız yapılandırmaların tahmini ortalama maliyetleri, ilgili doktor gruplarından daha yüksekti. Daha düşük bütçeli yapılandırmalar, doğrulukta bir miktar azalmayla maliyet tasarrufu sağladı.

Dolayısıyla çalışma, MAI-DxO’nun her sürümünün doktorlardan hem daha doğru hem de daha ucuz olduğunu kanıtlamak yerine, doğruluk ile maliyet arasında umut verici bir denge gösteriyor.

Bu maliyetler standartlaştırılmış tıbbi fiyat verileriyle modellendi. Gerçek hastane harcamalarını veya hastalar için doğrulanmış tasarrufları temsil etmiyor.

Bu araştırma neden geleneksel tıbbi yapay zekâ testlerinin ötesine geçiyor?

Birçok tıbbi yapay zekâ değerlendirmesi standart sınavlara veya çoktan seçmeli sorulara dayanır.

Bu testler tıbbi bilgiyi ölçer, ancak gerçek hastalara tanı koymanın karmaşıklığını yeterince yansıtmayabilir.

Klinik uygulamada tüm bilgiler nadiren aynı anda hazır olur. Doktorlar hangi soruları soracaklarına, hangi tetkikleri isteyeceklerine ve bir sonuca varmak için ne zaman yeterli kanıt bulunduğuna karar vermelidir.

Sıralı Tanı Karşılaştırma Testi

Microsoft, bu karar sürecini daha gerçekçi değerlendirmek için SDBench’i geliştirdi.

Test, hastanın tüm öyküsünü başlangıçta sunmak yerine sınırlı bilgiyle başlar.

Tanı sistemi daha sonra adım adım ek ayrıntılar istemelidir.

Simüle edilmiş bir aracı, vaka kaydındaki bilgileri sağlar veya istenen bilgi eksikse makul yanıtlar üretir. Yapay zekâ tabanlı bir değerlendirme süreci tanının doğruluğunu değerlendirir.

Bu sayede araştırmacılar, sistemin doğru tanıya ulaşıp ulaşmadığının yanı sıra o tanıya nasıl ulaştığını da inceleyebilir.

Microsoft, ileri testleri ve tekrarlanabilirliği desteklemek için SDBench bileşenlerini araştırmacıların kullanımına sundu.

Şirket ayrıca MAI-DxO’nun performans kazanımlarının, temel orkestrasyon yaklaşımı değiştirilmeden GPT-5.5 dâhil daha yeni yapay zekâ modelleriyle değerlendirildiğinde de korunduğunu bildiriyor.

Bu, yöntemin temel modellerdeki ilerlemelerden yararlanabileceğini düşündürüyor.

Microsoft Boston’da gerçek klinik testler planlıyor

Umut verici karşılaştırma sonuçlarına rağmen Microsoft’un yapay zekâ tanı sistemi gerçek klinik uygulamada henüz eşdeğer performans göstermedi.

Bu farkı araştırmak için Microsoft, Boston’daki Beth Israel Deaconess Medical Center ile ortaklık duyurdu.

Kurumlar MAI-DxO’nun klinik akıl yürütme yeteneklerini hastane ortamlarında değerlendirmeyi planlıyor.

Klinik çalışma neleri inceleyecek?

Planlanan prospektif çalışmada hastalar yapay zekâ sistemiyle doğrudan etkileşime girecek ve sistemin tanısal değerlendirmeleri doktorların bağımsız değerlendirmeleriyle karşılaştırılacak.

Araştırma, MAI-DxO’nun gerçek klinik görüşmelerin belirsizliği ve karmaşıklığı karşısında test performansını koruyup koruyamadığını belirlemeye yardımcı olacak.

Ayrıca teknolojinin mevcut tıbbi iş akışlarına nasıl entegre edilebileceğine ilişkin kanıt sağlayacak.

Bu çalışmalar sonuç verene kadar gerçek koşullarda üstün tanı performansı iddiaları kanıtlanmış sayılmayacak.

Klinik kullanımdan önce yapay zekânın aşması gereken zorluklar

Microsoft’un bulguları önemli olsa da tanı doğruluğu tek başına bir yapay zekâ sisteminin sağlık hizmetlerini iyileştirdiğini belirlemek için yeterli değildir.

Yanıtlanmamış önemli sorular bulunuyor.

Klinik güvenilirlik ve hasta güvenliği

Gerçek hastalarda eksik öyküler, örtüşen belirtiler, beklenmeyen komplikasyonlar ve belirsiz bulgular görülebilir.

Yapay zekâ sistemleri bu durumlarla güvenilir biçimde başa çıkabildiklerini, belirsizliği tanıyabildiklerini ve olası zararlı önerilerden kaçınabildiklerini göstermelidir.

Tedavi kararları ve uzun dönemli bakım

Bir hastalığı tanımlamak sağlık hizmetlerinin yalnızca bir parçasıdır.

Doktorlar uygun tedavileri seçmeli, hastaları zaman içinde izlemeli, komplikasyonlara yanıt vermeli ve bakımı bireysel koşullara uyarlamalıdır.

MAI-DxO’nun bildirilen test sonuçları, bu kapsamlı sorumlulukları yerine getirebildiğini göstermiyor.

İnsan gözetimi ve sağlık hizmetlerine entegrasyon

Klinik yapay zekâ sistemleri, doktorlarla hastaların birlikte karar verme biçimine de uyum sağlamalıdır.

Bu; önerileri açıklamayı, mesleki muhakemeyi desteklemeyi, hassas hasta bilgilerini korumayı ve uygun insan gözetimini sürdürmeyi kapsar.

Bu gereklilikler, yaygın klinik kullanımdan önce gerçek koşullarda doğrulamayı zorunlu kılar.

Microsoft’un tıbbi yapay zekâ ilerlemesi neden önemli?

Microsoft’un araştırması, tıbbi yapay zekâda önemli olabilecek bir değişime işaret ediyor.

Yapay zekâ yalnızca tıbbi sorulara yanıt veren bir araç olmanın ötesine geçerek tanı sürecini giderek daha fazla destekleyebilir: kanıt toplamak, alternatif açıklamaları karşılaştırmak ve klinisyenlere hangi incelemelerin en yüksek değeri sunduğuna karar vermede yardımcı olmak.

Çalışma, birden fazla uzmanlaşmış rolün ortak karar sürecine katkıda bulunduğu iş birlikçi yapay zekâ mimarilerini de destekliyor.

Microsoft’un daha geniş tıbbi süper zekâ vizyonu; tanının yanı sıra tedavi planlamasını, uzun dönemli sağlık takibini ve kişiselleştirilmiş klinik karar desteğini kapsıyor.

Şirket ayrıca gelişmiş yapay zekâ, klinik uzmanlık ve zaman içinde toplanan hasta verilerinin daha kapsamlı sağlık sistemlerini nasıl destekleyebileceğini araştırmak için Mayo Clinic ile çalışıyor.

Ancak tanı testlerindeki iyileşmeler; sağkalım, tedavi sonuçları veya sağlık hizmetlerine erişimde kanıtlanmış iyileşmelerle karıştırılmamalıdır.

Bu yararlar için hâlâ titiz klinik kanıtlar gereklidir.

Sonuç

Microsoft’un MAI-DxO sistemi, yapay zekâ destekli tıbbi tanıda umut verici bir ilerlemedir.

Karmaşık vakalar ve acil servis testlerindeki performansı, orkestre edilmiş yapay zekâ akıl yürütmesinin kontrollü değerlendirme koşullarında katılımcı doktorların doğruluğunu aşabildiğini gösteriyor.

Maliyet için optimize edilmiş yapılandırmalar, doğruluk kazanımlarının bir kısmını korurken tanısal tetkik giderlerini azaltma fırsatları da sunuyor.

Bir sonraki dönüm noktası, bu yararların gerçek hastalar için daha güvenli, etkili ve uygun maliyetli bakıma dönüşüp dönüşmediğini göstermek olacak.

Tıbbi yapay zekânın geleceği, hastalıkları doğru teşhis etmenin yanı sıra klinisyenlerin gerçek dünyada daha iyi bakım sunmasına yardımcı olmaya bağlı olacak.

Kaynaklar ve ek okumalar

• Microsoft AI — Building Medical Superintelligence (22 Ekim 2026)
• Nori ve diğerleri — Sequential Diagnosis with Language Models, Science (2026)
• Microsoft — Sequential Diagnosis Benchmark (SDBench)
• American Association for the Advancement of Science — Yapay zekâ sistemi tanı doğruluğunu artırırken tıbbi tetkik maliyetlerini azaltıyor