Изкуственият интелект на Microsoft диагностицира с над два пъти по-висока точност от лекарите при сложни медицински случаи

Новата система MAI-DxO достига 83,2% диагностична точност при казуси от The New England Journal of Medicine. При лекарите с достъп до справочни материали резултатът е 36,1%. Изследването поставя нови въпроси за бъдещето на медицината, ролята на лекаря и възможностите на изкуствения интелект.

Изкуственият интелект прави още една сериозна крачка в област, в която точността на решенията може да има пряко значение за човешкия живот. Изследователи от Microsoft представиха система, която не просто анализира симптоми и предлага вероятна диагноза, а преминава през последователен диагностичен процес – задава въпроси, преценява какви изследвания са необходими, анализира получените резултати и променя хипотезите си според новата информация.

Системата се нарича Microsoft AI Diagnostic Orchestrator, или MAI-DxO. Резултатите от новото изследване бяха публикувани на 22 октомври 2026 г. в научното списание Science. Според авторите подходът показва значително по-висока точност от тази на лекарите в два набора от тестови медицински случаи.

Това е важна разлика спрямо познатите демонстрации на медицински изкуствен интелект. Вместо да получи цялата информация за пациента наведнъж и да избере отговор, системата трябва да решава какво да попита или изследва следващо. Именно този процес е съществена част от реалната медицинска диагностика.

Какво представлява MAI-DxO?

MAI-DxO не е просто отделен модел с медицински знания. Това е система за координация на диагностични стъпки, която използва езиков модел и организира взаимодействието между няколко виртуални роли, наподобяващи медицински специалисти.

Вместо да се ангажира веднага с една диагноза, системата може да разглежда различни възможности, да проверява дали първоначалното предположение се потвърждава и да преценява коя следваща информация би била най-полезна.

Процесът включва няколко основни стъпки: първоначална оценка на случая, формулиране на възможни диагнози, избор на допълнителни въпроси и изследвания, интерпретация на резултатите и актуализиране на диагностичната хипотеза.

В основните резултати, представени в публикацията, MAI-DxO работи с GPT-5. Съществената идея обаче е, че диагностичната стратегия се организира от отделен координиращ механизъм, а не се разчита единствено на единичен отговор от езиковия модел.

Това има значение, защото медицинската диагноза рядко е резултат само от разпознаването на симптом. Често тя изисква внимателно събиране на анамнеза, разграничаване между сходни заболявания и избор на подходящи изследвания, без да се пропускат важни възможности или да се назначават ненужни процедури.

На каква база е проведено изследването?

Изследователите разработват Sequential Diagnosis Benchmark (SDBench) – система за оценяване, която проверява не само крайния диагностичен отговор, но и начина, по който се стига до него.

Използвани са два набора от медицински случаи.

Първият включва 304 сложни клинични случая, публикувани в The New England Journal of Medicine. Това са случаи, подбрани заради диагностичната си сложност и образователната си стойност. Те не представляват случайна извадка от всички пациенти, които посещават лекар.

Вторият набор включва 325 случая на пациенти, приети в спешни отделения, от базата данни MIMIC-IV-ED. Той позволява да се провери как системата се представя при по-типични ситуации, свързани със спешната медицинска помощ.

При тестовете диагностикът започва с ограничено описание на случая. Допълнителната информация се предоставя, когато бъде поискана. Така системата трябва да избере какви въпроси да зададе, какви изследвания да назначи и кога разполага с достатъчно данни, за да формулира диагноза.

Това прави оценката по-близка до последователния характер на клиничното мислене, макар че тя продължава да се провежда в контролирана среда с текстови описания, а не при реални прегледи на пациенти.

Резултат № 1: 83,2% срещу 36,1% при сложните случаи

При 304-те сложни случая от The New England Journal of Medicine MAI-DxO достига диагностична точност от 83,2%, когато работи с GPT-5 и без ограничение на бюджета за изследвания.

Лекарите, участвали в сравнението, постигат средна точност от 36,1%, когато имат достъп до интернет и справочни ресурси. Без такива ресурси резултатът им е 22,3%.

Разликата между системата и лекарите с достъп до справочни материали е 47,1 процентни пункта. В относително изражение точността на AI системата е приблизително 2,3 пъти по-висока в този тест.

Това е впечатляващ резултат, но контекстът е решаващ. Казусите са особено сложни, а сравнението е с отделни лекари общопрактикуващи и болнични специалисти, а не с екипи от експерти, които обсъждат конкретен пациент в реална клинична среда.

Освен това 83,2% е резултатът при конкретна конфигурация на системата и конкретен набор от случаи. Той не трябва да се тълкува като обща вероятност MAI-DxO да постави правилна диагноза на произволен пациент.

Резултат № 2: 80,3% при случаи от спешни отделения

Във втория тест системата е оценена върху 325 случая от базата MIMIC-IV-ED.

MAI-DxO достига точност от 80,3%, докато средният резултат на лекарите е 46,8%. Това е разлика от 33,5 процентни пункта, или приблизително 1,7 пъти по-висока точност за AI системата.

Този резултат е важен, защото проверява технологията в различен тип медицински ситуации. Въпреки това и тук става дума за ретроспективни случаи, представени чрез информация в тестова среда, а не за изпитване на системата върху пациенти, които в момента се лекуват в спешно отделение.

Следващата стъпка ще бъде да се провери дали подобен резултат може да се постигне в реална медицинска практика, където информацията често е непълна, времето е ограничено, а решенията трябва да се съобразяват и с индивидуалното състояние на пациента.

Не само точност, но и цена на диагностиката

Един от интересните аспекти на изследването е, че оценката не се ограничава до въпроса дали системата достига до правилна диагноза. Изследователите разглеждат и приблизителната цена на диагностичния процес.

При сложните случаи от NEJM конфигурацията с най-висока точност достига 84,5%, при изчислена средна цена от 8945 долара на случай. При конфигурация без ограничение на бюджета точността е 83,2%, а оценената цена е 5431 долара. При по-строго ограничаване на разходите системата запазва точност от 80,9% при цена от 2241 долара на случай.

За сравнение, средната оценена цена на диагностичния процес при лекарите с достъп до справочни ресурси е 4725 долара на случай.

Тези суми не са реални сметки, платени от пациенти или болници. Те са оценки, изчислени в рамките на изследването въз основа на цени за медицински услуги и изследвания. Затова не бива автоматично да се приемат като прогноза за бъдещи спестявания в здравната система.

Резултатите все пак показват нещо съществено: при диагностиката има значение не само колко информация може да събере една система, а и дали избира правилната информация, без да увеличава ненужно броя на изследванията.

Какво означава това за бъдещето на медицината?

Изследването на Microsoft показва потенциална промяна в начина, по който се оценява медицинският изкуствен интелект. Вместо да се измерва единствено способността му да отговаря на медицински въпроси, все по-важни стават уменията му да събира информация, да проверява хипотези, да подбира изследвания и да преценява кога е необходимо да продължи диагностичния процес.

Ако подобни системи докажат ефективността си в реални клинични условия, те биха могли да подпомагат лекарите при сложни случаи, да насочват вниманието към пропуснати възможности и да допринасят за по-разумен избор на изследвания.

Това обаче не означава, че лекарят става излишен. Клиничната работа включва физически преглед, наблюдение на пациента, интерпретация на образни и лабораторни данни, преценка на риска, разговор с пациента и вземане на решения при несигурност. Тя изисква и отговорност за последиците от лечението.

Именно затова следващият етап на развитие е толкова важен. Според Reuters Microsoft планира сътрудничество с Beth Israel Deaconess Medical Center в Бостън, за да провери възможностите на технологията за първоначално насочване и триаж на пациенти в чакалните на спешни отделения.

Това ще бъде по-съществен тест от сравнението с архивни медицински случаи: ще покаже дали технологията може да подпомогне реални клинични решения при действителните ограничения на здравеопазването.

Какво трябва да знаем, преди да обявим AI за по-добър диагностик от лекаря?

Има няколко важни ограничения. Първо, изследването е проведено в контролирана, текстова среда. Второ, сложните случаи от NEJM са подбрани именно защото представляват диагностични предизвикателства и не отразяват честотата на различните заболявания в ежедневната практика. Трето, сравнението с отделни лекари не доказва, че AI системата ще превъзхожда специалисти или мултидисциплинарни екипи при работа с реални пациенти.

Необходимо е също да се провери как системата се справя с редки заболявания, непълни или противоречиви данни, възможни грешки в изследванията и ситуации, в които правилното решение е да се потърси незабавна човешка намеса.

Затова най-точният извод от изследването не е, че изкуственият интелект вече е по-добър лекар. По-важното е, че една AI система показва впечатляващи резултати при последователно решаване на сложни диагностични задачи и че този подход заслужава проверка в реални медицински условия.

Бъдещето на медицината вероятно няма да се определя само от това кой може да постави по-точна диагноза – човекът или машината. То ще зависи и от това как лекарите могат да използват технологиите, без да губят човешката преценка, отговорността и доверието, които стоят в основата на лечението.

Материалът е с информационна цел и не представлява медицински съвет. Резултатите от изследването не са основание за самостоятелна диагностика или промяна на лечение.

Източници

1. Microsoft AI – Building Medical Superintelligence, 22 октомври 2026 г.

2. Reuters – Microsoft develops AI tool that can diagnose 'sequentially' like a doctor, 23 октомври 2026 г.

3. Medical Economics – AI system outperforms physicians on diagnostic accuracy in Microsoft study, 22 октомври 2026 г.

4. Научна публикация в Science – DOI: 10.1126/science.aeh7930.