Система Microsoft MAI-DxO правильно определила диагноз в 83% сложных клинических случаев — против 36% у врачей общей практики и интернистов, работавших поодиночке. Для рынка ИИ в медицине это громкий результат, но не повод срочно заменять дежурную смену чат-ботом: тестировали симуляции, а не реальных пациентов, и с узкими специалистами систему не сравнивали, сообщает TechCrunch.
MAI-DxO, где DxO расшифровывается как Diagnostic Orchestrator, не является одной языковой моделью. Это надстройка, которая координирует несколько ИИ-агентов: они задают вопросы условному пациенту, назначают обследования, обсуждают версии и формируют итоговый диагноз. Проверку провели на сложных кейсах из New England Journal of Medicine. Генеральный директор Microsoft AI Мустафа Сулейман назвал результат шагом к «медицинскому сверхинтеллекту» — системе, способной превзойти лучшие нынешние модели медицинского рассуждения и координации лечения.
С цифрой 83% есть важная оговорка. Кейсы такого уровня в обычной практике редко остаются на столе у одного терапевта: к ним подключаются профильные врачи, консилиумы и диагностические службы. В исследовании именно эти участники не были контрольной группой. Поэтому результат корректнее читать как демонстрацию разрыва между ИИ-системой с большим вычислительным бюджетом и врачом-генералистом в лабораторной задаче, а не как доказательство превосходства машины над клинической системой здравоохранения.
Не менее показательно, откуда взялся прирост. Microsoft запускала DxO поверх моделей OpenAI, Google, Anthropic, Meta и DeepSeek. Лучшие показатели дали GPT-5 и GPT-5.5. В базовом тесте GPT-5 с коротким промптом без оркестрации достигала 78,9% точности; DxO прибавляла примерно четыре процентных пункта и одновременно снижала оценочную стоимость обработки одного случая примерно с 8400 долларов на 3000 долларов. То есть основную разницу с врачами обеспечила сильная базовая модель, а многоагентная схема добавила сравнительно скромный, хотя и практичный выигрыш.
На GPT-5.5 картина оказалась неоднородной. В сложных случаях оркестрация подняла результат с 72% почти до 87% при немного меньшей расчётной стоимости. Зато на кейсах из отделений неотложной помощи заметного эффекта не было: и модель сама по себе, и связка с DxO показали около 85% при сопоставимых расходах. С более слабыми моделями польза заметнее: Gemini 2.5 Flash выросла с 46,4% до почти 69%. Но и здесь разрыв между поколениями моделей оказался больше, чем прибавка от самой оркестрации.
Для разработчиков клинических продуктов это хороший антидот от магии слова «агенты». Оркестратор способен дисциплинировать процесс: разложить кейс на этапы, заставить модель запросить недостающие данные, проверить альтернативные гипотезы и контролировать стоимость рассуждений. Но он не отменяет зависимость от качества базовой модели, данных и сценария оценки. Особенно в медицине, где правильный ответ в бенчмарке ещё не означает безопасное решение в ситуации с неполной историей болезни, очередью в приёмном отделении и реальными последствиями ошибки.
Microsoft намерена перейти от симуляций к клинической проверке вместе с Beth Israel Deaconess Medical Center в Бостоне. Пациенты будут получать обычную помощь — триаж, обследования, лечение и решение о выписке, — а согласившиеся параллельно будут взаимодействовать с DxO. Затем рекомендации системы сопоставят с решениями врачей. Это существенно более полезная проверка, чем очередной набор экзаменационных вопросов: здесь можно увидеть, где модель экономит время, где повторяет очевидное, а где уверенно ведёт команду не туда.
Компания также работает с Mayo Clinic над фундаментальной моделью для здравоохранения, выпуск которой планируется в следующем году. Сулейман рассчитывает, что уже в 2027 году модели смогут строить точные прогнозы развития медицинской записи — по сути, подсказывать клиницисту вероятное продолжение истории болезни. Конкуренция уже идёт: Google в этом месяце тоже опубликовала клиническое исследование разговорной диагностической системы AMIE с тем же бостонским медицинским центром.
Ближайшая развилка для ИИ в медицине лежит не между «помощником» и «заменой врача», а между убедительными бенчмарками и воспроизводимой пользой в больницах. Если DxO покажет, что повышает качество решений без удорожания и лишней нагрузки на персонал, многоагентная архитектура станет коммерчески значимой частью клинических платформ. Если нет, громкое слово «сверхинтеллект» останется удачным заголовком к сравнительно небольшому улучшению сильных моделей. Подробности исследования и заявления Microsoft приводит .
