AI van Microsoft stelt in simulatie vaker de juiste diagnose dan huisartsen
Volgens een studie van Microsoft in het vakblad Science vond het AI-systeem MAI-DxO bij 83 procent van moeilijke ziektegevallen de juiste diagnose, tegen 36 procent voor artsen. Nu volgt een test met echte patiënten.
Een arts die een moeilijke diagnose moet stellen, begint met een paar klachten en weinig informatie. Stap voor stap stelt hij vragen, laat hij onderzoeken doen en sluit hij mogelijkheden uit. Elk onderzoek kost tijd en geld. Microsoft heeft een AI-systeem gebouwd dat precies dat proces nadoet, en presenteert de resultaten nu in het wetenschappelijke tijdschrift Science.
Het systeem heet MAI-DxO. Microsoft testte het op 304 ingewikkelde ziektegevallen uit het medische vakblad The New England Journal of Medicine, dat elke week zo'n lastig geval met de uiteindelijke diagnose publiceert. Volgens Microsoft vond het systeem in 83 procent van de gevallen de juiste diagnose. Huisartsen en algemeen internisten die dezelfde gevallen kregen, kwamen op 36 procent als ze boeken en internet mochten gebruiken, en op 22 procent zonder hulpmiddelen. Op gevallen van de spoedeisende hulp, uit een database van een ziekenhuis in Boston, scoorde het systeem 80 procent tegen 47 procent voor artsen. Het zou dat ook nog met minder onderzoeken en dus lagere kosten doen.
Microsoft liet een eerste versie van dit onderzoek in juni 2025 al zien, als voorpublicatie. Nu is het door andere wetenschappers beoordeeld en in Science verschenen.
Een panel van digitale artsen
MAI-DxO is geen los AI-model, maar een manier om bestaande taalmodellen samen te laten werken. Het systeem laat meerdere AI-assistenten optreden als een team van artsen. Ze stellen vragen, vragen onderzoeken aan en overleggen over de diagnose. Bij elk onderzoek wegen ze af of het genoeg oplevert voor wat het kost.
Om dat te meten, bouwde Microsoft ook een nieuwe test. Daarin krijgt de deelnemer, mens of AI, eerst maar een klein deel van het verhaal en moet zelf bepalen welke informatie hij nog opvraagt. Microsoft maakt deze test voor een deel van de gevallen openbaar, zodat andere onderzoekers hem ook kunnen gebruiken.
Het onderliggende model doet veel werk
De studie laat ook zien waar de vooruitgang vooral vandaan komt. Techsite TechCrunch wijst erop dat de taalmodellen zelf al heel goed zijn. GPT-5 van OpenAI vond zonder het systeem van Microsoft al bij 78,9 procent van de moeilijke gevallen de juiste diagnose, tegen ongeveer 8.400 dollar aan onderzoeken per geval. Met MAI-DxO steeg dat met zo'n 4 procentpunten en daalden de kosten met ongeveer 3.000 dollar per geval. Bij het nieuwere GPT-5.5 was de winst groter: van 72 naar bijna 87 procent. Op de gevallen van de spoedeisende hulp scoorde GPT-5.5 met en zonder het systeem ongeveer 85 procent.
Ook bij een kleiner en goedkoper model, Gemini 2.5 Flash van Google, hielp het systeem flink: van 46 naar bijna 69 procent. Toch bleef het verschil tussen het kleine en de grote modellen groter dan wat MAI-DxO toevoegde.
De artsen in de vergelijking waren huisartsen en algemeen internisten die alleen werkten. Zulke ingewikkelde gevallen gaan in de praktijk meestal naar specialisten of een team van artsen, en die deden niet mee. Ook ging het om beschreven gevallen, niet om echte patiënten in de spreekkamer.
Volgende stap: echte patiënten
Die stap komt nu. Microsoft gaat samenwerken met het Beth Israel Deaconess Medical Center in Boston. Patiënten krijgen daar gewoon de normale zorg, en wie daarvoor toestemming geeft, praat ook met MAI-DxO. Daarna worden de adviezen van het systeem vergeleken met het oordeel van de artsen. Volgens Dominic King, die bij Microsoft AI de afdeling gezondheid leidt, is de techniek klaar voor zo'n test in de praktijk.
Daarnaast werkt Microsoft met de Amerikaanse Mayo Clinic aan een eigen groot AI-model voor de gezondheidszorg, dat volgend jaar moet verschijnen. In een tweede artikel, in het vakblad BMJ Digital Health and AI, beschrijft het bedrijf wat er nodig is voor wat het "medische superintelligentie" noemt: AI die kennis en beslissingen over de hele zorg met elkaar verbindt en uiteindelijk beter wordt dan de sterkste medische teams van nu.
Wat betekent dit voor de weg naar de singulariteit?
Dit onderzoek laat zien dat AI bij een van de moeilijkste denktaken in de geneeskunde, het stellen van een diagnose, in een nagebootste situatie al beter scoort dan losse artsen. Opvallend is dat de grootste sprongen komen van steeds betere taalmodellen: elk nieuw model maakt zo'n systeem vanzelf sterker. Een groot voordeel van zulke modellen is dat ze kennis uit alle specialismen tegelijk hebben. Een huisarts kan niet alles weten over zeldzame hart-, huid- en stofwisselingsziekten tegelijk, een AI-model kan die verbanden wel leggen. De proef in Boston moet laten zien of dat ook in de spreekkamer werkt. Lukt dat, dan kan deskundige diagnose veel breder en goedkoper beschikbaar komen, ook op plekken waar weinig specialisten zijn.
