Microsoft publiziert Science‑Studie: Orchestrierte KI erzielt bessere Diagnosen in simulierten Klinik‑ und Notfallfällen.
In Kürze
- MAI‑DxO (GPT‑5) erreicht ~83% bei NEJM‑Fällen
- Ärzt:innen lagen deutlich niedriger
- Studie ist textbasiert; alle Autor:innen bei Microsoft
Microsoft hat in der Fachzeitschrift Science eine peer‑reviewte Studie zu einer neuen Sprach‑KI namens MAI‑DxO veröffentlicht. Die Arbeit, die am 22. Oktober erschien, beschreibt ein System, das bei simulierten komplexen Fällen deutlich bessere Diagnosen lieferte als einzelne Allgemeinärzt:innen — getestet auf textbasierten Fallberichten aus Fachpublikationen und Notaufnahmen.
Wie das System aufgebaut ist
- SDBench: Die Forschenden stellten ein Testset zusammen aus 304 Klinikfällen aus dem New England Journal of Medicine (NEJM) und 325 Notfallfällen aus dem MIMIC‑IV‑ED‑Datensatz.
- Gatekeeper: Ein Agent gibt nur jene Informationen frei, die bei einer echten Fragestellung oder bei Tests tatsächlich zu Tage kämen.
- Judge: Ein Agent bewertet am Ende die vorgeschlagene Diagnose.
- MAI‑DxO (Microsoft AI Diagnostic Orchestrator): Arbeitet wie ein virtuelles Ärzte‑Gremium: mehrere Unteragenten schlagen Diagnosen vor, wählen Fragen und Tests aus, stellen sich gegenseitig kritische Fragen und berücksichtigen dabei auch die Kosten der Tests.
Die wichtigsten Ergebnisse
- Bei den NEJM‑Fällen erreichte MAI‑DxO, betrieben mit GPT‑5, eine Trefferquote von 83,2 % bei durchschnittlich geschätzten Testkosten von 5.431 US‑Dollar.
- Einzelne Allgemeinärzt:innen lagen bei 36,1 %, wenn sie Such‑ und Nachschlagehilfen nutzen durften, und bei 22,3 % ohne solche Hilfen. Der beste einzelne Arzt kam auf 51,8 %.
- Bei den Notaufnahme‑Fällen aus MIMIC‑IV‑ED erzielte MAI‑DxO 80,3 % gegenüber 46,8 % bei Ärzt:innen.
- Microsoft berichtet, dass die Vorteile zunahmen, als die gleiche Orchestrierung mit GPT‑5.5 getestet wurde.
Was die Studie einschränkt
- Alle Fälle wurden textbasiert simuliert; es gab keine echte Patienteninteraktion und keine Messung klinischer Endpunkte.
- Verglichen wurde die KI mit einzelnen Allgemeinärzt:innen, nicht mit Fachärzteteams oder interdisziplinären Konstellationen.
- Sämtliche Autoren der Studie sind bei Microsoft beschäftigt, das die Studie auch initiiert hat.
- Die Autor:innen betonen, dass die Ergebnisse die Diagnoseleistung unter idealisierten Informationsbedingungen messen, nicht die tatsächliche Patientenversorgung.
Nächste Schritte und Kontext
Microsoft plant eine prospektive Studie mit dem Beth Israel Deaconess Medical Center in Boston, in der Patient:innen direkt mit dem System interagieren sollen. Außerdem soll der Code für SDBench offen zugänglich gemacht werden, damit andere Teams Modelle nachtesten und die Benchmarks überprüfen können.
Ärzt:innen nutzen bereits heute KI‑Hilfen wie ChatGPT; strukturierte, kostenbewusste Orchestrierungen wie MAI‑DxO sind als Benchmark interessant, bis reale Patientendaten zeigen, ob das System auch in der Praxis zu besseren oder sichereren Ergebnissen führt.
Quellen
- Quelle: Microsoft
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
